Une approche hybride pour la segmentation automatique de documents juridiques

Filipo Studzinski Perotto (1) , Fadila Taleb (2) , Eric Trupin (2) , Youssouf Saidali (3) , Maryvonne Holzem (2) , Jacques Labiche (3) , Laurent Vercouter (1)

1 INSA Rouen Normandie - Institut national des sciences appliquées Rouen Normandie
2 Université
3 UNIROUEN - Université de Rouen Normandie

Cet article 1 propose une approche hybride pour la segmentation de documents basée sur l’agrégation de différentes solutions. Divers algorithmes de segmentation peuvent être utilisés dans le système, ce qui permet la combinaison de stratégies multiples (spécifiques au domaine, supervisées et nonsupervisées). Un ensemble de documents étiquetés, segmentés au préalable et représentatif du domaine ciblé, doit être fourni pour être utilisé comme ensemble d’entraînement pour l’apprentissage des méthodes supervisées, et aussi comme ensemble de test pour l’évaluation de la performance de chaque méthode, ce qui déterminera leur poids lors de la phase d’agrégation. L’approche proposée présente de bonnes performances dans un scénario expérimental issu d’un corpus extrait du domaine juridique.

Mots clés: segmentation linéaire automatique de texte.

Domaines: Informatique et langage [cs.CL]

Filipo Studzinski Perotto, Fadila Taleb, Eric Trupin, Youssouf Saidali, Maryvonne Holzem, et al.. Une approche hybride pour la segmentation automatique de documents juridiques. 26e Conférence sur le Traitement Automatique des Langues Naturelles, 2019, Toulouse, France. pp.455-464. ⟨hal-02567788⟩