La génération automatique de textes narratifs est prometteuse pour la présentation de données temporelles volumineuses, hétérogènes et incluant des actions posées par des agents. Pour pallier les problèmes actuels de cohérence, je propose de privilégier l'agrégation par rapport à la sélection des données et de mieux identifier et exprimer les relations causales. Je présente une approche de structuration de texte par clustering basée sur des préférences d'agrégation et d'ordonnancement. J'ai expérimenté la génération de genres de textes variés à partir des mêmes données à l'aide de cette approche.

Ce séminaire constitue la présentation du sujet de thèse qui sera évaluée par un jury formé de Philippe Langlais, Claude Frasson et Guy Lapalme, professeurs au DIRO.