Certains chercheurs en intelligence artificielle
proposent des modèles de traitement de texte très
modulaires, postulant que
plusieurs processus cognitifs seraient simultanément à
l'oeuvre sur le traitement d'un texte.
Symétriquement un texte sera traduit dans plusieurs couches de
représentaion interconnectées.
Comme illustration, on pourrait s'imaginer par exemple la combinaison de
schémas générateurs et des mécanismes de résolution de
problème.
Nous allons revenir sur cette problématique dans le
chapitre dernier.
La discussion du modèle discuté dans la dernière section nous a
permis de voir l'utilité de la représentation causale.
De l'autre côté on s'est
apercu qu'une telle structure est très complexe,
et que si elle parvient à montrer éventuellement comment
un récepteur représente
le flux causal et temporel des événements,
elle ne dit pas comment il
représentrerait le récit dans son entier.
Le même problème se pose pour le chercheur qui désire
extraire un sommaire d'un texte.
Ainsi il serait doublement profitable de posséder un
modèle AI qui dégage en quelque sorte l'essentiel d'un
récit.
W.Lehnert (81) a développé un tel modèle qui de plus est
très facile à utiliser.
Ce modèle qui est partiellement programmé sur ordinateur
sera plus tard un module intégré dans un système AI
complet de compréhension de texte.
Lehnert fait l'hypothèse que des processus
d'élaboration de résumé
fonctionnent avec des éléments de representation relativement simples.
Très brièvement, elle postule qu'un récepteur percoit
les réactions émotionnelles des acteurs du récit
par rapport aux événements qui les affectent.
Ces états affectifs de la représentation du récit forment
un réseaux qui cristallise le déroulement
du récit d'une facon
similaire à celui de DeBeaugrande (80).
D'autre part ces états affectifs forment par aggrégation des unités
analytiques plus grandes, appelées unités affectives de l'intrigue.
Ces unités forment à leur tour une configuration d'où on peut
extraire un résumé.
Il n'est pas possible de discuter le fait qu'un recepteur
normal fera effectivement
de telles inférences, mais en tout cas en pratique il s'est
avéré que des résumés effectués suivant le modèle de Lehnert
prédisent mieux que les grammaires génératrices les
résumés construits par des sujets expérimentaux.
Il a également été montré que ce modèle peut être utilisé par des
politologues comme
méthode d'analyse du contenu de récits très complexes.
Je vais maintenant présenter le système de
représentation, je discutera ensuite quelques problèmes de
codage.
Nous serons alors en mesure de coder
notre récit et de voir comment un programme
effectue un résumé d'une structure codifiée à la main.