RALI-OLST Weekly Talks

Optimisation globale pour le résumé par sélection de phrases

Benoit Favre (favre <at> icsi (point) berkeley (point) edu)

ICSI Berkeley

Wednesday 11 February 2009 at 11:30 AM

Salle 3195, Pavillon André-Aisenstadt


Les méthodes classiques de résumé automatique par extraction opèrent par sélection de phrases. Un score de pertinence est donnée à chaque phrase des documents à résumer, puis les phrases de score maximum sont juxtaposées dans le résumé final. Pour ne pas présenter de multiples fois la même information, les phrases à contenu similaire à celles déjà choisies dans le résumé sont écartées. Les approches fondées sur ce principe ont deux inconvénients : l'algorithme de sélection est glouton et la redondance n'est prise en compte que dans les paires de phrases. Pour y remédier, nous proposons de maximiser le score global d'un résumé à l'aide d'un programme en nombres entiers qui considère toutes les sélections de phrases possibles. De plus la redondance est modélisée globalement en considérant les concepts que contiennent les phrases au lieu des phrases elles-mêmes : le score d'un résumé est pénalisé par la présence de multiple fois d'un même concept. Le système créé à partir de ce modèle a obtenu de très bons résultats lors de la campagne d'évaluation TAC ainsi que pour créer des résumés de transcriptions de réunions. Enfin, nous montrons comment l'utiliser pour créer des résumés "oracle" qui donnent une idée du score ROUGE maximal qui pourrait être obtenu par sélection de phrases.


Follow this link to subscribe to future RALI-OLST announcements.
http://rali.iro.umontreal.ca/rali/?q=fr/node/1631

See all the weekly talks for the year:

1991 1992 1993 1994 1995 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024