Résumé automatique

Des chercheurs du RALI, sous la direction de Guy Lapalme, travaillent dans le domaine du résumé automatique depuis plusieurs années.

D'ailleurs depuis 2002, le RALI a systématiquement participé à toutes les compétitions de Document Understanding Conference (DUC) et plus récemment de Text Analysis Conference (TAC).

Principaux travaux:

  • Horacio Saggion, à la fin des années 90, a développé SumUM pour le résumé d'articles scientifiques.
  • SumUM a ensuite été adapté pour CATS pour résumer plusieurs documents.
  • Lakhas traitait des articles de journaux en arabe.
  • LetSUM a initié une série de travaux sur les documents juridiques.
  • En 2007-2008, le RALI en collaboration avec NLP Technologies, ont participé au projet ASLI dont un volet important porte sur le résumé de textes juridiques.
  • En 2009, le RALI et NLP Technologies ont poursuivi leur collaboration dans le cadre du projet ISASLI
  • De 2010 à 2013, Pierre-Étienne Genest, a étudié la problématique du résumé par abstraction dans le cadre de sa thèse de doctorat.
  • Depuis 2014, Bruno Malenfant étudie le résumé d'articles scientifiques à base de citations.

SumUM

SumUM a été développé par Horacio Saggion dans le cadre de sa thèse de doctorat (1997-2000). Horacio travaille maintenant comme Ramon y Cajal Senior Research Fellow au Department of Information and Communication Technologies de l'Universitat Pompeu Fabra à Barcelone.

SumUM génère de courts résumés (10-15 lignes) de longs documents (15-20 pages) scientifiques et techniques. SumUM produit le résumé en deux étapes: l'utilisateur reçoit d'abord un résumé indicatif, qui identifie les sujets importants du document et le système génère ensuite un résumé informatif qui élabore quelques sujets choisis par l'utilisateur.

L'entrée du système est un article scientifique en anglais, contenant les éléments structuraux suivants: titre de l'article, auteur et affiliation, introduction, sections principales, conclusion, bibliographie et remerciement. La sortie du système est un court résumé indicatif composé de phrases complètes. Ce résumé n'est pas qu'un simple extrait de phrases du texte original, il est régénéré à partir des informations trouvées. Il est de qualité comparable à celle des résumés d'auteur. Il est ensuite possible d'obtenir des informations supplémentaires sur des sujets identifiés par l'usager.

Pour la participation à l'évaluation des systèmes de génération automatique de résumés DUC 2002, Atefeh Farzindar a modifié SumUM sans en changer l'algorithme ou les patrons développés manuellement à partir de l'étude de corpus des résumés écrits par les résumeurs professionnels. Comme il est décrit dans ce document, Malgré le fait qu'il n'avait pas été développé pour le type de texte (articles de journaux) utilisé à DUC2002, SumUM s'est classé parmi les meilleurs systèmes de la compétition. Pour DUC2003, SumUM a été modifié pour participer à la compétition portant sur les résumés de documents multiples et a obtenu de très bons résultats.

CATS

CATS (Cats is an Automatic Text Summarizer) a été développé par Atefeh Farzindar et Frédérik Rozon au cours de l'été 2005 pour participer à la compétition Document Understanting Conference 2005 (DUC2005). La tâche consistait à résumer, en moins de 250 mots, des groupes d'une vingtaine d'articles de journaux traitant du même sujet. Le résumé devait traiter d'un aspect particulier identifié par une question de quelques lignes. La performance de CATS, décrite dans cet article, a été excellente par rapport à l'ensemble de la trentaine de systèmes qui ont participé à la compétition.

Lakhas

Fouad Douzidia a développé Lakhas (signifiant résumer en arabe), un système de résumé de textes journalistiques arabes basé sur la combinaison de méthodes d'extractions utilisées jusqu'ici en anglais.

Lakhas a également été utilisé pour produire de très courts résumés en arabe lors de l'évaluation à DUC2004. Ces résumés étaient ensuite traduits en anglais avec un système de traduction automatique. Malgré le fait d'avoir suivi un chemin différent des autres compétiteurs, les résultats de l'évaluation ont été excellents et même les meilleurs lorsqu'on disposait du même système de traduction automatique que celui qui avait été utilisé pour traduire les autres textes. Ces résultats sont décrits dans cet article et dans son mémoire de maîtrise.

LetSUM (Legal text Summarizer)

En collaboration avec le groupe LexUM, qui faisait alors partie du Centre de recherche en droit public de la Faculté de Droit de l'Université de Montréal, Atefeh Farzindar a étudié la problématique des résumés de textes juridiques, plus particulièrement les jugement. La méthodologie repose sur l'exploitation de la structure thématique des décisions juridiques afin de constituer automatiquement une fiche de résumé augmentant la cohérence et la lisibilité du résumé. LetSUM permet aux juristes de consulter rapidement les idées clés d'un jugements pour trouver les jurisprudences pertinentes. Atefeh a soutenu sa thèse en mars 2005 et elle a fondé une entreprise NLP Technologies qui commercialise un système de gestion de documents juridiques.

Automatic summarization of Legal Text (ASLI)

Entre juillet 2007 et juin 2008, NLP Technologies et le RALI ont collaboré au projet ASLI (Automatic Summarization of Legal Information) financé dans le cadre du programme Alliance de Precarn).

La collaboration avec le RALI portait sur deux points:

  • Développement de règles sémantiques du domaine juridique permettent de segmenter un jugement, d'en identifier les domaines, d'y choisir les phrases pertinentes et d'identifier la catégorie du jugement et de déterminer les citations. Il faudra en développer un modèle général de ces diverses règles en tenant compte des aspects de maintenance, de facilité de modification et d'amélioration de la performance.

Plus d'information sur cet aspect du projet:

  • Mise au point d'un traducteur automatique de jugements entre l'anglais et le français. 

Plus d'information sur cet aspect du projet

Intelligent system for Semantic processing and Automatic Summarization of Legal Information (ISASLI)

Entre janvier et décembre 2009, grâce au financement accordé par Precarn, le RALI et NLP Technologies ont collaboré à l'amélioration du système de révision manuelle des résumés et sur l'exploration de méthodes statistiques de résumé qui permettront d'accélérer l'adaptation à de nouveaux domaines. Ce projet impliquait également la participation de Palomino System Innovations Inc.

La collaboration avec le RALI portait sur deux points:

  • Le développement de RevSum une interface Web d'aide à la révision de résumés automatiques qui offre une vue claire et conjointe du document original et du résumé et propose une interaction simple et rapide à l'échelle de la phrase. Cette interface est maintenant en production journalière chez NLP Technologies. Cette interface a ensuite été adaptée pour créer HexTAC servir à la création de résumés par extraction pour la compétition TAC2009.
  • L'exploration de méthodes statistiques pour le résumé automatique de textes juridiques. Les expériences ont porté sur l'exploitation d'un corpus de 4000 paires texte-résumé pour réaliser l'apprentissage.

On peut obtenir plus d'information sur le projet:

Résumé par abstraction

Pierre-Étienne Genest a participé à plusieurs compétitions TAC (2008 à 2011), notamment en explorant une approche symbolique au résumé développée dans son mémoire de maîtrise en 2009.

Il a par la suite élaboré un système automatique de rédaction de résumés entièrement par abstraction, dans le domaine journalistique. Il extrait d'abord les éléments d'information importants au résumé, pour une catégorie de documents à la fois. Des heuristiques sont utilisées pour filtrer et sélectionner le contenu retenu pour le résumé. Enfin, un plan de génération et des patrons de génération permettent de réaliser le texte du résumé en langue naturelle. Cette approche est décrite dans un article paru à ACL 2012 et dans sa thèse soutenue en octobre 2013.

Absum

Résumé par citation

Le projet de doctorat de Bruno Malenfant combine et modifie des techniques de résumé automatique pour construire un résumé d'un article de référence (RP) à partir de l'information que d'autres chercheurs ont retenue en analysant le texte des citations vers RP pour constituer la base du résumé. Le résumé de RP sera donc construit à partir de l'analyse des contextes de citation dans les articles citant (CP) qui décrivent le type de lien avec RP.  Comme cette information n'était pas disponible lors de l'écriture de l'article, elle ajoute un niveau d'interprétation de RP et fournit un indice sur son apport à la communauté scientifique. Plus de détails dans sa présentation de sujet de thèse.