Synthèse de texte — extractive et abstractive
La synthèse automatique de texte est une tâche de traitement du langage naturel qui condense de longs documents en résumés plus courts tout en préservant leurs informations clés. Elle fonctionne selon l'une des deux familles d'approches — la synthèse extractive, qui sélectionne les passages les plus importants de la source, ou la synthèse abstractive, qui génère du nouveau texte. Le domaine a été consolidé par Nenkova et McKeown (2011), et les modèles séquence-à-séquence tels que BART (Lewis et al., 2020) ont fait progresser le côté abstractif.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- Nenkova, A. & McKeown, K. (2011). Automatic Summarization. Foundations and Trends in Information Retrieval. DOI: 10.1561/1500000015 ↗
- Lewis, M. et al. (2020). BART: Denoising Sequence-to-Sequence Pre-training for Natural Language Generation, Translation, and Comprehension. ACL. DOI: 10.18653/v1/2020.acl-main.703 ↗
Comment citer cette page
ScholarGate. (2026, June 1). Automatic Text Summarization. ScholarGate. https://scholargate.app/fr/text-mining/text-summarization
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Le regroupement de documentsFouille de textes↔ compare
- Extraction de mots-clésFouille de textes↔ compare
- Similarité sémantiqueFouille de textes↔ compare
- Analyse des sentimentsFouille de textes↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →