Évaluation de systèmes de résumé automatique dans le paradigme usager

HAL Id: dumas-01588307

https://dumas.ccsd.cnrs.fr/dumas-01588307

Submitted on 13 Dec 2017

HAL is a multi-disciplinary open access

archive for the deposit and dissemination of sci-entific research documents, whether they are pub-lished or not. The documents may come from teaching and research institutions in France or abroad, or from public or private research centers.

L’archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des établissements d’enseignement et de recherche français ou étrangers, des laboratoires publics ou privés.

Évaluation de systèmes de résumé automatique dans le

paradigme usager

Verona Boian

To cite this version:

Verona Boian. Évaluation de systèmes de résumé automatique dans le paradigme usager. Sciences de l’information et de la communication. 2006. �dumas-01588307�

Université Charles-de-Gaulle

-

Lille 3

Master 2 Information Communication Documentation

Spécialité Recherche

en

Sciences de l'Information

et

de la

Communication

Evaluation

de

_systèmes

_de

_{résumé automatique}

dans le

_paradigme

_usager

Verona BOIAN

Université Charles-de-Gaulle

-

Lille 3

Master 2 Information Communication Documentation

Spécialité

Recherche

en

Sciences

de

l'Information

et

de la

Communication

r

Evaluation de

_systèmes

_de

_{résumé automatique}

dans

le

_paradigme

_usager

Verona BOIAN

Remerciements

Je tiens à remercier mon directeur de _{recherche, Monsieur Stéphane Chaudiron,} d'avoir suivi mon travail. Ses conseils ont su _{dissiper mes doutes et ses} commentaires _et

suggestions m'ont permis d'avancer dans la réalisation demonmémoire.

Je remercie _{également Monsieur Jean-Michel Rauzier, rédacteur en chef de la revue}

Documentaliste -Sciences de l'information _pouravoirgénéreusement mis à _madisposition le

corpusnécessaire àmarecherche.

Sur le _{plan personnel, une pensée particulière pour mes parents, qui m'ont toujours}

soutenue, moralement etfinancièrement, dans mesprojets etqui ontcrûenmoi ! J'espèreque le retour sur l'investissement ne tardera pas. _{Je pense aussi à mon frère et le reste de ma} famille,qui ontdûpayerparl'éloignement le prix demesambitions professionnelles.

Enfin,jeremercie àtousmesamis quim'ont encouragéetoutaulong demontravail et

qui ont été toujours disponibles dans mes momentsdifficiles : Ana-Maria, Christelle, Corina,

Daliana, Guillaume, Laurent, Meda, Simona, TinaetYoussef. Merci de m'avoir aidée, de loin oude_{près, sciemmentou non, àmenerà bon termecetravail !}

laoïc ues maucics

Introduction 1

Chapitre 1

:

Le

résumé

-

activité complexe

et

produit variable

2

1.L'activité résumante- éléments dedéfinition 2

2. _{Typesderésumé 4}

3.

_Étapes

_{dans la rédaction 7}

4.Évolutiondela notion derésumé 9

5.Besoin des SRA 10

Chapitre

2

:

Compréhension des différentes approches des SRA

12

1. Méthodes fondées surlacompréhension 12

2._{Méthodes parextraction 14} 2.1. Sélectiond'imités textuelles_parcalculdescore 15

2.2. Sélection d'unités textuellesbaséesur uncalcul de similarité 17

2.3. Sélection d'unités textuellesbaséesurle_{repéraged'expressionsprototypiques 18}

2.4.Sélection_{parconstructiond'unestructurepragmatique 19} 3. Méthodes par filtrage sémantique 21

3.1.Méthode _{d'explorationcontextuelle 21}

3.2. _{Séraphin 24}

3.3. Le_{projetFilTextetla plate-formeContextO 24} 4. _{Méthodes parapprentissage 25}

Chapitre 3

:

Évaluation

-

état de

l'art

27

1. L'évaluation : _{conceptetenjeux 27}

2._{Types d'évaluation 29}

2.1. Distinctions_{terminologiques}

₂₉

2.2. Évaluation_{parcalculvsévaluationparjury}

₃₂

2.3._{Paradigme systèmevsparadigme usager}

₃₅

3. _{Campagnesdéjà réalisées}

₃₈

3.1. TREC 38

3.2. DUC 42

3.3. SUMMAC_{(Tipster) 44} 3.4.Les_{protocoles du système Séraphin (MLUCE+FAN)}

₄₆

3.5. _Technolangue

₄₉

3.6. Autre _{campagnes : CLEFetAmaryllis}

₅₁

Chapitre 4

:

Éléments

de mise

en

place

d'une expérimentation

52

1.Définition destâches 52

2. Constitution du corpus

53

3. _{Proposition critèresdans un paradigmeusager}

₅₆

4.Méthodes derecueil dedonnées 57

Conclusion 59

Bibliographie

Introduction

L'information, disponible de plus enplus facilement et en grande quantité, demande à être triée et _{appréhendée de plus en plus rapidement. En parallèle avec les méthodes} classiques, tellesquel'index, la table des matières, etc., de nouvelles modalités d'accès rapide

à l'information se sont _{développées. Parmi ces modalités, le résumé automatique. Les}

nombreuses recherches dans ce domaine ont abouti à des _{produits commerciaux ou de} laboratoire. Face à cette offre _{technologique importante, l'évaluation de tels systèmes est} devenue _{nécessaire, ayant des rôles multiples} : établir un état de l'art, encourager etmesurer le_{progrès dansce domaine, justifieretimposer certaines approches plutôtqued'autres. Si des}

campagnes d'évaluation importantes ont déjà eu lieu, elles ont très peu pris en compte le paramètre utilisateur. Dans ce contexte, l'objectif denotre recherche aété d'arriver àmontrer

les difficultés _{théoriques et méthodologiques rencontrées lors de la mise en place d'un}

protocole d'évaluation dans le paradigmeusager.

Ence_{qui concerne la méthodologie adoptée, dansunpremiertempsnous avons étudié}

l'activité résumante dans une _{acception classique, documentaire, pour arriver à observer des}

évolutions_{quise traduisent dans la priseencomptede l'usager, denouveaux usages (lecture à}

l'écran) et des possibilités d'interaction et de navigation offertes par les technologies en continuel _{développement.}

Nous avons _{poursuivi notre démarche avec l'analyse des méthodes utilisées dans la}

production automatique de résumé. Cette partie ne se veutpas exhaustive; son intérêt est de nous avoir_{permis de comprendre la complexité de ces approches et de la mise enplace d'un} protocole d'évaluation.

Nous nous sommes intéressé à l'état de l'art dans l'évaluation des _{systèmes de résumé}

automatique, quitrouve sesbases dans l'évaluation des systèmes de recherche d'informations. Les campagnes d'évaluation déjà réalisées ontproposé des protocoles enpartie réutilisables et réapplicables à d'autres technologies.

Al'issue decette_{analyse, nous avons concluquel'évaluationdes systèmes de résumé} automatique, à part ces aspects généralement applicables, présente des spécificités qui n'ont

pas été suffisamment développées et exploitées, surtout dans un paradigme usager. Par

conséquent, il nous a paru impératif de proposer un cadre expérimental, en menant une réflexionsurles difficultés_{théoriquesetméthodologiques d'une telle entreprise.}

Chapitre 1

Le résumé - activité

complexe

et

produit

variable

1. L'activité résumante-éléments de définition

L'explosion du volume d'information sous forme de documents textuels, surtout avec l'essor _{d'Internet, est} un phénomène d'actualité ; l'usager est submergé par cette masse en

continuelle_{augmentation, la gestion endevient de plus enplusdifficile. Par conséquent, dans}

une_{tactique de réduction du volume d'informations présentées, desmoyens de représentation} du contenu et d'accès _{rapide à l'information sont devenus indispensables.}

_À

_{côté de la table} dematièreset _{l'index, le résuméenestun.}

L'activité résumante des humains a été encore _{fort peu étudiée et le concept de}

«résumé»ne fait pas encore_{l'objet d'une caractérisation très rigoureuse.}

Dans _{[Fayol,1992], l'auteur définit le résumé} comme étant «un cas particulier de

paraphrase sélective» (p. 163), il met en évidence la complexité de cette activité et présente

des recherches_{qui exposentl'existence de difficultés bien précises rencontrées parles adultes}

comme_{par les enfantslors de l'activité de résumé.}

Le Roux _{([LeRoux,1992]) oppose le résumer, à savoir la démarche, au résumé, qui}

est l'un des _{produits possiblement issus de celle-ci, d'autres pouvant être également obtenus}

en fonction de _{paramètres de différents types (nature du texte d'entrée, contraintes sur la} longueur ou la forme du texte-source, objectifs de la démarche, etc.). Elle définit l'activité

résumante comme une démarche intellectuelle _{complexe qui relève de deux types de} démarches de modification d'un texte1 : la hiérarchisation et la sélection des unités d'information du texte d'une _{part (axe de transformation), la recherche de la plus grande} densité informationnelle _{possible, d'autre part (axe d'identité). Autrement dit, l'activité} résumante consiste à sélectionner l'information enfaisant _{appel àuneprocédure de réduction} des _{segments detexte retenus}commeessentiels, etensuite à paraphraser.

1

Lesdeux démarches de modificationdutexte sont_{présentéescommeles deuxaxesd'unschémapermettantde}

situer tout texte résultant d'un autre texte _{après des opérations de modification textuelle; l'axe vertical x est}

celui de la relation d'identité stricte entre T _{(texte source)etT' (texte cible)etl'axe horizontal}yestcelui de la

transformation _{représente la succession continue de textes qui pourraient résulter après} une

Elle mentionne aussi un autre élément à _{prendre en compte dans la définition d'un} résumé. Il _{s'agit d'un des rôles du résumé, qui est celui de constituerun lien important entre} les _{producteurs de l'information et} ses utilisateurs : le résumé contientune information dite «secondaire», ce _{qui l'oppose} au texte source qui contient l'information «primaire». Le résumé est donc un document

secondaire1,

défini _{comme « document présentant des}

informations résumées _{(analytiques) etparatextuelles (synthétiques) de documents primaires»} dans _{[Cacaly,2004],p. 66.}

[Grize,1992] définit l'activité résumante comme une activité de communication qui,

donc, par définition, résulte d'une intention précise et qui est destinée àun interlocuteurque l'on se _{représente plus ou moins exactement. Dans la production d'un résumé, trois} paramètres doivent être pris enconsidération : le destinateur, le destinataireetla situation. Par conséquent, selon qui l'on est, selon à qui l'on s'adresse et à quoi le résumé est censé servir, on relève certains faits et on en _{passe d'autres sous silence. Celui qui résume doit donc se}

faireuneidée de ceuxà_{qui il s'adresseetde cepourquoi il résume.}

Résumer un texte est une démarche _{argumentative, c'est-à-dire qui vise à intervenir}

sur un destinataire. Grize _{postule ainsi qu'un résumé est élaboré pour aider le lecteur à} répondre à une question qu'il est censé se poser. En fonctions de ses besoins spécifiques, le lecteur_{peut avoir des interrogations différentes :}

De_{quoi s'agit-il ? Lerésumé doit situer letextedans le champ du savoir.}

Vais-je lire ceci ? Le résumé varie alors en fonction du type de texte. S'il s'agit

d'un _{roman, le résumé doit faire appel à la sensibilité du lecteur potentiel; si le texte est de}

nature_{scientifique, il convient de la situerausein d'une problématiquereconnue, etc.}

Comment _{vais-je me souvenir de ce qui est dit ? Le résumé est une sorte de} mémento.

Comment mettre en relation une _{partie avec le tout? Le résumé doit permettre} d'avoirunevue «_{globale »des diverses parties du document.}

Comment cela est-il_{possibleou cela est-il vrai ? Le résumé doit alors être capable} de rendre _{compted'une démarche conduisant àune conclusion, de présenter les arguments en} faveur de la thèse.

Ce _{type de questions sont très importantes, car les résumés devraient pouvoir y}

répondre : unbon résuméestcelui qui s'adapteauxbesoins informationnels de l'utilisateur.

1

La_{bibliographie, lecatalogue d'une bibliothèque, l'index, les banques de données bibliographiques constituent}

Le besoin informationnel est défini dans _{[Le Coadic,1998] comme «l'état de} connaissance dans _{lequel [le chercheur] se trouve lorsqu'il est confronté à l'exigence d'un} information _{qui lui manque, d'une information qui lui est nécessaire pour poursuivre un} travail de recherche. Il naît donc d'une _{impulsion d'ordre cognitif. » (p. 12). Résultat de} l'existence d'une anomalie de connaissance chez une _{personne, le besoin d'information ne}

peut pas être séparé du contexte, de la situation, de l'environnement qui l'a créé et de

l'individu _{qui l'aperçu ; il estdonc sociologiquement etpsychologiquement déterminé. Il est}

judicieux de faire la différence entrel'étude des besoins d'information etcelle des usages, car les usagers nesontpas toujours conscients de leurs besoins d'informationou ils nesaventpas lesformuler1.

Elément facultatif de _{l'analyse documentaire (à côté de la référence bibliographique et}

l'index, qui, eux, sont obligatoires), le résumé apporte au lecteur des informations supplémentaires concernant le contenu d'un document. La rédaction du résumé dépend surtout de facteurs comme : les besoins informationnels des _{utilisateurs, le type de produits}

issus de _{l'analyse (l'usage qu'on fait du résumé) et l'auteur du résumé (surtout qu'il n'existe}

pasde véritables normesde rédaction d'un résumépar un documentaliste).

2._{Types derésumé}

Dans la norme NF Z _{44-004, l'AFNOR fait des recommandations concernant la}

préparation etla présentation des résumés, définis de la manière suivante :

« Il existe deux_{types de résumé,le résumédescriptifetle résumé critique.}

Le résumé _{descriptif est un texte concis reflétant fidèlement, sans interprétation ni}

critique, le contenu du document. Il a pour but d'aider le lecteur à cerner la pertinence du

document vis-à-vis de l'information recherchée. Parmi les résumés_descriptifs, ondistingue : le résumé _{informatif qui est une représentation abrégée du document,}

renseignantsurles informations quantitatives ouqualitatives apportées parl'auteur;

le résumé _{indicatifqui se contente de signaler le ou les thèmes d'études. Il}

concerne les documents _{qui, par leur nature ou leur ampleur, ne se prêtent pas à} l'établissement d'un résumé informatif.

Le résumé _{critique est} un compte rendu assorti d'une critique originale d'un

document. Il n'est_{jamais élaboréparl'auteur etn'estdoncpastraité ici. »}

1

La différence entre besoin et demande _{d'information est expliquée dans [Le C0ADIC,1998], ainsi que les} différentes _{étapes qui conduisent à la satisfaction d'un besoin d'information: identification, formulation,}

En _{pratique, dans l'analyse documentaire on distingue principalement deux types de} résumé documentaire _{([Guinchat,1996], [Waller,1999]) :}

- Résumé indicatifou

signalétique

Il _{s'agit de signaler ou d'indiquer d'une manière brève les thèmes d'étude. Ce résumé} donne une indication sur le _type d'information qu'on _{peut espérer trouver dans le document}

maisil nedonne pas _{l'information elle-même.}

L'objectif de ce type de résumé est de faire savoir à l'usager s'il doit lire le texte

intégralement, s'ilne doit enlire qu'une partieou si le document signaléne l'intéressepasdu

tout. Le_{résumé indicatif n'a donc pas pourvocation de dispenser de la lecture des documents}

pertinents. Il estunoutil de sélection, de tri.

- Résumé informatif

ou _analytique

Ce _{type de résumé sert véritablement à informer l'utilisateur sur le contenu du} document _{original analysé et peut remplacer la lecture in extenso de celui-ci. La}

problématique du résumé informatif est double. Il s'agit de comprendre ce qui n'est pas information dans un texte et de connaître le besoin de l'utilisateur final. Le documentaliste lit letexte àsa_{place. Il doit donc se situer en fonction du savoir de l'usager final (c'est souvent}

un_{spécialiste)etdesonbesoin.}

Cette distinction est souvent étendue à un troisième _{type de résumé, le résumé}

critique/évaluatif. Il évalue la_{problématique du document source, en exprimant l'opinion du} résumeurconcernantla_{qualité du travailde l'auteur.}

La relation établie entre les trois _{types de résumés n'est pas exclusive. Le résumé} informatif_{peut êtrevu commeremplissant des fonctions indicatives etinformatives àla fois ;}

par conséquent, il peutêtre considéré comme une sous-classe du résuméindicatif. De même,

le résumé _{critique peut être indicatif (« Voici un article excellent ! »), ou informatif. La}

relationentreles trois_{concepts peutêtreillustréeparle schéma ci-dessous.}

Il existe d'autres formes de résumé _{(méthodes de représenter le contenu d'un} document en l'abrégeant) _{: résumé scolaire, résumé d'auteur, résumé sélectif (sélectionne}

l'informationenfonction d'une_{catégorie d'utilisateurs), etc.}

Le résumé _{scolaire, bien différent des pratiques professionnelles apparentées est}

présenté en détail dans [Charolles,1992], Il apparaît comme une sorte de pratique

désincarnée mettant essentiellement en_{jeu des opérations de contraction et de reformulation} (de surcroît très normées) en dehors de toute fonctionnalité réelle autre que celle, bien

entendu, d'évaluer les capacités de compréhension et de production écrite des élèves.

Charolles se sert dece_{type de résumé, quoique à caractère spéculatifet artificiel,pourvoir en} quoi justement les textes sont porteurs dans leur « forme» d'indices susceptibles de guider le sujet dans sa tâche de résumé (il part du principe que les élèves ne peuvent pas, comme les

professionnels de l'information, être des experts des innombrables sujets abordés dans les

documents _{qu'on leur demande de résumer et que le texte source est, donc, leur matière} essentielle dans la_{production du résumé).}

La littérature

_{anglo-saxonne1}

_{impose une distinction basée sur la relation entre le} résumé et le texte source : les résumés se divisent en extracts et abstracts2. L'extract estun

résumé _{composé exclusivement de matériel copié du texte source (input). Ainsi, un extract}

typique àun taux de condensation de 25% contiendra25% du matériel du document source, qu'il s'agisse de 25% des mots, ou de 25% des phrases ou de 25% des paragraphes du

document. Comme _{généralement il s'agit de phrases, celles-ci peuvent se suivre (s'il s'agit,}

parexemple, des premières 25% du document) ounon. Cependant, iln'estpasobligatoire que Yextract contienne des _{phrases, il peut se présenter sous la forme d'une liste de termes}

(termes techniques, noms propres, groupes nominaux, phrases tronquées, etc.). En revanche,

Yabstract estunrésumé dontaumoinsune_{partieducontenun'appartientpas autextesource.}

Un abstract _{typique contient un certain degré de paraphrase du contenu du texte source. En}

général, les abstracts offrent la possibilité d'un plus grand degré de condensation : unabstract

court _{peutoffrir plus d'information qu'un extract plus long. Comme dans le cas des extracts,}

les abstracts _{peuvent ne pas contenir que des phrases complètes, quoique, en général, ils le}

font.

En fonction du _{type d'utilisateur pour lequel est construit un résumé, la distinction se} fait entre «résumé standard/d'ensemble » _{(generic) et «résumé focalisé/ciblé»}

(user-1

Par_{exemple [MANl,2001a],p. 6.}

2

focused/topic-focused/query-focused). Le premier s'adresse àunpublic assez large etne tient

pas comptedes besoins des utilisateurs, alors que ledeuxième estconstruitpour unutilisateur

précis (ou groupe d'utilisateurs), donc il prend en compte les intérêts de celui-ci. Cette distinctionne nous_{permetcependantpas deconclure à la supériorité du résumé focalisésur le} résumé _d'ensemble, car l'utilisateur peut parfaitement choisir de faire sienne la perspective adoptéepartel résumé d'ensemble.

Une autre dimension considérée dans la classification des résumés est donnée _{par le}

degré de généralité du résumé : les résumés qui traitenttous les sujetsd'un documentavec le

même _{poids sont des résumés génériques, tandis qu'un résumé orientépar une requête se}

concentre_{particulièrement surune facette spécifique du document.}

En fonction du nombre de documents sources traités _{simultanément, le résumé peut} être mono-document _{(s'il traite} un seul document source) ou multi-documents (s'il en traite

plusieurs).

Enfonction des _{languesdans lesquelles sontproduits le documentsourceetle résumé,}

nous considérons que _{celui-ci est monolingue (si le résumé est dans lamême langue que le} document_{source) ouinterlingue (s'il estdansunelangue différente).}

Dans une _{perspective plus large et plus actuelle, une autre distinction se fait en}

fonction du _{type de support du résuméet/ou du document source : il peut s'agir de textes,} documents _{audio, vidéo, tableaux, images ou diagrammes, ou documents multimédia}

(contenantdifférentstypesdemédia).

3.

_Étapes

_{dans la rédaction}

Pinto Molina propose, dans [Pinto Molina,1995], un modèle de production de résumé basé sur

quatre1

_{étapes-clé. Le modèle estrepris dans [Waller,1999], qui impose les}

équivalents français :

-compréhension (reading-compréhension),

-sélection _{(sélection),}

-construction2 (interprétation),

-rédaction3 (synthesis/analytical description).

1

Outrois,carsélectionetinterprétationcomposeraient analysis, niveau leplus difficileetcontroversédetoutle

processusdeproduction derésumé,parcequ'il n'yapasde méthodologie rigoureuseetconséquente.

2

[Waller,1999] trouve le terme interprétation gênant dans ce contexte, pouvant renvoyer au manque

d'objectivité de la part de l'analyste et propose de prendre to interpret plutôt au sens de traduire, que à'_{interpréter.}

3

[Waller,1999]trouveletermesynthèse pertinent, caril s'agitd'utiliserles éléments sélectionnés dans letexte

pour construireun ensemble cohérent et lisible. Toutefois, il déconseille sonemploi afin d'éviter la confusion qui pourraitsefaireentrela synthèse documentaire, effectuéeàpartirde plusieurs documents surle mêmesujet, etlarédaction d'unrésumé_{documentaire, quis'appliqueàuntexteunique.}

i. La _{première phase consiste à observer et comprendre un texte avec un objectif}

documentaire : à _{partir d'un élément concret (le texte), on va dans l'abstrait (sa signification} dans un cadre _{donné), pour retrouver le concret (l'écriture d'un résumé). C'est ce que Pinto}

Molina_{appelle le cyclicaîprocess. Absolument essentielle, la compréhension dutexte est une} activité _{basique et complexe, terrain commun de plusieurs disciplines scientifiques}

(linguistique, logique, psychologie cognitive). Considérée comme une première analyse, ou

pré-analyse, la compréhension est un processus interactif entre le texte et le résumeur,

fortement conditionné _{par les connaissances de base du lecteur. A ce niveau, des} connaissances _{scientifiques et documentaires de base sont nécessaires. A la lecture s'ensuit la}

compréhension, ou l'interprétation du sens du texte. La première interprétation, générale et neutre, est le point de départ pour tout processus analytique. La lecture est toujours orientée vers sonutilisation ultérieure par un _{nombre x de personnes, connues ou non. Grâce à cette} phase de recherche de la structure profonde dutexte et du vocabulaire pertinent, la sélection

peutdébuter.

ii. La sélection est un _{processus négatif: elle consiste à éliminer des unités de sens} (phrases oumots) considérées non-pertinentes pour le résumé. En fonction de leur pertinence

pourle résumé, les unitésdesenspeuventêtre groupées en : répétitions, unitéspeupertinentes

etunités_{non-pertinentes. Effectuée à l'aide de stratégiescomme la contraction, la réduction et} la _{condensation, la sélection a pour but de retenir uniquement l'information pertinente. A ce}

niveau, la notion de pertinence devient extrêmement importante. Cette phase de

sélection-élimination réduit l'écrit àseséléments_{jugés pertinents enregard dutexte lui-mêmeetde son} objectif documentaire. Ces éléments doivent alors êtrereconstruits.

iii. Une fois la sélection _{effectuée, le résumeur doit procéder à une deuxième}

interprétation, orientée et sélective cette fois-ci, qui dépend fondamentalement des objectifs

documentaires. C'est _{l'étape la plus subjective de tout le processus, parce que, à part}

l'objectivitéducontenutextuel, certain facteurs extratextuels interviennent : les connaissances de base du _{résumeur, le contexte, dans le sens le plus large du mot, et les objectifs}

documentaires du résumé. En _{fait, la construction d'un résumé repose beaucoup sur la} recherche du _{plan, sur la structuration interne du texte lui-même. Le repérage d'ensembles}

cohérents _{permetdehiérarchiser, après les avoir sélectionnés, les items exposés. Cetravail de} mise en_{place des ensembles facilite la rédaction.}

iv. C'est _{l'étape la plus délicate, caril est pratiquement impossible de mettreenplace} des _{techniques de synthèse qui soient valides indépendamment du type de document et du} résumeur. Elle _{pourraitêtre considérée commela vraie phase de production de résumé. Toute}

synthèse doit être cohérente, équilibrée et elle doit garder la structure schématique (rhétorique) du document. A ce niveau, le résumeur doit prendre en considération le niveau

d'analyse pré-établi, enfonction dutypede résumédésiré.

4. Évolution dela notion de résumé

La notion de résumé _{standard, idéal est devenue inappropriée, car il n'existe pas de} critère_{précis pour déterminer ce qui sera un bon résumé. Au contraire, sous la pression des}

besoins des _{utilisateurs,} onparle aujourd'hui de plus enplus de résumé àla demande, du sur

mesure : l'information n'est pas _{importante en soi, mais seulement dans la mesure dans}

laquelle ellecorrespond auxbesoins d'un utilisateur. La pertinence, notion centrale enscience de _{l'information, est définie comme « adéquation entre le résultat d'une recherche} d'information et l'énoncé de la _{question posée» ([Cacaly,2004], p. 181). La pertinence se} définit dans la rencontre d'un texte et d'un lecteur _{; elle n'est pas une propriété inhérente du}

document, ycompris dans le contexte de tel profil ou de telle requête : elle est construite par

unutilisateur. Ce _{qui estjugé pertinentpour unutilisateurnel'estpasnécessairementpourun} autre. Une _{pertinence absolue n'existe pas ou, du moins, elle est invérifiable car elle}

impliquerait que l'usager sache parfaitement ce qu'il cherche au moment où il pose sa

questionet qu'il connaissepar avancela totalité des informations qui répondent àsaquestion. De la même _{manière, dans [Pincemin,2001], l'auteur démontre qu'il n'y a pas de} résumé neutre: «le _{repérage des éléments significatifs dans untexte, comme l'évaluation de}

leur _{importance, suppose un point de vue, même implicite. On peut néanmoins distinguer} deux niveaux de _{subjectivité. » (p. 155). Elle fait la distinction entre le résumé « du côté du}

texte» et le résumé «côté utilisateur_{», termes qu'elle propose comme équivalents de}

«résumé d'ensemble» et «résumé focalisé _{», que nous avons déjà introduits et expliqués}

dans notre travail. Pour le _{premier niveau de subjectivité (résumé «du côté du texte»), le} résumé vise à rendre _{compte de l'ensemble du texte, à en donner une image représentative,} même si c'est nécessairement avec un_{angle de vueet uneperspective particulière. Le second}

(résumé « côté utilisateur ») introduit explicitement lecontexte de consultation dutexte :il se focalisesurles éléments dutexte en_{rapport avec uneautre entité circonstancielle (le profil de}

l'utilisateur, larequêtetraduisantsonbesoin d'information, etc.).

Grâce aux avancées _{technologiques dans le domaine des systèmes de résumé}

automatique, le résumé est devenu du

texte1,

et non plus un texte. Les fonctionnalités de

1

Lerésumé_peutprendre laforme d'une image (carte, schéma, etc.), maiscettediscussionsortducadre denotre recherche.

navigation offertes aujourd'hui par l'informatique font que le résumé est vu comme

dépendant du texte dont il est issu : il s'agit de l'évolution du résumé rédigé vers le résumé

par extraction (sélection/élimination). Si le premier est, lui, légitimement un texte, qui

entretientun _{rapport de réécriture vis-à-vis du texte source, le deuxième est « un artéfact, un}

curieux _{sous-produit de forme linguistique ; pour garder une intelligibilité textuelle, il faut}

préserverson ancrage autextesource »([Pincemin,2001],p. 154).

Nous retrouvons la même idée de _{présentation simultanée du résumé produit et du} document _{source, dans lebut de résoudre leproblème éventuel de manque decontexte d'une} manière _{immédiate, dans [Crispino,2004]. L'analyse des auteurs se base sur une approche}

dynamique : selon eux, lerésumé automatiqueneconstituepas untexteunique fixe mais « un

objet multidimensionnel composé d'informations jugées saillantes, fonction d'un profil de filtrage, de liens qui permettent une _{synchronisation automatique} avec le texte source et

d'opérations devisualisationetnavigation textuelles. » (p. 117).

Il convient aussi de_{s'interrogersurles conséquences d'une autreévolution technique :}

le fait_{queletexte soitmaintenant numériséetqu'il soit présentéau lecteursur un écran. Dans}

[Minel,2004b], l'auteur considère cette évolution comme une nouvelle mutation qui place le

lecteur devant de nouvelles _{possibilités qui restent à exploiter. Les lecteurs n'ont plus la} même démarche envers le_{texte, ni lamême définitiondecetobjet. C'estjustement cetype de} lecture à l'écran _{qui va compenser certains défauts des systèmes de résumé automatique}

(SRA) par extraction (présentés dans la section 2.2), notamment le manque de cohésion et

cohérence _{textuelles, par des fonctionnalités comme le surlignage au fil du texte ou} l'utilisation de liens _{hypertextes. Ainsi, plutôt que de construire des fragments textuels figés,} les recherches dans le domaine du résumé _{automatique s'orientent de plus en plus vers} l'élaboration de_{logiciels qui guidentousuggèrent desparcours de lecture.}

5. Besoin des SRA

La rédaction d'un résumé est une activité _{complexe qui est communément du ressort} des _{documentalistes, mais qui, pour des raisons économiques (rédiger un résumé prend du}

temps et, donc, coûte cher), est de moins en moins pratiquée.

À

titre d'exemple, pour une page source d'une dizaine de pages un résumeur professionnel, lorsqu'il est spécialiste du domaine, produit un résumé en une dizaine de minutes, mais il lui faut presque une heure

lorsque le domaine traité nerelèvepas desa compétence. Cette productivitéresteinsuffisante,

d'autant _{plus qu'elle est très coûteuse. C'est pourquoi, la nécessité de réaliser}

Ledomaine du résumé _{automatiqueestune application interdisciplinaire, setrouvantà} l'intersection du traitement _{automatique du langage, documentation, statistiques, psychologie}

cognitive, intelligence artificielleetsciencesde l'information.

L'objectif du résumé automatique est de prendre une source d'information, d'en extraire du contenu et de _{présenter le contenu le plus important pour l'utilisateur dans une} formecondenséeetd'une manière sensible auxbesoins de l'utilisateurou de_{l'application.}

Chapitre 2

Compréhension des différentes approches des SRA

Cette _{partie du mémoire se veut} une présentation des méthodes qui ont permis

d'automatiser l'activité résumanteetnon_{pas une analyse exhaustive des systèmes développés} dans le cadre de ces _{approches. Le but recherché est de présenter les principales directions} prises dans le domaine de la conception de tels systèmes et non pas de détailler tous les aspects techniques de ce systèmes ; par conséquent, nous ne nous intéresserons pas aux formules _{représentant les différents algorithmes de calcul (repérage, sélection et extraction)} des unités textuelles contenant les informations _{jugées pertinentes (en fonction de certains} critères _{qui dépendent desdifférentesapproches).}

Les SRA _{s'appuient sur deux méthodes d'élaboration de résumé : la méthode fondée} sur la _{compréhension dutexte à résumer et la méthode par extraction. Il existe un troisième}

type de méthode, par apprentissage, qui, bien que sous-classe de la méthode par extraction,

est considérée comme une _{catégorie à part. A ces trois catégories s'ajoute une quatrième, la} méthode par filtrage sémantique, qui dépasse la problématique du résumé automatique, mais qui seprésentecomme une solutionparrapportauxméthodes précédentes.

1. Méthodes fondées surla _{compréhension}

La _{figure 2 représente les étapes du processus d'élaboration d'un résumé du point de} vuedecetteméthode.

Cette _{approche considère l'activité résumante comme une activité de compréhension,} celle-ci étant assimilée à une construction de _{représentations. La représentation du texte à} résumer est le résultat d'une _{analyse et la forme de cette représentation varie selon les}

approches. Ilpeuts'agir d'une représentation causale des événements dutexteoud'un graphe cohérent constitué par uneséquence ordonnée depropositions dutypeprédicat-argument(s).

Une fois la _{représentation du texte construite, un deuxième module procède à sa} réduction au _{moyen d'une série d'opérations. Selon les modèles, ces opérations de} condensation se fondent surdes_{hypothèses différentes concernantl'importance des parties de}

la _{représentation retenues pour le résumé final. Parmi ces opérations, on compte les}

macrorègles1,

quisont :

-élimination : une _{proposition ou une information} qui n'est _pas nécessaire à l'interprétation des autres propositionsestéliminée ;

-généralisation : uneproposition estremplacéepar uneproposition plus générale;

-condensation : une _séquence de propositions _est remplacée _{par une} proposition plus

englobante.

L'étape suivante consiste à engendrer un texte àpartir de la représentation résultante.

Cetexte estconsidérécommele résumé du texteinitial.

J-L. Minel _{([Minel,2003]) met en évidence les trois problèmes majeurs qui sont à}

l'origine des limites decette approche :

-l'approche par compréhension reste très liée à un domaine particulier nécessitant donc des_{représentations et des connaissances spécifiques àcedomaine ;}

-le deuxième _{problème est plus général et concerne le traitement automatique du}

langage naturel ; construire une représentation sémantique d'un texte est un travail qui nécessite de _{développer des modèles conceptuels, des ressources linguistiques et des outils}

informatiques qui, même si certains d'entre eux sont partiellement disponibles dans des

laboratoires de_{recherche, n'ontpas atteint la maturiténécessaire àune industrialisation ;}

-enfin, la représentation sémantique qu'il convient de construire doit refléter les

relations _{importantes et celles qui le sontmoins, entre les différentes parties d'un texte. Dans}

cette _{approche, la notion d'importance estconsidérée du point devuede l'auteur, alors qu'elle}

devrait être considérée du_{point devuedu lecteur du résumé.}

1

2. Méthodes parextraction

Comme_réponse auxlimites des systèmes fondés surles méthodespar compréhension, des _{systèmes fondés sur des méthodes par extraction (« systèmes à base de connaissances}

linguistiques ») ont été développés, en évitant tout processus de construction de

représentationsetdegénération detexte. Cesméthodes connaissent ungrand intérêtparmi les chercheurs en résumé automatique _pourla simple _et raisonnable constatation qu'un résumeur humain ne _{peut produire unrésumé consistant qu'en} faisant _un effort cognitif (fait _propre à l'homme) qu'un ordinateur ne saurait accomplir d'une manière parfaite. En effet, un ordinateur ne _{peut simuler une profonde analyse du texte à résumer en s'appuyant sur une}

compréhension qui englobe de vastes connaissances générales doublées de connaissances

spécifiques àdes domainesmultiples.

À

partir de cette constatation, les chercheurs exploitant l'approche par extraction pensent fournir une réponse intermédiaire. Ils proposent des

systèmes qui, après l'analyse detextepardes moyens statistiques oulinguistiques oules deux

à la _{fois, déterminent toutes les phrases importantes dutexte à résumer pourpouvoir ensuite}

présenter à l'utilisateur un résumé en concaténant ces passages. Du point de vue de cette approche, pour résumer, il suffit d'extraire : il n'y a pas de génération de texte, le texte produit est un sous-ensemble du texte source. L'approche procède par extraction de phrases

complètes dutextesource,le résumé produitestdoncunextract, un fragmenttextuel.

Dans _{[Pincemin,200 1 ], l'auteurmet enévidence deux des aspects qui différencient le} résumé par extraction des résumés rédigés traditionnels. Le premier aspect concerne le fait que le résumé par extraction reprend directement des passages du texte, il ne peut dons pas

comporter de reformulations synthétiques ; il garde le niveau de détail du texte sans

généraliser, sansprivilégier les désignations standard etmétatextuelles (alors qu'elles sont les

bienvenues dans le résumé _{documentaire), sans expliciter tel présupposé sous-jacent à}

l'ensemble du texte. La deuxième différence se situe au niveau de la cohérence et de la

cohésion textuelles : le résumé construit par _{extraction contient des phrases cueillies} çà _et là

dans le texte source, phrases qui ne s'enchaînent pas naturellement. La lecture est chaotique,

ousinoninduit des effets desens _{étrangersautexte source. Il faudrait donc éviter de présenter} le résultat d'une extraction comme un _{texte, puisque c'estpénalisant et trompeur du point de}

vuede _{l'interprétation.}

Le _{systèmepar extraction effectueune chaîne de traitement (voir fig. 3) : onpart d'un}

texte, le système repère des unités textuelles pertinentes, sélectionne des unités et produit un résumé.

Constructionde la_{représentation} dutexte Génération du résumé Résum

Figure3 Extrairepourrésumer([Minel,2003],p.37)

Ces méthodes sont fondées sur l'hypothèse qu'il existe, dans _{tout texte,} des unités textuelles _{saillantes, les unités textuelles considérées étant,} en général, la phrase, ou un ensemble de_{phrases liées entreellespar des liaisons discursives, ou encore le paragraphe. Le}

principe repose sur des algorithmes de repérage de ces unités textuelles. Dans les parties suivantesnousallons_{présenter les plus représentatifs des}algorithmes utilisés_parles systèmes d'activité résumante existants.

2.1. _{Sélection d'unités textuelles parcalcul descore}

Ce _{type de méthode consiste à calculer un score S pour chaque unité textuelle, en}

général la phrase, puis àconserverlesunités dont lescoreest supérieur àun certain seuil, ouà

fixer un nombre absolu d'unités devant être gardées _en fonction d'un _pourcentage de

réduction. Lescorele_{plus couramment}utilisé_estunefonction de la fréquence du_motdans le

texte. Ilestissu des_{techniquesutilisées dans les sciences de l'information.}

Ce _{score, appelé tf*idf, se calcule, pour chaque mot M du texte à résumer, de la} manière suivante :

Score_{(M) =Fiocai} * Log (100 *N/Figiobai)

FiocaiestlafréquencedumotMdans letexteT ;

Figiobaiestla fréquence dumotMdans le corpus

de référence

;

Nestle nombre detextesdu_{corpusde référence ;}

Un score estensuite attribué à_{chaque unité textuelle paradditiondes scoresde chacun} desmots contenus dans celle-ci :

Ce calcul _{nécessite, d'une part, la constitution d'un corpus de référence et, d'autre}

part, la constitution d'une liste de «mots

vides»1.

Il s'agit ainsi d'éviter qu'un mot,

nécessairement_{fréquent dansuntexte, augmentele scorede l'unité textuelle qui le contient.} Ce _{type de méthode repose sur l'hypothèse suivante : l'importance d'une unité} textuelle estune fonction des élémentslexicaux qui la _{composent, moyennantun} correctif lié

au domaine traité et aux _{usages syntaxiques. En d'autres termes, les phrases qui contiennent} les mots les _{plus fréquents sont considérées commereprésentatives de la thématique dutexte.} Ceci amène_{plusieursremarques (misesen évidencedans [Minel.,2003]) :}

-pratiques stylistiques en cours : il est remarquable, aussi bien dans les textes

techniques que dans les articles de presse, de constater que l'auteur n'utilisepresquejamais le même terme _{lexical pour désigner un même réfèrent, en déployant toutes les possibilités}

offertes parlarhétorique (utilisation desynonymes, dela métaphore, etc.) ;

-mode de calcul du score : son _{principal avantage réside dans le fait qu'un outil de}

découpage enmots, même frustre, suffitpour effectuer le calcul : les temps de traitementsont

donc excellents. _{Malheureusement, les inconvénients sont nombreux. Si aucun traitement}

morpho-syntaxique n'est effectué, les cas d'ambiguïtés ne sontpas résolus. La solution serait

l'utilisation d'outils _{d'étiquetage}

_{morpho-syntaxique3,}

_{mais cela rendrait le système}

dépendant des langues.

-traitement des groupes nominaux: ils ne seront pas traités en tant que syntagmes,

mais _{décomposés en éléments constitutifs, mots qui risquent de se trouver dans la liste des}

mots _{vides, car, par ailleurs, ils peuvent faire partie de locutions prépositionnelles ou} conjonctionnelles (par exemple, le groupenominal «effet de serre », où «effet »risque d'être considérécommemot _{vide, du fait fairepartie de lalocution« en effet »).}

1

J-L. _{Minel, dans [Minel.,2003],p. 39, considère quele terme «motvide»estparticulièrementmal choisi, la} notion_{anglo-saxonne de}«stoplist» étantplus neutre. Il souligne aussi quecettenotion, issue des sciences de

l'information, n'a aucunejustificationlinguistique : les pronoms, parexemple, sont souvent considérés comme des motsvides dansces _{systèmes alors que ce sontsouventdesmarques anaphoriques qu'il conviendrait de lier} avecleur réfèrent.

2

Sa_{présence vient soit durespectdes règles syntaxiques (par exemple l'article défini « un » oula préposition}

« de_{»), soitparcequ'il relèvedu domainetraitéparletexte.}

3

L'étiquetage morpho-syntaxique consiste à identifierla classe morpho-syntaxique qui est associée aux mots

dans leur contexte d'énonciation. Par _{exemple,une phrase comme leprogramme affiche les résultats pourrait} être marquée de la façon suivante:Le[article défini masculin singulier] programme[nom commun masculin

singulier] ajfiche[verbe conjugué3epersonnesingulier indicatifprésent] desjarticle indéfini masculin pluriel] résultatsjnom commun masculinpluriel]. L'automatisation de ce type de marquage pose des difficultés non

négligeables liées à l'ambiguïté intrinsèque d'une fraction importante des mots de la langue. Ainsi, dans l'exemple précédent,programme pourrait, dans uncontexte différent, correspondre àune forme conjuguée du verbe programmer, affiche à un nom commun féminin singulier. En fait, quatre des cinq mots de la phrase d'exemplesontambiguspour cequiestdeleurdescriptionmorpho-syntaxique.

Enfin, le principal défaut de cette méthode, inhérent à l'hypothèse qui la sous-tend,

s'avère _{plus général : les résumé est, dans le meilleur des cas, constitué des phrases}

représentatives de la thématique du texte sans aucune possibilité de prendre en compte

d'autres «actes discursifs». Or, l'utilisateur d'un _{système d'activité résumante peut être}

intéressé pardes informations qui ne relèventpas directement de la thématique principale du

texte.

2.2. Sélectiond'unitéstextuelles baséesur uncalcul desimilarité

Cette _{approche repose aussi sur la fréquence d'apparition des termes dans les}

documents, mais l'unité textuelle choisie pour l'extraction n'est plus la phrase, mais le paragraphe. Vu quele paragraphe offre plus de contexte quela phrase, c'est une solution qui

vise à_{améliorer, aumoins partiellement, les problèmes de lisibilitéetde cohérence rencontrés} dans les résumés_{produitsparextraction de phrases.}

L'approche a été développée par Salton et d'autres chercheurs collaborateurs ([Salton,1999])enutilisant des idées empruntées à la méthode de génération automatique de liens _{hypertexte, utilisée pour relier différentes unités informationnelles afin de faciliter la}

navigation d'un utilisateur dans la quantité colossale d'information disponiblesurInternet. Au

lieu de_{générer les liens traditionnels entreplusieurs documents (inter-documents), ils utilisent} les _{techniques de génération automatique de liens pour générer des liens intra-document,} c'est-à-dire des liens entre différentes _{paragraphes (ou phrases) d'un article. Une carte des} relations textuelles _{{text relationship map), contenant les paragraphes et les liens}

intra-document, permet de visualiser la structure du document et d'isoler les passages fonctionnellement_{homogènes, appelés segmentsde texte{text segments).}

La méthode consiste à _{appliquer un coefficient de similarité aux paragraphes d'un} document pour construire des résumés en calculant la similarité entre ces paragraphes (en

fonction de la couverture lexicale _{{vocabulary overlap), qui doit être supérieur au seuil}

correspondantauhasard).

Plusieurs_{stratégies de sélection des paragraphes sontpossibles:}

-la_{première stratégie (bushy path) consiste à rechercher le paragraphe qui possède le}

plus de liens de similarité avec les autres paragraphes, ce qui, d'après les concepteurs de la méthode, estun signe que ce paragraphe traite des principaux thèmes du texte. Ce processus

est _{répété sur les paragraphes restantsjusqu'à ce que l'on obtienne un résumé dont la taille}

n'excède pas unseuil déterminé.

-la deuxième _{stratégie (depth-first path) vise à corriger un défaut de la stratégie}

texte, mais pas nécessairement liés entre eux, d'où le risque d'obtenir des résumés très peu cohérents. Pour améliorer la _{cohérence, le principe est donc de partir d'un paragraphe Pa, le}

premier ou encore celui qui possède le plus de connexions avec les autres paragraphes du

texte, ensuite de choisir leparagraphe PB qui possède le plus fort coefficient de similarité avec

Pa- Le processus de sélection est répété jusqu'à ce que l'on obtienne un résumé de longueur

voulue. Les résumés ainsi obtenus sont _{plus cohérents mais, en revanche, ils présentent un} problème d'équilibrage : certains thèmes sont sur-représentés et certains autres aspects sont

pasdutoutou passuffisammentcouvertsparrapportautexte source.

-d'autres _{stratégies peuvent être construites en combinant les deux précédentes. Par}

exemple (segmented bushy path), en segmentant le texte, c'est-à-dire en regroupant des paragraphes et en obligeant le système à extraire au moins un paragraphe dans chaque

segment.

J-L. Minel met en évidence deux _{problèmes soulevés par cette approche}

([Minel,2003],p.44) :

-le choix du _{paragraphe comme unités textuelles saillante devait, selon cetteméthode,}

permettre de résoudre, par contournement, les difficultés liées à la cohérence des résumés produits, en faisant l'hypothèse qu'un paragraphe possède, par construction, une cohérence

thématique. Cependant, différents travaux sur la notion de paragraphe ont montré que le

découpage d'un texte en paragraphes obéissait à différents critères qui mélangent des règles

discursives, des contraintestypographiquesetdeschoix esthétiques.

-la notion de similarité _lexicale, comme critère de saillance, fondée sur un calcul de fréquence de formes, aumieux lemmatisées et sansprise encompte ni de la synonymie ni de

la_{coréférence,apparaîtcomme unehypothèse beaucouptrop forte.}

2.3.Sélection d'unités textuelles baséesurle _{repérage d'expressionsprototypiques} L'approcheparexpressionsprototypiques

(eue-phrases)!

permetde prendre encompte

la manière dont l'auteur _{emploie certains éléments lexicaux et fait émerger des critères autres}

que ceux fondés uniquement surla fréquence des termes. Ainsi, certains mots ouexpressions du texte _{peuvent indiquer l'importance des phrases, indépendamment de considérations}

purement fréquentielles. Parexemple, des expressions du type «notretravail », « cepapier»,

«la _{présente recherche}», etc., sont autant de marques discursives placées par l'auteur pour

présenter le thème de son article. De même, certaines expressions, en se référant à des

passages précédents, font office de liens structurels entre les différentes parties d'untexte et

peuvent donc être exploitées pour construire des résumés plus cohérents (par exemple, des

1

expressions du type«présenté précédemment», «énoncé au-dessus », etc.). Elles considèrent

également que la position des phrases dans un texte peut être également utilisée comme critère de sélection. Par _{exemple, les phrases d'introduction de la conclusion ou de certaines} sectionsdutexte ontunecertaine_{importanceparrapportà d'autres phrases dutexte.}

L'originalité de ce type d'approche tient au fait qu'elle prend en compte des aspects purementlinguistiques totalement absents dans les approches uniquement quantitatives.

En_{revanche, son inconvénientmajeur réside dans le faitque l'importance donnée aux}

phrases seréduit au calcul d'un score numérique. Aucunejustification n'est fourniequant au calcul des coefficients _{d'importance donnés aux mots et aux expressions prototypiques et la}

quantification de l'importance par des nombres limite considérablement les possibilités de faire varier le contenu informatif de l'extrait final. Une autre difficulté est _{le fait que le} systèmenepeutpas s'adapterauxbesoins spécifiques d'un utilisateur puisque celui-cinepeut

pas spécifier de critères de sélection surles expressions prototypiques (cette démarche postule l'existence d'un résumé_{prototypique).}

2.4. Sélection_{parconstructiond'unestructurepragmatique}

Dansle cadrede cette _{approche, la sélection des unités textuelles composantlerésumé}

se fait sur la base d'une _{représentation pragmatique (appelée aussi «rhétorique » ou}

« _{argumentative ») préalablement construite du texte. Cette représentation est construite à}

l'aide de certains marqueurs du discours et elle dénote lesrelations rhétoriques existant entre

les _{phrases (ou propositions) d'un même texte : justification, cause, consécution, opposition,}

conséquence, confirmation, illustration, etc.

A titre _{d'exemple, nous citons le système proposé par Marcu dans ses travaux}

([Marcu,1997a], [Marcu,1997b], [Marcu, 1999]), essentiellement fondés sur la Rhetorical Structure

_Theory1

_(RST).

Marcu introduit la notion _{d'analyse rhétorique {rhetorical parsing), qu'il définit}

comme le _{procès de transformation (mapping) des textes de langage naturel en arbres}

discursifs _{{discourse trees, obtenus après l'identification des unités textuelles composant le}

texte etdes relations _{rhétoriques élémentaires reliant ces unités). Le résumé est construit par} sélection de _{phrases dans l'arbre rhétorique construit: des noeuds sont extraits à partir de la} racinevers les _{feuilles, enfonction de lalongueur désirée. Plus le résumé doit être court, plus}

les nœudsextraits sont_{proches de la racine.}

1

Lathéorie est fondée autourde la notionde relation_{rhétorique (rhetorical relation) quiest larelation qui lie}

deux unités textuelles _{disjointes, appelées}«nucleus» et «satellite». (Il ya quelques exceptions, parexemple,

les relations de_{type «contraste» sontmultinucléaires.) Ladistinctionentrenucleusetsatellite vient du constat}

empirique que le nucleus exprime plus le but de l'auteur que le satellite et que le nucleus d'une relation