Une méthode d’extraction d’information fondée sur les graphes pour le remplissage de formulaires [A graph-based information extraction method for filling forms]

Une méthode d’extraction d’information fondée sur les graphes pour le remplissage de formulaires Ludovic Jean-Louis — Romaric Besançon — Olivier Ferret CEA, LIST, Laboratoire Vision et Ingénierie des Contenus 91191 Gif-sur-Yvette Cedex, France {ludovic.jean-louis,romaric.besancon,olivier.ferret}@cea.fr RÉSUMÉ. Une tâche importante des systèmes d’extraction d’information se focalisant sur des événements est le remplissage de formulaires regroupant, en les caractérisant par leur type, les informations associées à un événement donné à partir d’un texte. Cette tâche peut s’avérer difficile lorsque l’information est dispersée à l’échelle du texte et mélangée à des éléments d’in- formation liés à d’autres événements similaires. Nous proposons dans cet article une approche en deux étapes pour prendre en compte ce problème : d’abord une segmentation du texte en événements pour identifier les phrases relatives à un même événement, puis une méthode de sélection des entités liées à l’événement dans ces phrases. Une évaluation de cette approche sur un corpus annoté de dépêches dans le domaine des événements sismiques montre une F1- mesure de 77 % pour la tâche de remplissage de formulaires. ABSTRACT. In event-based Information Extraction systems, a major task is the filling from a text of a template gathering information related to a particular event. Such template filling may be a hard task when the information is scattered throughout the text and mixed with similar pieces of information relative to different events. We propose in this paper a two-step approach for template filling: first, an event-based segmentation is performed to select the parts of the text related to the target event; then, a graph-based method is applied to choose the most relevant entities in these parts for characterizing the event. An evaluation of this model based on an annotated corpus for earthquake events shows a 77% F1-measure for the template-filling task. MOTS-CLÉS : extraction d’information, segmentation événementielle, remplissage de formulaires. KEYWORDS: information extraction, event-based text segmentation, template filling. TAL. Volume 54 – n˚ 1/2013, pages 139 à 170 140 TAL. Volume 54 – n˚ 1/2013 1. Introduction Le domaine de l’extraction d’information couvre toutes les tâches consistant à ex- traire des informations structurées à partir de textes. Une tâche archétypique de ce domaine est celle définie dans les conférences MUC (Message Understanding Confe- rences) (Grishman et Sundheim, 1996), où les systèmes doivent permettre de remplir de façon automatique des formulaires (ou templates) concernant des événements. Il n’est pas facile de donner une définition stricte de la notion d’événement mais, à la suite de Arnulphy (2012), on peut considérer qu’il s’agit d’une notion caractérisant que quelque chose change, associant en particulier « mouvement, insertion dans le temps, modification d’une situation ». Du point de vue de l’extraction d’information, un événement est aussi caractérisé par les informations spécifiques qui lui sont asso- ciées. Les formulaires permettent de mettre en évidence les informations spécifiques à un type d’événement considéré et d’ignorer tout autre type d’information non per- tinente. La figure 1 présente un exemple du remplissage d’un formulaire relatif aux tremblements de terre à partir du texte d’une dépêche de presse. …

Content truncated to 500 words