Détection automatique de la structure organisationnelle de documents à partir de marqueurs visuels et lexicaux - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2014

Détection automatique de la structure organisationnelle de documents à partir de marqueurs visuels et lexicaux

Résumé

The process of understanding a document uses both visual, logic and discursive information along with the mutual relationships between those levels. Most approaches studying those relationships were conducted in the frame of text generation, where the text visual properties are infered from logical and discursive elements. We chose in our work to take the opposite path by trying to infer the logical structure of texts using their visual forms. To do so, we (i) assign a logical label to each visual block and (ii) we try to connect those logical units with coordination or subordination relationships, in order to build a logical tree. We used respectively a Conditional Random Fields and a Maximum Entropy algorithms for those two tasks. After a learning phase, the obtained models give us a 80,46% accuracy for task (i) and a 97,23% accuracy for task (ii).
La compréhension d'un texte s'opère à travers les niveaux d'information visuelle, logique et discursive, et leurs relations d'interdépendance. La majorité des travaux ayant étudié ces relations a été menée dans le cadre de la génération de textes, où les propriétés visuelles sont inférées à partir des éléments logiques et discursifs. Les travaux présentés ici adoptent une démarche inverse en proposant de générer automatiquement la structure organisationnelle du texte (structure logique) à partir de sa forme visuelle. Le principe consiste à (i) labelliser des blocs visuels par apprentissage afin d'obtenir des unités logiques et (ii) relier ces unités par des relations de coordination ou de subordination pour construire un arbre. Pour ces deux tâches, des Champs Aléatoires Conditionnels et un Maximum d'Entropie sont respectivement utilisés. Après apprentissage, les résultats aboutissent à une exactitude de 80,46% pour la labellisation et 97,23% pour la construction de l'arbre.
Fichier principal
Vignette du fichier
Fauconnier_13083.pdf (512.5 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

hal-01144178 , version 1 (21-04-2015)

Identifiants

  • HAL Id : hal-01144178 , version 1
  • OATAO : 13083

Citer

Jean-Philippe Fauconnier, Laurent Sorin, Mouna Kamel, Mustapha Mojahid, Nathalie Aussenac-Gilles. Détection automatique de la structure organisationnelle de documents à partir de marqueurs visuels et lexicaux. 21ème Conférence sur le Traitement Automatique des Langues Naturelles (TALN 2014), ATALA (Association pour le Traitement Automatique des Langues); LIF (Laboratoire d’Informatique Fondamentale); LPL (Laboratoire Parole et Langage), Jul 2014, Marseille, France. pp.340-351. ⟨hal-01144178⟩
271 Consultations
154 Téléchargements

Partager

Gmail Facebook X LinkedIn More