@inproceedings{shenouda-etal-2022-resumesvd,
title = "{R}{\'e}sume{SVD} : Un outil efficace et performant pour le r{\'e}sum{\'e} de texte non supervis{\'e} ({R}{\'e}sume{SVD} : An efficient and effective tool for unsupervised text summarization )",
author = "Shenouda, Gabriel and
Rodrigues, Christophe and
Bossard, Aur{\'e}lien",
editor = "Est{\`e}ve, Yannick and
Jim{\'e}nez, Tania and
Parcollet, Titouan and
Zanon Boito, Marcely",
booktitle = "Actes de la 29e Conf{\'e}rence sur le Traitement Automatique des Langues Naturelles. Volume 1 : conf{\'e}rence principale",
month = "6",
year = "2022",
address = "Avignon, France",
publisher = "ATALA",
url = "https://aclanthology.org/2022.jeptalnrecital-taln.20",
pages = "206--214",
abstract = "Cet article pr{\'e}sente une nouvelle m{\'e}thode, R{\'e}sumeSVD, pour le r{\'e}sum{\'e} automatique extractif non supervis{\'e}. Cette m{\'e}thode est fond{\'e}e sur la d{\'e}composition en valeurs singuli{\`e}res afin de r{\'e}duire la dimensionnalit{\'e} des plongements de mots et de proposer une repr{\'e}sentation de ces derniers sur un petit nombre de dimensions, chacune repr{\'e}sentant un sujet latent. En effet, dans un contexte sp{\'e}cifique et restreint, de multiples dimensions des plongements de mots deviennent moins pertinentes puisqu{'}apprises dans des contextes plus larges. Elle utilise {\'e}galement le regroupement automatique de mots pour r{\'e}duire la taille du vocabulaire, et est suivie d{'}une heuristique d{'}extraction de phrases. La m{\'e}thode surpasse en efficacit{\'e} les approches extractives les plus r{\'e}centes tout en {\'e}tant plus efficiente. De plus, R{\'e}sumeSVD n{\'e}cessite peu de ressources, en termes de donn{\'e}es et de puissance de calcul. Elle peut donc {\^e}tre ex{\'e}cut{\'e}e sur de longs documents, tels que des articles scientifiques, ainsi que sur de grands corpus {\`a} documents multiples. Notre m{\'e}thode est suffisamment rapide pour {\^e}tre utilis{\'e}e dans des syst{\`e}mes de r{\'e}sum{\'e} en direct. Nous partageons publiquement le code source de notre approche permettant de reproduire tous nos r{\'e}sultats.",
language = "French",
}
<?xml version="1.0" encoding="UTF-8"?>
<modsCollection xmlns="http://www.loc.gov/mods/v3">
<mods ID="shenouda-etal-2022-resumesvd">
<titleInfo>
<title>RésumeSVD : Un outil efficace et performant pour le résumé de texte non supervisé (RésumeSVD : An efficient and effective tool for unsupervised text summarization )</title>
</titleInfo>
<name type="personal">
<namePart type="given">Gabriel</namePart>
<namePart type="family">Shenouda</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Christophe</namePart>
<namePart type="family">Rodrigues</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Aurélien</namePart>
<namePart type="family">Bossard</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<originInfo>
<dateIssued>2022-06</dateIssued>
</originInfo>
<typeOfResource>text</typeOfResource>
<language>
<languageTerm type="text">French</languageTerm>
<languageTerm type="code" authority="iso639-2b">fre</languageTerm>
</language>
<relatedItem type="host">
<titleInfo>
<title>Actes de la 29e Conférence sur le Traitement Automatique des Langues Naturelles. Volume 1 : conférence principale</title>
</titleInfo>
<name type="personal">
<namePart type="given">Yannick</namePart>
<namePart type="family">Estève</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Tania</namePart>
<namePart type="family">Jiménez</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Titouan</namePart>
<namePart type="family">Parcollet</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Marcely</namePart>
<namePart type="family">Zanon Boito</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<originInfo>
<publisher>ATALA</publisher>
<place>
<placeTerm type="text">Avignon, France</placeTerm>
</place>
</originInfo>
<genre authority="marcgt">conference publication</genre>
</relatedItem>
<abstract>Cet article présente une nouvelle méthode, RésumeSVD, pour le résumé automatique extractif non supervisé. Cette méthode est fondée sur la décomposition en valeurs singulières afin de réduire la dimensionnalité des plongements de mots et de proposer une représentation de ces derniers sur un petit nombre de dimensions, chacune représentant un sujet latent. En effet, dans un contexte spécifique et restreint, de multiples dimensions des plongements de mots deviennent moins pertinentes puisqu’apprises dans des contextes plus larges. Elle utilise également le regroupement automatique de mots pour réduire la taille du vocabulaire, et est suivie d’une heuristique d’extraction de phrases. La méthode surpasse en efficacité les approches extractives les plus récentes tout en étant plus efficiente. De plus, RésumeSVD nécessite peu de ressources, en termes de données et de puissance de calcul. Elle peut donc être exécutée sur de longs documents, tels que des articles scientifiques, ainsi que sur de grands corpus à documents multiples. Notre méthode est suffisamment rapide pour être utilisée dans des systèmes de résumé en direct. Nous partageons publiquement le code source de notre approche permettant de reproduire tous nos résultats.</abstract>
<identifier type="citekey">shenouda-etal-2022-resumesvd</identifier>
<location>
<url>https://aclanthology.org/2022.jeptalnrecital-taln.20</url>
</location>
<part>
<date>2022-6</date>
<extent unit="page">
<start>206</start>
<end>214</end>
</extent>
</part>
</mods>
</modsCollection>
%0 Conference Proceedings
%T RésumeSVD : Un outil efficace et performant pour le résumé de texte non supervisé (RésumeSVD : An efficient and effective tool for unsupervised text summarization )
%A Shenouda, Gabriel
%A Rodrigues, Christophe
%A Bossard, Aurélien
%Y Estève, Yannick
%Y Jiménez, Tania
%Y Parcollet, Titouan
%Y Zanon Boito, Marcely
%S Actes de la 29e Conférence sur le Traitement Automatique des Langues Naturelles. Volume 1 : conférence principale
%D 2022
%8 June
%I ATALA
%C Avignon, France
%G French
%F shenouda-etal-2022-resumesvd
%X Cet article présente une nouvelle méthode, RésumeSVD, pour le résumé automatique extractif non supervisé. Cette méthode est fondée sur la décomposition en valeurs singulières afin de réduire la dimensionnalité des plongements de mots et de proposer une représentation de ces derniers sur un petit nombre de dimensions, chacune représentant un sujet latent. En effet, dans un contexte spécifique et restreint, de multiples dimensions des plongements de mots deviennent moins pertinentes puisqu’apprises dans des contextes plus larges. Elle utilise également le regroupement automatique de mots pour réduire la taille du vocabulaire, et est suivie d’une heuristique d’extraction de phrases. La méthode surpasse en efficacité les approches extractives les plus récentes tout en étant plus efficiente. De plus, RésumeSVD nécessite peu de ressources, en termes de données et de puissance de calcul. Elle peut donc être exécutée sur de longs documents, tels que des articles scientifiques, ainsi que sur de grands corpus à documents multiples. Notre méthode est suffisamment rapide pour être utilisée dans des systèmes de résumé en direct. Nous partageons publiquement le code source de notre approche permettant de reproduire tous nos résultats.
%U https://aclanthology.org/2022.jeptalnrecital-taln.20
%P 206-214
Markdown (Informal)
[RésumeSVD : Un outil efficace et performant pour le résumé de texte non supervisé (RésumeSVD : An efficient and effective tool for unsupervised text summarization )](https://aclanthology.org/2022.jeptalnrecital-taln.20) (Shenouda et al., JEP/TALN/RECITAL 2022)
ACL