Proceedings of VEXTAL’99 – Venezia, San Servolo, V.I.U. – 22-24 November 1999
ContextO, un outil du projet FilText
orientée vers le filtrage sémantique de textes
Gustavo Crispino*, Slim Ben Hazez**, Jean-Luc Minel**
* Université de la République
J. Herrera y Reissig 565
11300 Montevideo - Uruguay
crispino@fing.edu.uy
** CAMS/LaLic, UMR du CNRS,
96 Boulevard Raspail
75 006 Paris - France
{benhazez,minel}@msh-paris.fr
Résumé
Nous présentons dans cet article un modèle conceptuel de représentation des connaissances linguistiques
dédiées au filtrage sémantique ainsi qu'une plate-forme logicielle ContextO qui permet d’appliquer ces
connaissances. Nous avons défini un modèle conceptuel et un langage de description et de traitement des
connaissances linguistiques. Ces connaissances sont gérées par un système dédié et indépendant des applications
qui les utilise. Les traitement sont spécifiés sous forme déclarative dans un langage formel que nous présentons.
L'architecture du système est décrite ainsi que les composants logiciels.
1 Introduction
La notion de résumé automatique devient un des
grands thèmes du Traitement Automatique des
Langues. En effet, il est plus facile de lire quelques
lignes ou quelques pages susceptibles d’apporter
l’information cherchée que de lire des centaines de
pages pour s’apercevoir qu’aucune information
nouvelle ne s’y trouve. Un document textuel devra
donc être maintenant géré en même temps que son
résumé qui sera, par ailleurs, un des moyens
d’accès au contenu du document.
Les techniques statistiques fondées sur des
fréquences d’occurrences et de cooccurrences
[Salton 83] ont été largement utilisées avec des
résultats mitigés, au moins du point de vue des
utilisateurs. Cependant, depuis quelques années on
détecte un certain nombre de modèles qui font
appel de plus en plus aux connaissances
linguistiques. Ainsi, le modèle de Marcu [Marcu
97] s’appuie sur la Rethorical Structure Theory
[Mann et Thompson 88] et sur l’analyse des
connecteurs pour construire des arbres rhétoriques
qui hiérarchisent l’importance des parties textuelles.
De son côté, Lehmam [Lehmam 95] repère des
fragments textuels sur la base de scores calculés
pour chaque phrase en fonction de termes
préétablis. Quant à Berri [Berri 96A, Berri et alii
96B], il cherche à attribuer des étiquettes
sémantiques à certaines phrases de façon à les
sélectionner ou non dans un résumé. Masson
[Masson 98] reconnaît partiellement des structures
thématiques dans un texte, alors que Ellouze
[Ellouze 98] exploite différents types d’objets
textuels pour produire des schémas de résumé.
Les évaluations réalisées sur certains systèmes
[Minel et alii 97 ; Jing et alii 98] ainsi que les
travaux menés en collaboration avec les résumeurs
professionnels [Enddes-Niggemeyr 93] ou en
comparaison avec les résumés produits par ces
professionnels [Saggion et Lapalme 98] ont
néanmoins montré la difficulté à réaliser des
résumés standard, c’est-à-dire construits sans tenir
compte des besoins des utilisateurs. La première
réalisation que nous avons menée avec le projet
SERAPHIN en partenariat avec la Direction des
Études et des Recherches (DER) d’EDF [LeRoux
94] était fondée sur des connaissances linguistiques.
Elle visait une application précise : la diffusion
sélective d’informations par l’interrogation en ligne
d’une base de données textuelles de façon à fournir
un produit intermédiaire entre d’un côté, la chaîne
indexation, trop pauvre, ambiguë et incapable de
donner un aperçu complet du texte et d’un autre
côté, le texte intégral, trop lourd à manipuler par les
utilisateurs car trop riche et pas assez sélectif.
Cette expérience du résumé automatique acquise
par la réalisation de la maquette SERAPHIN nous a
amené à élargir le champ de nos recherches en
visant non plus de simples résumeurs automatiques
non ciblés mais des systèmes automatiques de
filtrage d’informations extraites de textes, à l’aide
de critères sémantiques qui donnent à un utilisateur
la possibilité de définir son profil de filtrage en
fonction de son objectif. Ces systèmes font appel
essentiellement à des connaissances linguistiques
générales, c’est-à-dire indépendantes des domaines
particuliers (chimie, ingénierie, pharmacie,
361
sur la méthode d’exploration contextuelle [Desclés
91, 96, 97]. Cette méthode présente l’avantage
d’une part, de rendre le travail linguistique
indépendant de son implémentation informatique et
d’autre part, d’articuler effectivement dans une
même architecture logicielle les deux types de
travaux. Dans cette approche, les linguistes
analysent les textes en identifiant et en capitalisant
tous les indices grammaticaux et lexicaux pertinents
pour la résolution d’un problème, puis ils
conçoivent et écrivent les règles d’exploration du
contexte de ces indices identifiés dans un texte.
Cette méthode n’est donc pas limitée à des
traitements spécifiques mais elle offre un cadre de
travail réaliste comme le souligne M. Charolles
[Charolles 98] :
médecine...). Ces connaissances s’expriment sous
forme de marqueurs discursifs explicites
(morphèmes, mots, expressions et locutions...)
caractéristiques d’une intention pragmatique de
l’auteur du texte, intention que le système doit être
capable d’identifier et d’interpréter sémantiquement
en fonction du contexte, comme le fait le lecteur ou
résumeur peu averti du domaine traité.
Les systèmes de filtrage d’informations s’appuient
d’une part, sur la
méthode d’exploration
contextuelle qui en constitue la justification
théorique et d’autre part, sur la plate-forme
logicielle ContextO qui met en œuvre les
connaissances linguistiques nécessaires au filtrage
sémantique.
La plate-forme logicielle ContextO est le fruit
d’une collaboration entre l’Université de la
République (Uruguay) et l’équipe LaLIC du CAMS
(UMR 8557 du CNRS - EHESS - Université ParisSorbonne) et a reçu le soutien du programme
ECOS-Uruguay (Action n° U97E01).
« La délimitation des univers d’énonciation
mettant en jeu, comme on le verra sur quelques
exemples, une pluralité d’indicateurs, je plaiderai
en faveur d’une approche du type « exploration
contextuelle »… Je montrerai que cette approche
offre aux linguistes non pas un modèle général
d’interprétation des discours – objectif à mon avis
impossible à atteindre et qu’elle ne prétend du reste
pas atteindre – mais un cadre théorique réaliste
aussi bien pour le développement d’applications
pratiques comme le filtrage ou le résumé
automatique de textes que pour celui d’hypothèses
psycholinguistiques locales, hypothèses dont
certaines ont été encore peu explorées. »
2 Principes et objectifs de FilText
Le concept de plate-forme d’ingénierie linguistique
dédiée au traitement textuel conçue comme « une
boîte à outils » [Herviou 96 ; Meunier 98] propose
de définir un modèle conceptuel général de
représentation
de
certaines
connaissances
linguistiques, puis de développer des tâches
spécialisés qui coopèrent entre elles. Le projet
FilText reprend en partie ce paradigme et s’appuie
Segment Textuel
Tâches
Système de gestion
des connaissances
Linguistiques
Moteur
d ’Exploration
Contextuelle
Indicateurs,
Indices, Règles
Figure 1 : Architecture conceptuelle du projet Filtext
362
Agent
Spécialisé
Agent
Spécialisé
Agent
Spécialisé
Nous avons défini un modèle conceptuel et un
langage de description de ces connaissances que
nous décrivons dans la section 3.1.1. Ces
connaissances sont gérées par un système
indépendamment des applications qui les utilise,
cela en vue d’assurer une pérennité, une
capitalisation et une réutilisabilité de ces
connaissances. Les règles d’exploration du contexte
sont écrites dans un langage formel, indépendant de
tout langage de programmation, que nous
présentons dans la section 3.1.2 .
peuvent être de simples unités lexicales comme le
verbe présenter ou des unités composées comme
les lignes suivantes. Ces marqueurs linguistiques
lorsqu’on les identifie dans un texte sont des indices
(au sens de C.S. Peirce ) de ces catégories. Certains
indices sont plus importants que d’autres, ce sont
les indicateurs. Le linguiste doit ensuite spécifier
les dépendances contextuelles entre ces indices.
3.1.1 Le langage de description des
connaissances linguistiques
Nous avons défini un langage de description qui
permet au linguiste de constituer sa base de
connaissance en spécifiant : les tâches, les
indicateurs ou les indices pertinents et les règles
d’exploration contextuelles associées. Plutôt que de
présenter ce langage sous la forme d’une
grammaire formelle nous allons illustrer son
utilisation par quelques exemples.
3 ContextO
Nous avons développé une plate-forme
logicielle, appelée ContextO, qui implémente le
modèle conceptuel de Filtext et qui est capable
d’accueillir les connaissances linguistiques et de les
exploiter, indépendamment de la plate-forme
matérielle ; pour ce faire nous avons choisi de
développer l’ensemble en utilisant le langage
JAVA.
Forme
maintenant
ci-dessus
chapitre
lignes
présente
présentons
présenterais
présenterons
Il + &être +
&importance
3.1 Le système de gestion des
connaissances linguistiques
La méthode d’exploration contextuelle postule
qu’il est possible de repérer certaines informations
sémantiques à partir de marques de surface en
réponse à des besoins spécifiques d’utilisateurs
cherchant à sélectionner des informations
importantes, comme par exemple :
• repérer les actions dans des textes
techniques [Garcia 98] ;
• repérer les relations causales entre des
situations [Jackiewicz 98] ;
• identifier les définitions des termes
proposés explicitement ou implicitement
par un auteur et les annonces thématiques
mises en évidence par un auteur [Cartier
97].
Le travail préalable du linguiste consiste alors à
étudier systématiquement un corpus de textes pour
y rechercher des régularités lexicales et discursives
dont l’emploi est représentatif de la catégorie
sémantique considérée. D’après l’hypothèse de
travail qui jusqu’ici s’est révélée féconde, les
modes d’expressions associés à ces catégories
discursives dans les corpus, sont en nombre fini.
Par conséquent, cela n’exige ni le repérage de
structures syntaxiques spécifiques, comme peuvent
le faire [Rebeyrolle et alii 98] qui s’appuient sur les
travaux de Z. Harris, ni la
construction
d’ontologies du domaine en vue d’en énumérer les
concepts ou plus modestement les éléments
thématiques. Pour appliquer la méthode
d’exploration contextuelle, le linguiste doit
accumuler les unités textuelles qui sont les
expressions linguistiques - les marques des
catégories discursives explorées - ; ces expressions
Nom de Classe
&partie_document1
&partie_document1
&partie_document2
&partie_document2
&verbe_présentatif
&verbe_présentatif
&verbe_présentatif
&verbe_présentatif
&soulignement
Table 1 : Déclaration des formes
Dans la table 1, le linguiste déclare soit des formes
lexicales significatives (des indices ou des
indicateurs) qu'il organise en classes1 non
nécessairement disjointes, soit des combinaisons de
classes (dernière ligne du tableau). Ces
combinaisons permettent de déclarer des lexies ;
ainsi la déclaration de il + &être + &importance
permet au linguiste de déclarer des lexies du type il
est primordial ; il est particulièrement important ;
il est, …, essentiel ; etc. Bien que des outils d’aide à
l’acquisition
permettent
de
produire
automatiquement toutes les formes fléchies ou
dérivées, il convient de remarquer que le travail du
linguiste consiste justement à ne retenir que
certaines formes fléchies, car pour une tâche
donnée seules certaines flexions d’un verbe peuvent
être significatives. Par exemple, dans le but de
rechercher les annonces thématiques d'un article
scientifique, le verbe présenter est seulement
significatif lorsqu'il est employé à l'indicatif présent
1
Chaque nom de classe est identifiée par un nom précédé du
caractère & .
363
contraintes qui prennent en compte la dimension
textuelle.
Chaque règle comprend une partie Déclaration
d’un Espace de Recherche E, une partie Condition
et une partie Action qui n’est exécutée que si la
partie Condition est vérifiée.
La partie Déclaration d’un Espace de Recherche E
permet de construire un segment textuel, l’espace
de recherche, en appliquant différentes opérations
sur la structure du texte construite par le moteur
d’exploration contextuelle. Il est possible de
construire plusieurs espaces de recherche dans une
même déclaration. Une dizaine d’opérations ont été
définies pour construire un espace de recherche à
partir de la structure d’un texte.
ou au futur, à la première personne du singulier ou
du pluriel.
Dans la table 2, ces formes sont déclarées comme
des indices complémentaires ou des indicateurs
pertinents qui peuvent être associées à une ou
plusieurs tâches.
Nom de Classe
&partie_document1
&verbe_présentatif
&partie_document2
Type
indice
indicateur
indicateur
Nom de
Tâche
résumé
résumé
résumé
Table 2 : Déclaration des indices et indicateurs
Une tâche a pour finalité de regrouper des règles
d’exploration contextuelle comme le montre la
table 3 et correspond généralement à un processus
d’étiquetage sémantique d’un segment textuel
précisé.
Nom de la règle : Rsoulignement ;
Tâche déclenchante : Thématique ;
Commentaire : capte un schéma du type : il semble
.. crucial
Classe de l’Indicateur : &modal3;
E1 := Créer_espace(PhraseParent_de_Indicateur);
L2 := &adjectif-necessité
Condition : Il_existe_un_indice z appartenant_à E1
tel_que
classe_de z appartient_a (L2) ;
Preceder (Indicateur, z, contrainte) ;
Actions :
1 : Attribuer(PhraseParent_de_Indicateur
« Soulignement_Auteur» )
Nom
Etiquette
Nom
Nom de Classe
de la
attribuée
de
Règle
Tâche
RC1
Thematique_2 résumé &partie_document2
RC2
Thematique_2 résumé &verbe_présentatif
Table 3 : Déclaration du ou des noms de règles
Par exemple, la première ligne de la table 3 déclare
une règle de nom RCenthe1001 de la tâche résumé,
déclenchée par une occurrence, dans une phrase du
texte à analyser, d'un indicateur de la classe
&partie_document2. Cette règle attribue l'étiquette
Thematique_2 à la phrase considérée. D’une
manière plus générale, une règle peut déclencher
différents types de décision. Des outils d’aide à la
gestion de la cohérence et à l’intégration des
connaissances issues d’autres travaux linguistiques
permettent de répondre à l’objectif d’une
acquisition incrémentale et capitalisable des
connaissances.
Figure 2 : Un exemple de règle écrite dans le
langage formel.
La partie Condition explicite les conditions que
doivent vérifier les indicateurs et les indices
complémentaires. Le langage actuel permet
d’exprimer
différentes
conditions,
comme
l'existence, la position et l'agencement (précèder,
suivre, distance) des indices. D’autres conditions
permettent d’exprimer des contraintes sur les
attributs des unités lexicales ou sur les morphèmes
qui les composent.
La partie Action indique le type d’actions réalisées
par la règle. Actuellement les actions possibles
sont : attribuer une étiquette à un segment textuel
ou déclencher une autre tâche.
3.1.2 Le langage des règles d’exploration
contextuelle
Les règles d’exploration contextuelle sont
exprimées dans un langage formel de type
déclaratif. Ce langage est centré sur la notion d'un
espace de recherche, c'est-à-dire sur un segment
textuel déterminé à partir de l'indicateur dans lequel
les indices complémentaires doivent être
recherchés. L'intérêt de cette notion est qu'elle
permet au linguiste de construire simplement un
espace sans que celui-ci soit nécessairement formé
de phrases contiguës dans le texte. Nous pensons
qu'il est important de pouvoir exprimer des
3.2 Le moteur d’exploration contextuelle
Le moteur d’exploration contextuelle exploite
les connaissances linguistiques pour une ou
plusieurs tâches choisies par l’utilisateur. Il est
composé de deux systèmes qui coopèrent.
3.2.1 L’analyseur de texte
L’analyseur de textes a pour objet de construire
une
première
représentation
qui
reflète
364
des outils informatiques (automates, moteur
spécialisé, code dédié, etc.) utilisés pour les
implémenter.
l’organisation structurelle du texte. Il s’appuie pour
cela sur le texte balisé par un segmenteur développé
par G. Mourad [Mourad 99]. Ce segmenteur
applique des règles heuristiques pour reconnaître
les sections (avec leurs titres), les paragraphes, les
phrases et les citations. L’analyseur peut ainsi
construire une structure hiérarchique illustrée par la
figure 3 (formalisme UML) qui est utilisée par les
opérations spécifiées dans les règles d’exploration
contextuelle.
3.3 Les agents spécialisés
Les agents spécialisés ont pour tâche d’exploiter
les « décorations sémantiques» du texte en fonction
des besoins définis par l’utilisateur. Il existe ainsi
un agent résumeur qui construit un résumé composé
de phrases qui correspondent à un profil2 type et un
agent filtreur qui construit différents extraits de
textes en fonction de profils choisis par l’utilisateur.
Ces deux agents exploitent les connaissances des
systèmes SERAPHIN [Le Roux 94] et SAFIR
[Berri 96] et proposent des interfaces qui
permettent de naviguer entre le résumé ou les
extraits, et le texte source. Un agent orienté vers le
repérage des relations statiques est en cours de
développement [Lepriol 99]. Les agents spécialisés
permettent ainsi de développer des traitements
spécifiques pour un utilisateur tout en exploitant le
modèle générique de traitement des connaissances
linguistiques, ils se rapprochent en cela de la notion
d’intelliciel développé au LANCI [Meunier 98].
Figure 3 : La structure hiérarchique (simplifiée)
d’un texte.
Ce modèle est ensuite enrichi par les agents
spécialisés par des structures qui modélisent les
chaînes de liage, segments textuels, cadres de
discours [Charolles 98, Adam 90], etc., en vue
d'améliorer la cohésion et la cohérence textuelle des
extraits.
4 Conclusion
La plate-forme logicielle ContextO est
actuellement opérationnelle et les connaissances
linguistiques [Cartier 97, Garcia 98, Jackiewicz 98,
Jouis 93] issues de systèmes antérieurs seront
intégrées
progressivement.
La
base
de
connaissances linguistiques contient environ 18 500
marqueurs et 500 règles d’exploration contextuelle.
Les performances de traitement sont de l’ordre
d’une page à la seconde avec une limite supérieure
d’environ 250 pages, sur une plate-forme matérielle
de type micro-ordinateur. Nous travaillons
actuellement à l’intégration d’autres agents
spécialisés ainsi qu’a la possibilité d’exploiter des
textes annotés pour pouvoir exploiter les
informations de type morpho-syntaxiques. Enfin le
développement d’une palette de navigation
textuelle qui permettra à l’utilisateur de naviguer
entre les représentations (extraits, graphes) fournies
par les agents spécialisés et le texte source est en
cours de développement3.
3.2.2 L’exécuteur
L’exécuteur déclenche pour toutes les tâches
choisies par l’utilisateur les règles associées à
celles-ci. Les règles sont considérées comme
indépendantes par conséquent l’ordre de leur
déclenchement, pour une tâche donnée, est
indifférent . Nous pensons d’une part que ce
principe est plus facilement maîtrisable lors de
l’écriture des règles par un non-spécialiste, en
évitant notamment les problèmes de manipulation
d’arbres de décision, et d’autre part il correspond
mieux à l’hypothèse que certaines marques
sémantiques ne sont pas exclusives entre elles. En
d’autres termes, la présence d’une négation dans
une phrase conclusive n’implique pas que cette
phrase n’est pas par ailleurs une information
conclusive. L’exploitation de ces informations
éventuellement
conflictuelles
est
de
la
responsabilité des agents spécialisés. Toutes les
déductions effectuées par les règles sont attribuées
aux éléments qui composent la hiérarchie du texte
et produisent ainsi une structure hiérarchisée
« décorée »par des informations sémantiques
(figure 4). Enfin, il convient de noter que le langage
formel de déclaration des règles ne présume en rien
2
La notion de profil est présentée en détail dans
(Berri 96).
3
Par J. Couto sous la direction de G. Crispino.
365
Texte
segmenté
Choix d ’un texte et
d ’une ou plusieurs tâches
Analyseur
Structure hiérarchisée
Système de
Gestion des
connaissances
linguistiques
Exécuteur
Filtreur
Structure hiérarchisée
et décorée
Résumeur
Grapheur
Extraits
Choix de profils
Extraits
Figure 4 : Les différents composants de ContextO
Références
R.
[ADAM 90] ADAM, JEAN-MICHEL. (1990 ). Éléments de
linguistique textuelle, Mardaga, Liège.
Dieng, J-P.
Amsterdam.
Regourd,
J.P.
Angoujard
(éds),
[DESCLES 97] DESCLES, JEAN-PIERRE, EMMANUEL
CARTIER, AGATA JACKIEWICZ, JEAN-LUC MINEL.
(1997). Textual Processing and Contextual
Exploration Method. In CONTEXT'97, Rio de
Janeiro, Brésil.
[BERRI 96A] BERRI, JAWAD. (1996) Contribution à la
méthode d'exploration contextuelle. Applications au
résumé automatique et aux représentations
temporelles. Réalisation informatique du système
SERAPHIN. Thèse de doctorat, Université ParisSorbonne, Paris.
[DESCLES 97] DESCLES, JEAN-PIERRE. (1997). Systèmes
d'exploration contextuelle. Co-texte et calcul du sens.
(ed Claude Guimier), Presses Universitaires de Caen,
pp 215-232.
[BERRI 96B] B ERRI, J AWAD, E MMANUEL CARTIER, J EANPIERRE DESCLES, AGATA JACKIEWICZ, JEAN-LUC
MINEL. (1996). SAFIR, système automatique de
filtrage de textes, Actes du colloque TALN’96,
Marseille.
[ELLOUZE 98] ELLOUZE, MARIEM, ABDELMAJID BEN
HAMADOU. (1998). Utilisation de schémas de
résumés en vue d’améliorer la qualité des extraits et
des résumés automatiques. RIFRA’98, Rencontre
Internationale sur l’Extraction le Filtrage et le
Résumé Automatiques. Sfax, Tunisie.
[CARTIER 97] C ARTIER, E MMANUEL. (1997). La définition
dans les textes scientifiques et techniques :
présentation d’un outil d’extraction automatique des
relations définitoires. TIA’97, Toulouse,.
[ENDRES-NIGGEEMYER
93]
ENDRES-NIGGEMEYER,
BRIGITTE. (1993). An empirical process model of
abstracting. In Workshop on Summarizing Text for
Intelligent Communication, Dagsthul, Germany.
[CHAROLLES 98] C HAROLLES, M ICHEL. (1988). Les plans
d’organisation textuelle ; période, chaînes, portées et
séquences , Pratiques, n° 57, pp 3-13.
[CHAROLLES 98] CHAROLLES, MICHEL. (1998).
L’organisation du texte, le filtrage et le résumé.
RIFRA’98, Rencontre Internationale sur l’Extraction
le Filtrage et le Résumé Automatiques. Sfax, Tunisie.
[GARCIA 98] GARCIA, DANIELA. (1998). Analyse
automatique des textes pour l'organisation causale des
actions. Réalisation du système informatique
COATIS. Thèse de Doctorat, Université ParisSorbonne.
[DESCLES 91] D ESCLES, J EAN-PIERRE, C HRISTOPHE JOUIS,
HUM-GHUM OH, DANIELE MAIRE REPPERT. (1991).
Exploration Contextuelle et sémantique : un système
expert qui trouve les valeurs sémantiques des temps
de l'indicatif dans un texte. In Knowledge modeling
and expertise transfer, pp.371-400, D. Herin-Aime,
[HERVIOU 96] HERVIOU, MARIE-LUCE, RICHARD
QUATRAIN, MARIE-GAËLLE MONTEIL (1996).
Construction de terminologies : une chaîne de
traitement supportées par un atelier intégrant outils
linguistiques et statistiques. TALN’96, Marseille.
366
[SALTON 83] SALTION, G M . GILL, (1983). Introduction
to Modern Information Retrieval ; Mac Graw
Hill Book Co, New York..
[JACKIEWICZ 98] JACKIEWICZ, AGATA. (1998).
L'expression de la causalité dans les textes.
Contribution au filtrage sémantique par une méthode
informatique d'exploration contextuelle. Thèse de
Doctorat, Université Paris-Sorbonne.
[SAGGION 98] SAGGION, HORACCIO ET GUY LAPALME.
(1998). Where does information come from ? Corpus
Analysis for Automatic Abstracting. RIFRA’98,
Rencontre Internationale sur l’Extraction le Filtrage
et le Résumé Automatiques. Sfax, Tunisie.
[JING 98] JING, HONGYAN, REGINA BARZILAY ET
KATHLEEN MCKEOWN. (1998). Summarization
evaluation methods : Experiments and analysis. In
Symposium on Intelligent Text Summarization ACL,
Stanford, CA.
[JOUIS 93] J OUIS, C HRISTOPHE. (1993). Contribution à la
conceptualisation et à la modélisation des
connaissances à partir d'une analyse linguistique de
textes. Thèse de doctorat, EHESS, Paris.
[LEHMAM 95] LEHMAM, ABDELRAFI. (1995). Le résumé de
textes
techniques
et
scientifiques,
aspects
linguistiques et computationnels. Thèse de doctorat,
Université de Nancy 2.
[LEPRIOL 99] LE PRIOL FLORENCE (1999), A data
processing sequence to extract terms and semantics
relations between terms, 10th mini EURO Conference
"Human Centered Processes" HCP'99.
[LEROUX 94] LEROUX, DOMINIQUE, JEAN-LUC MINEL,
JAWAD BERRI. (1994). SERAPHIN project. First
European Conference of Cognitive Science in
Industry. Luxembourg.
[MANN 88] MANN, WILLIAM C, SANDRA A. THOMPSON.
(1988). Rhetorical Structure Theory : Toward a
functional theory of text organization. Text, 8(3):243281.
[MARCU 97]MARCU, DANIEL. (1997). From discourse
structures to text summaries. In Workshop Intelligent
Scalable Text Summarization ACL, Madrid, Spain.
[MASSON 98] M ASSON, N ICOLAS. (1998). Méthodes pour
une génération variable de résumé Automatique :
Vers un système de réduction de textes. Thèse de
Doctorat, Université Paris-11.
[MEUNIER 98] MEUNIER, JEAN-GUY. (1998). La gestion
des connaissances et les intelliciels. RIFRA’98,
Rencontre Internationale sur l’Extraction le Filtrage
et le Résumé Automatiques. Sfax, Tunisie.
[MINEL 97] MINEL , JEAN-LUC, SYLVAINE NUGIER,
GERALD PIAT. (1997). How to appreciate the Quality
of Automatic Text Summarization. Workshop
Intelligent Scalable Text Summarization, EACL,
Madrid, Spain.
[MOURAD 99] MOURAD, G HASSAN. (1999).
La
segmentation des textes par l'étude de la ponctuation.
CIDE’99, Damas, Syrie.
[REBEYROLLE 98] REBEYROLLE, JOSETTE ET MARIE
–PAULE PERY-WOODLEY. (1998). Repérage d’objets
textuels fonctionnels pour le filtrage d’information :
le cas de la défintion. RIFRA’98, Rencontre
Internationale sur l’Extraction le Filtrage et le
Résumé Automatiques. Sfax, Tunisie.
367