Automatic text summarization for crisis management: Coronavirus(COVID-19) case

Abstract

En réponse à la pandémie de la COVID-19, de nombreuses publications scientifiques ont été publiées pour aider la communauté médicale à trouver des réponses à leurs questions importantes sur le virus. L’effort fait par les médecins, les chercheurs et les décideurs politiques pour faire la lumière sur le nouveau virus est très important, mais le grand nombre de ces données impliquait une difficulté pour la récupération des informations et rendait le processus de collecte des informations les plus importantes que l’utilisateur recherche moins de valeur. Heureusement, le résumé automatique de texte est l’une de ces solutions qui peut faire gagner du temps à l’utilisateur et fournir rapidement ce qu’il recherche. L’objectif de cette thèse est d’aider la communauté médicale en créant un système de résumé multi-document simple et efficace, basé sur des requêtes, permettant d’extraire à partir d’un grand nombre d’articles les informations les plus pertinentes correspondant à une requête spécifique. Pour réaliser ce travail, la solution proposée est basée sur la division du processus de résumé multi-documents basé sur des requêtes en deux étapes, la première étape est le résumé extractif mono-document orienté guidé par une requête qui dépend de l’utilisation d’un algorithme d’apprentissage automatique sémantique qui utilise un référentiel de connaissances WordNet combiné avec la méthode d’extraction d’informations BM25 OKAPI pour générer un résumé pour chaque document. L’ensemble des résumés résultants sera utilisé dans la deuxième étape qui est un résumé multi-document générique et extractif pour créer un résumé global unique à l’aide de l’algorithme TextRank.