Repérer automatiquement les segments obsolescents à l’aide d’indices sémantiques et discursifs [Automatic Tracking of Obsolescent Segments with Linguistic Cues]

Repérer automatiquement les segments obsolescents à l’aide d’indices sémantiques et discursifs Marion Laignelet* — François Rioult** * Laboratoire CLLE-ERSS - UMR 5263 CNRS allées Antonio Machado, 31058 Toulouse Cedex marion.laignelet@univ-tlse2.fr ** Université de Caen Basse-Normandie, Laboratoire GREYC - UMR 6072 CNRS Campus 2 Côte de Nacre, 14032 Caen cedex Francois.Rioult@unicaen.fr RÉSUMÉ. Cet article vise la description et le repérage automatique de segments contenant de l’obsolescence dans les documents de type encyclopédique. Nous supposons, malgré le carac- tère non linguistique de ce phénomène, que des indices discursifs permettent le repérage de ces segments. Nous travaillons sur un corpus annoté manuellement par des experts sur lequel nous projetons des indices repérés automatiquement. Nous utilisons des techniques d’apprentissage automatique pour évaluer le pouvoir prédictif de nos indices. À l’aide de techniques de classifi- cation supervisée, nous montrons que nos hypothèses sont pertinentes et permettent d’envisager le déploiement d’une méthode automatique pour l’aide au repérage de segments obsolescents. ABSTRACT. This paper deals with the description and the automatic tracking of text segments containing obsolescence in encyclopedia texts. We assume that despite the non-linguistic nature of this phenomenon, discursive cues are relevant to track those segments. For that purpose, we have worked on a corpus which has been manually annotated by experts and on which we have projected automatically tracked cues. We use machine learning techniques to evaluate the predictive power of our cues. We show, using supervised classification, that our hypotheses enable us to build an automatic procedure to assist human experts. MOTS-CLÉS : repérage automatique de l’obsolescence, indices discursifs, textes encyclopédiques, classification supervisée, aire sous la courbe ROC. KEYWORDS: automatic tracking of obsolescence, discursive cues, encyclopedic texts, supervised classification, area under the ROC curve. TAL. Volume 51 - no1/2010, pages 41 à 63 42 TAL. Volume 51 - no1/2010 1. Introduction Cet article s’inscrit dans le cadre d’un projet de recherche visant à la fois la de- scription mais également le repérage automatique de segments obsolescents dans des documents de type encyclopédique. La visée applicative de ce travail consiste en la création d’un outil d’aide à la mise à jour de textes encyclopédiques dans le domaine de l’édition. Nous proposons de traiter la problématique de la mise à jour de l’infor- mation à travers la notion d’obsolescence : un segment obsolescent est défini comme un segment textuel contenant de l’information susceptible d’évolution dans le temps. Nous travaillons sur la base d’un corpus composé de textes encyclopédiques issus du monde éditorial : ces textes publiés doivent ou devront faire l’objet de mises à jour concrètes à court et long terme. L’obsolescence est alors définie selon ce besoin de mise à jour. Malgré le caractère intrinsèquement non linguistique de ce phénomène, nous sup- posons que des indices sémantiques et discursifs peuvent permettre le repérage des segments d’obsolescence. Le système mis en œuvre et décrit ici a pour objectif le repérage des indices et combinaisons d’indices à même de devenir des marqueurs de l’obsolescence. Ce travail s’appuie sur les recherches menées autour des notions de marqueurs …

Content truncated to 500 words