Base_JSON/prefixF/json/F14/F14-1030.json

{
    "paper_id": "F14-1030",
    "header": {
        "generated_with": "S2ORC 1.0.0",
        "date_generated": "2023-01-19T10:23:04.095741Z"
    },
    "title": "D\u00e9tection automatique de la structure organisationnelle de documents \u00e0 partir de marqueurs visuels et lexicaux",
    "authors": [
        {
            "first": "Jean-Philippe",
            "middle": [],
            "last": "Fauconnier",
            "suffix": "",
            "affiliation": {
                "laboratory": "",
                "institution": "Universit\u00e9 Paul Sabatier",
                "location": {
                    "addrLine": "118 Route de Narbonne",
                    "postCode": "31062",
                    "settlement": "Toulouse Cedex 9"
                }
            },
            "email": ""
        },
        {
            "first": "Laurent",
            "middle": [],
            "last": "Sorin",
            "suffix": "",
            "affiliation": {
                "laboratory": "",
                "institution": "Universit\u00e9 Paul Sabatier",
                "location": {
                    "addrLine": "118 Route de Narbonne",
                    "postCode": "31062",
                    "settlement": "Toulouse Cedex 9"
                }
            },
            "email": ""
        },
        {
            "first": "Mouna",
            "middle": [],
            "last": "Kamel",
            "suffix": "",
            "affiliation": {
                "laboratory": "",
                "institution": "Universit\u00e9 Paul Sabatier",
                "location": {
                    "addrLine": "118 Route de Narbonne",
                    "postCode": "31062",
                    "settlement": "Toulouse Cedex 9"
                }
            },
            "email": ""
        },
        {
            "first": "Mustapha",
            "middle": [],
            "last": "Mojahid",
            "suffix": "",
            "affiliation": {
                "laboratory": "",
                "institution": "Universit\u00e9 Paul Sabatier",
                "location": {
                    "addrLine": "118 Route de Narbonne",
                    "postCode": "31062",
                    "settlement": "Toulouse Cedex 9"
                }
            },
            "email": ""
        },
        {
            "first": "Nathalie",
            "middle": [],
            "last": "Aussenac-Gilles",
            "suffix": "",
            "affiliation": {
                "laboratory": "",
                "institution": "Universit\u00e9 Paul Sabatier",
                "location": {
                    "addrLine": "118 Route de Narbonne",
                    "postCode": "31062",
                    "settlement": "Toulouse Cedex 9"
                }
            },
            "email": ""
        }
    ],
    "year": "",
    "venue": null,
    "identifiers": {},
    "abstract": "La compr\u00e9hension d'un texte s'op\u00e8re \u00e0 travers les niveaux d'information visuelle, logique et discursive, et leurs relations d'interd\u00e9pendance. La majorit\u00e9 des travaux ayant \u00e9tudi\u00e9 ces relations a \u00e9t\u00e9 men\u00e9e dans le cadre de la g\u00e9n\u00e9ration de textes, o\u00f9 les propri\u00e9t\u00e9s visuelles sont inf\u00e9r\u00e9es \u00e0 partir des \u00e9l\u00e9ments logiques et discursifs. Les travaux pr\u00e9sent\u00e9s ici adoptent une d\u00e9marche inverse en proposant de g\u00e9n\u00e9rer automatiquement la structure organisationnelle du texte (structure logique) \u00e0 partir de sa forme visuelle. Le principe consiste \u00e0 (i) labelliser des blocs visuels par apprentissage afin d'obtenir des unit\u00e9s logiques et (ii) relier ces unit\u00e9s par des relations de coordination ou de subordination pour construire un arbre. Pour ces deux t\u00e2ches, des Champs Al\u00e9atoires Conditionnels et un Maximum d'Entropie sont respectivement utilis\u00e9s. Apr\u00e8s apprentissage, les r\u00e9sultats aboutissent \u00e0 une exactitude de 80,46% pour la labellisation et 97,23% pour la construction de l'arbre.",
    "pdf_parse": {
        "paper_id": "F14-1030",
        "_pdf_hash": "",
        "abstract": [
            {
                "text": "La compr\u00e9hension d'un texte s'op\u00e8re \u00e0 travers les niveaux d'information visuelle, logique et discursive, et leurs relations d'interd\u00e9pendance. La majorit\u00e9 des travaux ayant \u00e9tudi\u00e9 ces relations a \u00e9t\u00e9 men\u00e9e dans le cadre de la g\u00e9n\u00e9ration de textes, o\u00f9 les propri\u00e9t\u00e9s visuelles sont inf\u00e9r\u00e9es \u00e0 partir des \u00e9l\u00e9ments logiques et discursifs. Les travaux pr\u00e9sent\u00e9s ici adoptent une d\u00e9marche inverse en proposant de g\u00e9n\u00e9rer automatiquement la structure organisationnelle du texte (structure logique) \u00e0 partir de sa forme visuelle. Le principe consiste \u00e0 (i) labelliser des blocs visuels par apprentissage afin d'obtenir des unit\u00e9s logiques et (ii) relier ces unit\u00e9s par des relations de coordination ou de subordination pour construire un arbre. Pour ces deux t\u00e2ches, des Champs Al\u00e9atoires Conditionnels et un Maximum d'Entropie sont respectivement utilis\u00e9s. Apr\u00e8s apprentissage, les r\u00e9sultats aboutissent \u00e0 une exactitude de 80,46% pour la labellisation et 97,23% pour la construction de l'arbre.",
                "cite_spans": [],
                "ref_spans": [],
                "eq_spans": [],
                "section": "Abstract",
                "sec_num": null
            }
        ],
        "body_text": [
            {
                "text": "La construction automatique de la structure de documents constitue un enjeu majeur en Traitement Automatique du Langage (TAL). En effet, les traitements des modules actuels (e.g : \u00e9tiquetage morpho-syntaxique, reconnaissance d'entit\u00e9s nomm\u00e9es, etc.) op\u00e8rent g\u00e9n\u00e9ralement \u00e0 un niveau de granularit\u00e9 qui ne prend pas en compte les ph\u00e9nom\u00e8nes se d\u00e9roulant au niveau sup\u00e9rieur, tels que les relations entre les sections, titres, paragraphes, etc. (Marcu, 2006) . Or, une approche plus globale des textes para\u00eet \u00eatre une \u00e9tape n\u00e9cessaire pour am\u00e9liorer l'accessibilit\u00e9 des documents (Sorin et al., 2013) , la navigation intra-documentaire (Couto et al., 2004) , le r\u00e9sum\u00e9 automatique (Bossard, 2009) ainsi que l'extraction d'information (Fauconnier et al., 2013) .",
                "cite_spans": [
                    {
                        "start": 443,
                        "end": 456,
                        "text": "(Marcu, 2006)",
                        "ref_id": "BIBREF22"
                    },
                    {
                        "start": 578,
                        "end": 598,
                        "text": "(Sorin et al., 2013)",
                        "ref_id": "BIBREF33"
                    },
                    {
                        "start": 634,
                        "end": 654,
                        "text": "(Couto et al., 2004)",
                        "ref_id": "BIBREF8"
                    },
                    {
                        "start": 679,
                        "end": 694,
                        "text": "(Bossard, 2009)",
                        "ref_id": "BIBREF3"
                    },
                    {
                        "start": 732,
                        "end": 757,
                        "text": "(Fauconnier et al., 2013)",
                        "ref_id": "BIBREF9"
                    }
                ],
                "ref_spans": [],
                "eq_spans": [],
                "section": "Introduction",
                "sec_num": "1"
            },
            {
                "text": "Nous partons du constat qu'un texte peut \u00eatre segment\u00e9 selon trois structures : (i) la structure visuelle (segmentation en pages, blocs visuels, etc.), (ii) la structure logique (segmentation en titres, paragraphes, etc.), et (iii) la structure discursive (segmentation en unit\u00e9s \u00e9l\u00e9mentaires et complexes du discours). Les fronti\u00e8res entre ces structures ne sont pas nettement \u00e9tablies dans la litt\u00e9rature. Toutefois, il est admis que ces structures s'\u00e9chelonnent graduellement dans la compr\u00e9hension d'un texte et entretiennent des relations complexes d'interd\u00e9pendance. Par exemple, la mise en forme spatiale d'un texte a des r\u00e9percussions sur l'interpr\u00e9tation de sa structure logique (Virbel et al., 2005) , et une relation logique de coordination entre deux items d'une structure hi\u00e9rarchique implique une relation rh\u00e9torique sp\u00e9cifique (Vergez-Couret et al., 2011) .",
                "cite_spans": [
                    {
                        "start": 687,
                        "end": 708,
                        "text": "(Virbel et al., 2005)",
                        "ref_id": "BIBREF35"
                    },
                    {
                        "start": 841,
                        "end": 869,
                        "text": "(Vergez-Couret et al., 2011)",
                        "ref_id": "BIBREF35"
                    }
                ],
                "ref_spans": [],
                "eq_spans": [],
                "section": "Introduction",
                "sec_num": "1"
            },
            {
                "text": "[O-P2.2] JEAN-PHILIPPE FAUCONNIER, LAURENT SORIN, MOUNA KAMEL, MUSTAPHA MOJAHID, NATHALIE AUSSENAC-GILLES L'analyse des structures de documents est un sujet trait\u00e9 au sein de la communaut\u00e9 de l'Analyse de Documents (conf\u00e9rences ICDAR, IJDAR, etc.). G\u00e9n\u00e9ralement, cette t\u00e2che est vue comme un probl\u00e8me d'analyse syntaxique et un arbre ordonnant les unit\u00e9s du document est attendu en sortie (Mao et al., 2003) . Deux domaines sont consid\u00e9r\u00e9s : l'analyse g\u00e9om\u00e9trique (Tokuyasu & Choub, 2001 ) et l'analyse logique (Klink et al., 2000) . Toutefois, les repr\u00e9sentations logiques obtenues ne sont souvent pas adapt\u00e9es \u00e0 une analyse fine au niveau discursif. Cette difficult\u00e9 appara\u00eet lorsque des objets textuels complexes conjuguent \u00e0 la fois mise en forme mat\u00e9rielle et ph\u00e9nom\u00e8nes discursifs (e.g : structures hi\u00e9rarchiques imbriqu\u00e9es, d\u00e9finitions, etc.). En outre, les labels logiques ne sont pas toujours fins (Aiello et al., 2002) et il n'existe pas de consensus sur les valeurs qu'ils peuvent prendre. Cela s'explique notamment par un int\u00e9r\u00eat portant davantage sur l'analyse g\u00e9om\u00e9trique (Paa\u00df & Konya, 2012) , plus compliqu\u00e9e pour les documents historiques, les lettres, etc., et non sur la construction d'une structure logique en lien avec la structure discursive.",
                "cite_spans": [
                    {
                        "start": 389,
                        "end": 407,
                        "text": "(Mao et al., 2003)",
                        "ref_id": "BIBREF21"
                    },
                    {
                        "start": 464,
                        "end": 487,
                        "text": "(Tokuyasu & Choub, 2001",
                        "ref_id": "BIBREF34"
                    },
                    {
                        "start": 511,
                        "end": 531,
                        "text": "(Klink et al., 2000)",
                        "ref_id": "BIBREF15"
                    },
                    {
                        "start": 907,
                        "end": 928,
                        "text": "(Aiello et al., 2002)",
                        "ref_id": "BIBREF0"
                    },
                    {
                        "start": 1086,
                        "end": 1106,
                        "text": "(Paa\u00df & Konya, 2012)",
                        "ref_id": null
                    }
                ],
                "ref_spans": [],
                "eq_spans": [],
                "section": "Introduction",
                "sec_num": "1"
            },
            {
                "text": "Au sein de la communaut\u00e9 TAL, les derni\u00e8res ann\u00e9es ont montr\u00e9 un int\u00e9r\u00eat pour les documents (P\u00e9ry-Woodley & Scott, 2006) et plusieurs approches pour la structuration de ceux-ci en lien avec le discours ont \u00e9t\u00e9 propos\u00e9es. Citons la Document Structure (Power et al., 2003) , le syst\u00e8me DArt bio (Bateman et al., 2001 ) et le Mod\u00e8le d'Architecture Textuelle (Luc & Virbel, 2001) . Ces trois approches reposent sur la Rhetorical Structure Theory (RST) (Mann & Thompson, 1988) . Cependant, bien que ces approches offrent des cadres th\u00e9oriques pouss\u00e9s, elles ont pour vocation dans leurs impl\u00e9mentations actuelles la g\u00e9n\u00e9ration automatique de textes. L'\u00e9laboration de la structure visuelle est g\u00e9n\u00e9ralement faite au travers d'une correspondance entre les structures logiques et discursives donn\u00e9es en entr\u00e9e. \u00c0 notre connaissance, il n'existe pas d'impl\u00e9mentation op\u00e9rant le proc\u00e9d\u00e9 inverse dans une optique discursive. Notons que d'autres recherches ont vis\u00e9 \u00e0 produire une structuration des textes dans l'\u00e9tude de ph\u00e9nom\u00e8nes locaux, telles que les ruptures th\u00e9matiques (Choi, 2002; Couto et al., 2004) ou encore les structures fines de texte (Hernandez & Grau, 2005) . Cependant, ces approches ne traitent pas la structuration hi\u00e9rarchique du document dans sa globalit\u00e9. \u00c0 l'inverse, (Ratt\u00e9 et al., 2007) proposent un syst\u00e8me symbolique pour l'analyse de documents, mais se limitent aux titres, aux chapitres et aux \u00e9num\u00e9rations de premier niveau (non imbriqu\u00e9es) sans proposer de liens entre ces \u00e9l\u00e9ments.",
                "cite_spans": [
                    {
                        "start": 92,
                        "end": 120,
                        "text": "(P\u00e9ry-Woodley & Scott, 2006)",
                        "ref_id": "BIBREF29"
                    },
                    {
                        "start": 240,
                        "end": 270,
                        "text": "Structure (Power et al., 2003)",
                        "ref_id": null
                    },
                    {
                        "start": 293,
                        "end": 314,
                        "text": "(Bateman et al., 2001",
                        "ref_id": "BIBREF1"
                    },
                    {
                        "start": 355,
                        "end": 375,
                        "text": "(Luc & Virbel, 2001)",
                        "ref_id": "BIBREF17"
                    },
                    {
                        "start": 448,
                        "end": 471,
                        "text": "(Mann & Thompson, 1988)",
                        "ref_id": "BIBREF20"
                    },
                    {
                        "start": 1065,
                        "end": 1077,
                        "text": "(Choi, 2002;",
                        "ref_id": "BIBREF7"
                    },
                    {
                        "start": 1078,
                        "end": 1097,
                        "text": "Couto et al., 2004)",
                        "ref_id": "BIBREF8"
                    },
                    {
                        "start": 1138,
                        "end": 1162,
                        "text": "(Hernandez & Grau, 2005)",
                        "ref_id": "BIBREF13"
                    },
                    {
                        "start": 1280,
                        "end": 1300,
                        "text": "(Ratt\u00e9 et al., 2007)",
                        "ref_id": "BIBREF31"
                    }
                ],
                "ref_spans": [],
                "eq_spans": [],
                "section": "Introduction",
                "sec_num": "1"
            },
            {
                "text": "Dans ce travail, nous proposons une repr\u00e9sentation en arbre du document au travers de relations m\u00e9tadiscursives, appel\u00e9e structure organisationnelle. Ces relations sont dites m\u00e9tadiscursives car elles ne d\u00e9pendent pas du contenu propositionnel des unit\u00e9s logiques qu'elles lient (e.g : titres, paragraphes, items, citations, etc.). Nous repr\u00e9sentons ces relations par deux relations de d\u00e9pendance : la subordination et la coordination. L'avantage premier de cette repr\u00e9sentation r\u00e9side dans la d\u00e9termination du r\u00f4le jou\u00e9 par les \u00e9l\u00e9ments logiques dans l'ensemble du document. Par exemple, un \u00e9l\u00e9ment labellis\u00e9 comme paragraphe peut avoir un r\u00f4le d'item dans une structure plus large. Ceci ouvre notamment la voie \u00e0 une t\u00e2che ult\u00e9rieure visant la reconnaissance de ph\u00e9nom\u00e8nes complexes agen\u00e7ant plusieurs unit\u00e9s (e.g : structures hi\u00e9rarchiques \u00e0 imbrications multiples, etc.). Pour construire cet arbre, notre m\u00e9thode prend en entr\u00e9e des documents PDF pr\u00e9alablement trait\u00e9s par une analyse g\u00e9om\u00e9trique avec l'outil LA-PDFText (Ramakrishnan et al., 2012) et proc\u00e8de en deux \u00e9tapes : (i) la reconnaissance des unit\u00e9s logiques au sein des documents et (ii) la construction de l'arbre liant ces unit\u00e9s logiques.",
                "cite_spans": [
                    {
                        "start": 1025,
                        "end": 1052,
                        "text": "(Ramakrishnan et al., 2012)",
                        "ref_id": "BIBREF30"
                    }
                ],
                "ref_spans": [],
                "eq_spans": [],
                "section": "Introduction",
                "sec_num": "1"
            },
            {
                "text": "Dans la section 2, nous d\u00e9crivons les diff\u00e9rentes structures et les situons dans les approches existantes. L'arbre en d\u00e9pendance est d\u00e9crit en section 3. Nous pr\u00e9sentons le corpus en section 4. Les \u00e9tapes de traitement sont d\u00e9crites en section 5 et \u00e9valu\u00e9es en section 6. Une discussion est propos\u00e9e en section 7. Enfin, nous concluons ce travail sur quelques perspectives.",
                "cite_spans": [],
                "ref_spans": [],
                "eq_spans": [],
                "section": "Introduction",
                "sec_num": "1"
            },
            {
                "text": "Bien que la majorit\u00e9 des travaux s'accorde sur le fait que plusieurs niveaux de structuration existent (visuel, logique et discursif), il n'existe pas de v\u00e9ritable consensus quant aux fronti\u00e8res entre ces niveaux. Nous proposons de d\u00e9finir ces structures et ajoutons la notion de structure logique profonde qui correspond \u00e0 notre structure organisationnelle (Section 2.1). Ensuite, nous montrons dans quelle mesure celle-ci s'int\u00e8gre dans l'un des mod\u00e8les pr\u00e9existants en structuration de documents li\u00e9s au discours (Section 2.2).",
                "cite_spans": [],
                "ref_spans": [],
                "eq_spans": [],
                "section": "D\u00e9finitions et mod\u00e8les pour la structuration de documents",
                "sec_num": "2"
            },
            {
                "text": "Nous d\u00e9finissons la structure visuelle d'un document comme la forme visuelle dans laquelle il appara\u00eet. Les unit\u00e9s visuelles sont identifi\u00e9es par des indices de nature typographique ou dispositionnelle qui peuvent suivre une convention li\u00e9e au support, au moyen de production ou au mode divulgation du document. L'unit\u00e9 \u00e9l\u00e9mentaire est l'alin\u00e9a, c'est-\u00e0dire un segment textuel encadr\u00e9 par deux moyens dispositionnels (e.g : retours \u00e0 la ligne, etc.). Plusieurs alin\u00e9as peuvent composer un bloc visuel, dit aussi unit\u00e9 visuelle complexe, lorsque l'\u00e9cart les s\u00e9parant est plus petit ou \u00e9gal \u00e0 l'interligne.",
                "cite_spans": [],
                "ref_spans": [],
                "eq_spans": [],
                "section": "D\u00e9finitions des structures",
                "sec_num": "2.1"
            },
            {
                "text": "[O-P2. ",
                "cite_spans": [],
                "ref_spans": [],
                "eq_spans": [],
                "section": "D\u00e9finitions des structures",
                "sec_num": "2.1"
            },
            {
                "text": "Bien qu'initialement orient\u00e9es pour la g\u00e9n\u00e9ration de textes, les trois approches pr\u00e9sent\u00e9es ci-dessous proposent un cadre th\u00e9orique utile pour l'analyse de la structuration de documents :",
                "cite_spans": [],
                "ref_spans": [],
                "eq_spans": [],
                "section": "Mod\u00e8les pour la structuration de documents",
                "sec_num": "2.2"
            },
            {
                "text": "La Document Structure de (Power et al., 2003) Ces marqueurs, dits m\u00e9tadiscursifs, se r\u00e9alisent sous trois formes : (i) les marqueurs dispositionnels tels que les retours \u00e0 la ligne, les retraits, etc., (ii) les marqueurs typographiques tels que les puces, les num\u00e9rotations, etc., et (iii) les marqueurs lexicaux correspondant notamment aux marqueurs d'int\u00e9gration lin\u00e9aire (MIL) (e.g :\u00ab Premi\u00e8rement \u00bb, \u00ab Deuxi\u00e8mement \u00bb, etc.). Ces trois formes peuvent \u00eatre combin\u00e9es dans la r\u00e9alisation d'une m\u00eame unit\u00e9 logique. Notons qu'une \u00e9quivalence existe entre la derni\u00e8re famille et les introducteurs de cadres de (Charolles, 1997) . Dans la suite, nous utilisons le MAT comme cadre th\u00e9orique et employons les marqueurs d\u00e9crits dans ce mod\u00e8le pour l'analyse de documents. Nous avons enrichi semi-automatiquement ces corpus par des annotations relatives \u00e0 (1) leur structure visuelle, (2) leur structure logique de surface et, enfin, (3) leur structure logique profonde. Ce travail a \u00e9t\u00e9 r\u00e9alis\u00e9 en trois \u00e9tapes successives :",
                "cite_spans": [
                    {
                        "start": 25,
                        "end": 45,
                        "text": "(Power et al., 2003)",
                        "ref_id": "BIBREF27"
                    },
                    {
                        "start": 608,
                        "end": 625,
                        "text": "(Charolles, 1997)",
                        "ref_id": "BIBREF6"
                    }
                ],
                "ref_spans": [],
                "eq_spans": [],
                "section": "Mod\u00e8les pour la structuration de documents",
                "sec_num": "2.2"
            },
            {
                "text": "(1) Les documents au format PDF ont \u00e9t\u00e9 segment\u00e9s en blocs visuels en utilisant la segmentation automatique propos\u00e9e par l'outil LA-PDFText (Ramakrishnan et al., 2012) . Cette analyse g\u00e9om\u00e9trique repose sur un algorithme qui calcule la proximit\u00e9 entre blocs de mots en prenant en compte leur position mais aussi leurs caract\u00e9ristiques typographiques locales (fonte, police). Une fois qu'un seuil calcul\u00e9 automatiquement pour chaque page est d\u00e9pass\u00e9, deux blocs de mots sont agr\u00e9g\u00e9s. Selon ce principe, cet algorithme segmente de mani\u00e8re ascendante chaque page en une s\u00e9rie de blocs visuels. Toutefois, les blocs propos\u00e9s par cet outil pr\u00e9sentant de nombreuses erreurs (e.g : des paragraphes coup\u00e9s en deux, inversions dans les blocs, notes de bas de page agglom\u00e9r\u00e9es, etc.), un traitement manuel de l'ensemble du corpus a \u00e9t\u00e9 effectu\u00e9. Au terme de cette \u00e9tape, chacun des blocs visuels contenus dans les documents est caract\u00e9ris\u00e9 dispositionnellement et, lorsqu'il s'agit d'un mot, typographiquement. La figure 2 pr\u00e9sente un extrait du corpus, o\u00f9 les attributs (",
                "cite_spans": [
                    {
                        "start": 140,
                        "end": 167,
                        "text": "(Ramakrishnan et al., 2012)",
                        "ref_id": "BIBREF30"
                    }
                ],
                "ref_spans": [],
                "eq_spans": [],
                "section": "Mod\u00e8les pour la structuration de documents",
                "sec_num": "2.2"
            },
            {
                "text": "x 1 , y 1 ) et (x 2 , y 2 )",
                "cite_spans": [],
                "ref_spans": [],
                "eq_spans": [],
                "section": "Mod\u00e8les pour la structuration de documents",
                "sec_num": "2.2"
            },
            {
                "text": "repr\u00e9sentent respectivement les coordonn\u00e9es (en pixels) du coin sup\u00e9rieur gauche d'un bloc et de son coin inf\u00e9rieur droit.",
                "cite_spans": [],
                "ref_spans": [],
                "eq_spans": [],
                "section": "Mod\u00e8les pour la structuration de documents",
                "sec_num": "2.2"
            },
            {
                "text": "<page x1=\"70\" y1=\"71\" x2=\"524\" y2=\"806\"> <chunk x1=\"70\" y1=\"346\" x2=\"524\" y2=\"360\"> <word x1=\"106\" y1=\"346\"... font=\"Arial\" style=\"16pt;Bold\">Le</Word> <word x1=\"135\" y1=\"346\"... font=\"Arial\" style=\"16pt;Bold\">sens</Word> ... </chunk> </page> FIGURE 2 -Exemple XML des propri\u00e9t\u00e9s visuelles d'un document",
                "cite_spans": [],
                "ref_spans": [],
                "eq_spans": [],
                "section": "Mod\u00e8les pour la structuration de documents",
                "sec_num": "2.2"
            },
            {
                "text": "(2) Chaque bloc visuel a \u00e9t\u00e9 annot\u00e9 avec un label logique \u00e9l\u00e9mentaire. Les labels choisis ici sont les titres (de niveau 1 \u00e0 3), les paragraphes, les items, les citations, les en-t\u00eates et les pieds de page, les bylines 5 , les notes de bas de page et, enfin, les r\u00e9f\u00e9rences bibliographiques. Un label autres a \u00e9t\u00e9 choisi pour classer par d\u00e9faut les blocs non textuels (e.g : images, tables, etc.). Cette \u00e9tape de classification des blocs visuels comprend deux temps. Premi\u00e8rement, une annotation a \u00e9t\u00e9 r\u00e9alis\u00e9e avec l'algorithme de similarit\u00e9 textuelle d\u00e9crit dans (Myers, 1986) en associant les labels logiques du corpus ANNODIS originel aux blocs visuels de notre corpus. Deuxi\u00e8mement, \u00e0 l'aide d'une interface en ligne de commande, les labels non trait\u00e9s dans ANNODIS (e.g : en-t\u00eates, notes de bas de page, etc.) ont \u00e9t\u00e9 ajout\u00e9s manuellement. Au terme de cet enrichissement, des diff\u00e9rences significatives (calcul\u00e9es par un \u03c7 2 avec un \u03b1 \u00e0 0,001) apparaissent dans les distributions de labels de LING et GEOP (Tableau 1). Le caract\u00e8re linguistique de LING implique un plus grand nombre d'items (dont 210 d\u00e9di\u00e9s \u00e0 l'\u00e9num\u00e9ration d'exemples linguistiques tir\u00e9s de corpus). Son caract\u00e8re acad\u00e9mique implique aussi un grand nombre de citations et de r\u00e9f\u00e9rences bibliographiques. Le caract\u00e8re visuellement h\u00e9t\u00e9rog\u00e8ne de GEOP s'observe au travers du grand nombre d'en-t\u00eates et pieds de page, ainsi que dans la pr\u00e9sence de nombreuses unit\u00e9s appartenant \u00e0 la classe autres (images et diagrammes). De mani\u00e8re transversale, le paragraphe est l'unit\u00e9 la plus repr\u00e9sent\u00e9e, l\u00e9g\u00e8rement en plus grand nombre dans GEOP dont les articles se veulent plus litt\u00e9raires.",
                "cite_spans": [
                    {
                        "start": 565,
                        "end": 578,
                        "text": "(Myers, 1986)",
                        "ref_id": "BIBREF24"
                    }
                ],
                "ref_spans": [],
                "eq_spans": [],
                "section": "Mod\u00e8les pour la structuration de documents",
                "sec_num": "2.2"
            },
            {
                "text": "(3) Les deux corpus ont \u00e9t\u00e9 enrichis par la structure organisationnelle des documents. Cet enrichissement a \u00e9t\u00e9 effectu\u00e9 en deux temps. Premi\u00e8rement, des arbres hi\u00e9rarchiques en d\u00e9pendance ont \u00e9t\u00e9 g\u00e9n\u00e9r\u00e9s \u00e0 partir d'une grammaire formelle d\u00e9crivant les relations a priori entre les unit\u00e9s logiques \u00e9l\u00e9mentaires. Par exemple, un item est subordonn\u00e9 au paragraphe Total  LING  304  1241 380 123  45  16  80  394  1173  82  3838  Moy.  12,1  49,6 15,2 4,9  1,8  0,6  3,2  15,7  46,9  3,2  153,5  GEOP  241  1189  72  1  171  257  122  398  25  195  2671  Moy.  11,4  56,6  3,4 0,05  8,1  12,2  5,8  18,9  1, 5 Deux t\u00e2ches pour la d\u00e9tection de la structure organisationnelle",
                "cite_spans": [],
                "ref_spans": [
                    {
                        "start": 362,
                        "end": 604,
                        "text": "Total  LING  304  1241 380 123  45  16  80  394  1173  82  3838  Moy.  12,1  49,6 15,2 4,9  1,8  0,6  3,2  15,7  46,9  3,2  153,5  GEOP  241  1189  72  1  171  257  122  398  25  195  2671  Moy.  11,4  56,6  3,4 0,05  8,1  12,2  5,8  18,9  1,",
                        "ref_id": "TABREF4"
                    }
                ],
                "eq_spans": [],
                "section": "Mod\u00e8les pour la structuration de documents",
                "sec_num": "2.2"
            },
            {
                "text": "Afin de construire l'arbre correspondant \u00e0 la structure organisationnelle des documents, nous avons d\u00e9compos\u00e9 le probl\u00e8me en deux t\u00e2ches s\u00e9quentielles : -T\u00e2che 1 : labellisation des blocs visuels issus de LA-PDFText avec les labels des unit\u00e9s logiques \u00e9l\u00e9mentaires (d\u00e9crites en Section 4) au moyen de marqueurs visuels. Chaque s\u00e9quence de labels pour un document obtenue en sortie est alors consid\u00e9r\u00e9 comme la structure logique de surface de ce document. -T\u00e2che 2 : construction avec un parseur shift-reduce de l'arbre en d\u00e9pendance reliant les unit\u00e9s logiques \u00e9l\u00e9mentaires par les relations subordination et coordination au moyen de marqueurs visuels et lexicaux, et des labels issus de la T\u00e2che 1. L'arbre en d\u00e9pendance en sortie est alors consid\u00e9r\u00e9 comme la structure logique profonde.",
                "cite_spans": [],
                "ref_spans": [],
                "eq_spans": [],
                "section": "Mod\u00e8les pour la structuration de documents",
                "sec_num": "2.2"
            },
            {
                "text": "Ces deux t\u00e2ches utilisent respectivement un Conditional Random Fields (CRFs), propos\u00e9 par (Lafferty et al., 2001) , et une r\u00e9gression logistique multinomiale, introduite en TAL par (Berger et al., 1996) ",
                "cite_spans": [
                    {
                        "start": 90,
                        "end": 113,
                        "text": "(Lafferty et al., 2001)",
                        "ref_id": "BIBREF16"
                    },
                    {
                        "start": 181,
                        "end": 202,
                        "text": "(Berger et al., 1996)",
                        "ref_id": "BIBREF2"
                    }
                ],
                "ref_spans": [],
                "eq_spans": [],
                "section": "Mod\u00e8les pour la structuration de documents",
                "sec_num": "2.2"
            },
            {
                "text": "EQUATION",
                "cite_spans": [],
                "ref_spans": [],
                "eq_spans": [
                    {
                        "start": 0,
                        "end": 8,
                        "text": "EQUATION",
                        "ref_id": "EQREF",
                        "raw_str": "p \u03b8 (y|x) = 1 Z \u03b8 (x) exp K k=1 \u03b8 k f k (y t , y t\u22121 , x t )",
                        "eq_num": "(1"
                    }
                ],
                "section": "Mod\u00e8les pour la structuration de documents",
                "sec_num": "2.2"
            },
            {
                "text": "EQUATION",
                "cite_spans": [],
                "ref_spans": [],
                "eq_spans": [
                    {
                        "start": 0,
                        "end": 8,
                        "text": "EQUATION",
                        "ref_id": "EQREF",
                        "raw_str": "p \u03b8 (y|x) = 1 Z \u03b8 (x) exp K k=1 \u03b8 k f k (y, x)",
                        "eq_num": "(2)"
                    }
                ],
                "section": "Mod\u00e8les pour la structuration de documents",
                "sec_num": "2.2"
            },
            {
                "text": "Dans les deux mod\u00e8les, Z \u03b8 (x) est une constante de normalisation qui assure que la somme des probabilit\u00e9s \u00e9gale 1, ainsi Z \u03b8 (x) assure pour le CRF y p \u03b8 f (y t , y t\u22121 , x) = 1 et pour le MaxEnt y p \u03b8 f (y, x) = 1. \u00c0 chacun des K traits f k est associ\u00e9 un param\u00e8tre \u03b8 k qui donne un poids quant \u00e0 l'appartenance de x \u00e0 y. Th\u00e9oriquement, le probl\u00e8me dual du MaxEnt, o\u00f9 il s'agit de choisir sous des contraintes calcul\u00e9es \u00e0 partir des traits la distribution maximisant l'entropie, est semblable \u00e0 celui du CRFs qui maximise la somme des entropies sous des contraintes calcul\u00e9es identiquement (Ganapathi et al., 2008) 7 . Dans la pratique, l'estimation du vecteur de param\u00e8tres \u03b8 s'effectue au travers de la maximisation, sans contraintes, de la log-vraisemblance p\u00e9nalis\u00e9e sur le corpus d'apprentissage",
                "cite_spans": [
                    {
                        "start": 592,
                        "end": 618,
                        "text": "(Ganapathi et al., 2008) 7",
                        "ref_id": null
                    }
                ],
                "ref_spans": [],
                "eq_spans": [],
                "section": "Mod\u00e8les pour la structuration de documents",
                "sec_num": "2.2"
            },
            {
                "text": "T (x (i) , y (i) ) N i=1 .",
                "cite_spans": [],
                "ref_spans": [],
                "eq_spans": [],
                "section": "Mod\u00e8les pour la structuration de documents",
                "sec_num": "2.2"
            },
            {
                "text": "Ainsi, dans les deux mod\u00e8les, l'estimateur\u03b8 est obtenu en (3) par la maximisation de L(\u03b8) (4) :",
                "cite_spans": [],
                "ref_spans": [],
                "eq_spans": [],
                "section": "Mod\u00e8les pour la structuration de documents",
                "sec_num": "2.2"
            },
            {
                "text": "EQUATION",
                "cite_spans": [],
                "ref_spans": [],
                "eq_spans": [
                    {
                        "start": 0,
                        "end": 8,
                        "text": "EQUATION",
                        "ref_id": "EQREF",
                        "raw_str": "\u03b8 = argmax \u03b8\u2208\u0398 L(\u03b8) (3) L(\u03b8) = 1 N N n=1p (x (i) , y (i) ) log p \u03b8 (y (i) |x (i) ) \u2212 \u03b1 \u2022 R(\u03b8)",
                        "eq_num": "(4)"
                    }
                ],
                "section": "Mod\u00e8les pour la structuration de documents",
                "sec_num": "2.2"
            },
            {
                "text": "o\u00f9p(x (i) , y (i) ) est la fr\u00e9quence empirique observ\u00e9e dans T , R(\u03b8) est un facteur de r\u00e9gularisation et \u03b1 son coefficient. (Sha & Pereira, 2003) .",
                "cite_spans": [
                    {
                        "start": 6,
                        "end": 9,
                        "text": "(i)",
                        "ref_id": null
                    },
                    {
                        "start": 125,
                        "end": 146,
                        "text": "(Sha & Pereira, 2003)",
                        "ref_id": "BIBREF32"
                    }
                ],
                "ref_spans": [],
                "eq_spans": [],
                "section": "Mod\u00e8les pour la structuration de documents",
                "sec_num": "2.2"
            },
            {
                "text": "Pour cette t\u00e2che, l'objectif est d'attribuer un label logique aux blocs visuels issus de LA-PDFText sur la base de leurs propri\u00e9t\u00e9s de r\u00e9alisation dans le document. L'hypoth\u00e8se est double : (i) il est possible d'attribuer un label (e.g : titre, paragraphe, item, etc.) \u00e0 un bloc visuel \u00e0 partir de sa mise en forme et (ii) les documents pr\u00e9sentent g\u00e9n\u00e9ralement leurs unit\u00e9s logiques selon une s\u00e9quence g\u00e9n\u00e9rique (e.g : g\u00e9n\u00e9ralement un titre est suivi d'un paragraphe, etc.).",
                "cite_spans": [],
                "ref_spans": [],
                "eq_spans": [],
                "section": "T\u00e2che 1 : Labellisation des blocs visuels en unit\u00e9s logiques \u00e9l\u00e9mentaires",
                "sec_num": "5.1"
            },
            {
                "text": "Par cons\u00e9quent, nous avons d\u00e9fini deux familles de traits : les traits locaux qui portent sur les informations locales d'un bloc visuel et les traits de s\u00e9quence qui donnent des informations relatives \u00e0 la position d'un bloc visuel dans la s\u00e9quence du document en cours d'apprentissage. Le tableau 3 propose un aper\u00e7u synth\u00e9tique des traits de ces deux familles. Les traits locaux se veulent g\u00e9n\u00e9riques. Ils utilisent des valeurs relatives \u00e0 chaque document (e.g : une police appara\u00eet majoritairement dans le document, il y a une indentation \u00e0 gauche, etc.) \u00e0 la place des valeurs absolues (e.g : une police de taille 10, un retrait de 40 pixels, etc.). Cette mani\u00e8re de proc\u00e9der permet de se d\u00e9tacher en partie des conventions de mise en forme, qui varient selon le support, le moyen de production ou le mode de divulgation des documents, et d'\u00e9viter d'induire des biais dans l'apprentissage. Dans la pratique, ce travail de g\u00e9n\u00e9ralisation des traits n\u00e9cessite une phase de pr\u00e9-traitement pour chaque document. Cette phase calcule le mode des variables discr\u00e8tes (e.g : marges, tailles des polices, etc.) et nominales telles que le style des polices (e.g : Times New Roman, Arial, etc.) ou la pr\u00e9sence d'emphase. Les traits ratios sont une g\u00e9n\u00e9ralisation statistique de plusieurs caract\u00e9ristiques locales au sein d'une m\u00eame formule. Les distributions de valeurs de ces ratios sont discr\u00e9tis\u00e9es par un d\u00e9coupage en d\u00e9ciles. \u00c0 chaque d\u00e9cile est associ\u00e9 un trait binaire qui renvoie vrai si le ratio du bloc visuel courant appartient \u00e0 ce d\u00e9cile.",
                "cite_spans": [],
                "ref_spans": [],
                "eq_spans": [],
                "section": "T\u00e2che 1 : Labellisation des blocs visuels en unit\u00e9s logiques \u00e9l\u00e9mentaires",
                "sec_num": "5.1"
            },
            {
                "text": "Pour cette t\u00e2che, deux objectifs sont poursuivis : (i) attribuer une relation de d\u00e9pendance entre deux unit\u00e9s logiques \u00e9l\u00e9mentaires et (ii) construire l'arbre correspondant \u00e0 l'ordonnancement de ces unit\u00e9s au sein de chaque document. Les propri\u00e9t\u00e9s hi\u00e9rarchiques de la repr\u00e9sentation de la structure organisationnelle (Section 3) offrent la possibilit\u00e9 de r\u00e9aliser ces deux objectifs simultan\u00e9ment avec des techniques comparables \u00e0 celles utilis\u00e9s en analyse syntaxique. Nous avons utilis\u00e9 l'adaptation de l'algorithme shift-reduce propos\u00e9e par (Hernandez & Grau, 2005) pour les \u00e9nonc\u00e9s, qui prend en compte les relations de subordination et de coordination. Le principe de cet algorithme \u00e0 pile est de parcourir la s\u00e9quence des unit\u00e9s logiques \u00e9l\u00e9mentaires, de gauche \u00e0 droite, et de chercher le point d'attachement optimal \u00e0 gauche pour chaque bloc. \u00c0 chaque \u00e9tape de la construction de l'arbre, au minimum deux unit\u00e9s sont simultan\u00e9ment inspect\u00e9es.",
                "cite_spans": [
                    {
                        "start": 545,
                        "end": 569,
                        "text": "(Hernandez & Grau, 2005)",
                        "ref_id": "BIBREF13"
                    }
                ],
                "ref_spans": [],
                "eq_spans": [],
                "section": "T\u00e2che 2 : Construction de l'arbre en d\u00e9pendance",
                "sec_num": "5.2"
            },
            {
                "text": "Le MaxEnt est entra\u00een\u00e9 sur trois classes ; la subordination, la coordination et l'absence de relation (not\u00e9e \u2205). Si une relation de subordination est d\u00e9tect\u00e9e, l'algorithme descend dans la structure du document (e.g : un paragraphe et un item). Si une relation de coordination est d\u00e9tect\u00e9e, l'algorithme reste au m\u00eame niveau dans le document (e.g : deux paragraphes). Enfin, si aucune relation n'est trouv\u00e9e, l'algorithme remonte dans la structure du document (e.g : un paragraphe et un titre).",
                "cite_spans": [],
                "ref_spans": [],
                "eq_spans": [],
                "section": "T\u00e2che 2 : Construction de l'arbre en d\u00e9pendance",
                "sec_num": "5.2"
            },
            {
                "text": "Les traits utilisent (i) des informations visuelles (typographiques et dispostionnelles), (ii) des informations lexicales correspondant aux marqueurs d'int\u00e9gration lin\u00e9aire, (iii) les labels des unit\u00e9s logiques \u00e9l\u00e9mentaires et, enfin, (iv) des informations li\u00e9s au parall\u00e9lisme (visuel et lexical) entre unit\u00e9s logiques. Le tableau 4 pr\u00e9sente synth\u00e9tiquement ces traits. Les marqueurs li\u00e9s aux traits visuels sont obtenus de mani\u00e8re similaire \u00e0 la T\u00e2che 1 (Section 5.1). Les traits lexique utilisent une liste pr\u00e9d\u00e9finie de marqueurs d'int\u00e9gration lin\u00e9aire. Les traits labels et parall\u00e9lisme reposent sur l'hypoth\u00e8se que nous disposons des r\u00e9sultats produits en sortie de la T\u00e2che 1.",
                "cite_spans": [],
                "ref_spans": [],
                "eq_spans": [],
                "section": "T\u00e2che 2 : Construction de l'arbre en d\u00e9pendance",
                "sec_num": "5.2"
            },
            {
                "text": "Pr\u00e9sence d'indentation, de tirets, de puces, de \u00ab : \u00bb, etc. lexique Pr\u00e9sence de marqueurs d'int\u00e9gration lin\u00e9aire (e.g : Premi\u00e8rement, Deuxi\u00e8mement, etc.). labels Paires de labels (e.g : titre-paragraphe, item-item, paragraphe-item, etc.) et \u00e9galit\u00e9 de labels parall\u00e9lisme Paragraphe entre deux items visuellement identiques, deux items mais diff\u00e9rents , etc. ",
                "cite_spans": [],
                "ref_spans": [],
                "eq_spans": [],
                "section": "Traits Informations captur\u00e9es visuels",
                "sec_num": null
            },
            {
                "text": "Pour les deux t\u00e2ches, nous avons proc\u00e9d\u00e9 \u00e0 validation crois\u00e9e (k =10) et pr\u00e9sentons les r\u00e9sultats en termes d'exactitude.",
                "cite_spans": [],
                "ref_spans": [],
                "eq_spans": [],
                "section": "\u00c9valuation",
                "sec_num": "6"
            },
            {
                "text": "T\u00e2che 1. Pour \u00e9valuer cette t\u00e2che, nous posons la baseline na\u00efve consistant \u00e0 classer tous les blocs visuels en paragraphes, qui forment la classe majoritaire dans LING et GEOP (Section 4). Pour chaque corpus, nous avons effectu\u00e9 l'\u00e9valuation selon deux configurations : (i) avec les traits locaux seuls (indices typographiques et dispostionnels) et, ensuite, (ii) avec les traits locaux adjoints aux traits de s\u00e9quence (propres au CRFs). Les r\u00e9sultats sont report\u00e9s dans le tableau 5. Dans la deuxi\u00e8me configuration, la prise en compte de la structure du document permet de palier en partie les variations locales des unit\u00e9s. Cela se traduit par des augmentations significatives (test de Wilcoxon avec \u03b1 \u00e0 0,05) par rapport \u00e0 la premi\u00e8re configuration dans LING (p < 0,01) et GEOP (p = 0,023). Toutefois, pour GEOP, cette am\u00e9lioration (\u22062,24%) n'est pas aussi \u00e9lev\u00e9e que pour LING (\u22068,81%). Cette diff\u00e9rence s'explique notamment par le caract\u00e8re moins structur\u00e9 et visuellement h\u00e9t\u00e9rog\u00e8ne de GEOP induisant une distribution diff\u00e9rente des labels lors de l'apprentissage. Dans les deux corpus, les paragraphes, largement majoritaires, sont correctement class\u00e9s : F-score de 93,47 pour GEOP et de 90,88 pour LING. Cependant, les nombreuses unit\u00e9s de la classe autres (figures, tableaux, etc.) rompent r\u00e9guli\u00e8rement la s\u00e9quence de labels dans GEOP. Ainsi, pour les items, leur nombre restreint et ces variations induisent une diminution (F-score de 26,47 face \u00e0 67,58 dans LING). Le m\u00eame ph\u00e9nom\u00e8ne appara\u00eet \u00e9galement avec les titres de niveau 2 (F-score de 53,17 face \u00e0 95,45 dans LING).",
                "cite_spans": [],
                "ref_spans": [],
                "eq_spans": [],
                "section": "\u00c9valuation",
                "sec_num": "6"
            },
            {
                "text": "Afin de diminuer les variations de distributions dans les corpus d'apprentissage, une \u00e9valuation a \u00e9t\u00e9 faite sur les deux corpus pris conjointement (LING_GEOP). Cette approche avec traits de s\u00e9quence montre aussi une hausse (\u22066,83%) par rapport aux traits locaux. La figure 3 pr\u00e9sente les courbes d'apprentissage avec les traits de s\u00e9quence sur les trois corpus. Pour obtenir ces courbes, une validation crois\u00e9e (k=10) \u00e0 \u00e9t\u00e9 ex\u00e9cut\u00e9e pour chaque n de documents choisis al\u00e9atoirement dans les 9 ensembles restants. Les r\u00e9sultats semblent indiquer qu'un agrandissement du corpus am\u00e9liore les scores. Les scores du tableau 6 ne montrent pas de diff\u00e9rences significatives entre l'approche par traits et la grammaire (test de Wilcoxon avec \u03b1 \u00e0 0,05). Deux raisons expliquent cela. Premi\u00e8rement, les relations entre les unit\u00e9s suivent majoritairement les r\u00e8gles d\u00e9finies dans la grammaire. Seuls certains cas (e.g : imbrications profondes, d\u00e9pendances de longue distance, etc.) permettent de distinguer grammaire et traits. Deuxi\u00e8mement, cette asym\u00e9trie dans la distribution des cas (respectent vs ne respectent pas la grammaire) induit un ph\u00e9nom\u00e8ne d'apprentissage de la grammaire et non des traits consid\u00e9r\u00e9s comme discriminants (e.g : deux items contigus visuellement diff\u00e9rents, un paragraphe indent\u00e9, etc.).",
                "cite_spans": [],
                "ref_spans": [],
                "eq_spans": [],
                "section": "\u00c9valuation",
                "sec_num": "6"
            },
            {
                "text": "Par cons\u00e9quent, pour mesurer l'apport de l'approche par traits, nous proposons d'\u00e9valuer uniquement les cas o\u00f9 la relation entre deux unit\u00e9s diff\u00e8re de l'ordonnancement a priori, c'est-\u00e0-dire lorsque la grammaire ne peut fournir la r\u00e9ponse correcte. Les r\u00e9sultats de cette strat\u00e9gie traits sur erreurs grammaire montrent un l\u00e9ger gain qui reste stable au travers des corpus (Tableau 7). Le pendant de cette strat\u00e9gie consiste \u00e0 \u00e9valuer les traits hors de ces cas. Ces r\u00e9sultats sont ceux de traits hors erreurs grammaire, o\u00f9 sont report\u00e9s 20 erreurs pour LING, 2 pour GEOP et 12 pour LING_GEOP. ",
                "cite_spans": [],
                "ref_spans": [],
                "eq_spans": [],
                "section": "\u00c9valuation",
                "sec_num": "6"
            },
            {
                "text": "Les labels logiques utilis\u00e9s dans les T\u00e2ches 1 et 2, ainsi que l'adoption d'une repr\u00e9sentation arbor\u00e9e sont des \u00e9l\u00e9ments partag\u00e9s avec l'Analyse de Documents. Toutefois, l'objectif de notre travail a \u00e9t\u00e9 de proposer une repr\u00e9sentation en lien avec le discours, mais restant adapt\u00e9e \u00e0 l'analyse de documents. Pour cela, il a \u00e9t\u00e9 choisi de travailler sur le typage des contenus uniquement textuels et une r\u00e9flexion a \u00e9t\u00e9 men\u00e9e sur la diff\u00e9rence entre mise en forme et r\u00f4le m\u00e9tadiscursif des unit\u00e9s (e.g : un bloc visuel format\u00e9 comme paragraphe n'endosse pas toujours le r\u00f4le de paragraphe). Les relations de d\u00e9pendance propos\u00e9es permettent de repr\u00e9senter cette diff\u00e9rence et ouvrent la voie \u00e0 l'identification de ph\u00e9nom\u00e8nes discursifs complexes (e.g : \u00e9num\u00e9rations de d\u00e9finitions, etc.). Ces choix, qui ont n\u00e9cessit\u00e9 l'enrichissement de corpus annot\u00e9s discursivement, rendent difficile l'utilisation d'outils classiques d'analyse logique. Toutefois, une comparaison externe sur des corpus partageant les m\u00eames labels textuels est une perspective imm\u00e9diate \u00e0 la T\u00e2che 1.",
                "cite_spans": [],
                "ref_spans": [],
                "eq_spans": [],
                "section": "Discussion",
                "sec_num": "7"
            },
            {
                "text": "Notre m\u00e9thode a \u00e9t\u00e9 test\u00e9e sur des corpus de natures diff\u00e9rentes (une mise en forme unifi\u00e9e et une structure complexe pour LING, un formatage h\u00e9t\u00e9rog\u00e8ne et une structure lin\u00e9aire pour GEOP). Les r\u00e9sultats obtenus pour les deux t\u00e2ches sont relativement corrects. Toutefois, des exp\u00e9riences consistant \u00e0 utiliser en s\u00e9quence les deux modules ont montr\u00e9 que la T\u00e2che 2 \u00e9tait tr\u00e8s sensible au bruit. Ceci constitue pour l'instant un aspect limitatif de notre solution.",
                "cite_spans": [],
                "ref_spans": [],
                "eq_spans": [],
                "section": "Discussion",
                "sec_num": "7"
            },
            {
                "text": "[O-P2.2]",
                "cite_spans": [],
                "ref_spans": [],
                "eq_spans": [],
                "section": "Discussion",
                "sec_num": "7"
            },
            {
                "text": "D\u00c9TECTION AUTOMATIQUE DE LA STRUCTURE ORGANISATIONNELLE DE DOCUMENTS \u00c0 PARTIR DE MARQUEURS VISUELS ET LEXICAUX \u00c9galement pour la T\u00e2che 2, il appara\u00eet que les traits lexicaux n'apportent qu'un l\u00e9ger gain par rapport \u00e0 une approche d\u00e9terministe. Deux raisons expliquent cette limite. Premi\u00e8rement, le grain choisi pour l'analyse se limite aux blocs visuellement ind\u00e9pendants et emp\u00eache de traiter les cas o\u00f9 les marqueurs d'int\u00e9gration lin\u00e9aire sont intra-paragraphiques. Or, ce type de construction est fr\u00e9quent dans le corpus ANNODIS. Une perspective consistera \u00e0 travailler avec une granularit\u00e9 plus fine, rapprochant nos travaux de ceux de (Hernandez & Grau, 2005) , mais en gardant les marqueurs visuels. Deuxi\u00e8mement, cette limite s'explique aussi par la variabilit\u00e9 du lexique qui est fonction de la langue et du corpus. Pour am\u00e9liorer le syst\u00e8me, il est n\u00e9cessaire soit d'\u00e9tendre les listes donn\u00e9es en entr\u00e9e, ce qui pr\u00e9sente un co\u00fbt, soit d'approcher la t\u00e2che de mani\u00e8re plus g\u00e9n\u00e9rique. C'est dans cette derni\u00e8re direction que nous pensons poursuivre nos recherches. Des traits incorporant des informations syntaxiques pourraient \u00eatre discriminants. Par exemple, pour l'\u00e9num\u00e9ration, il appara\u00eet couramment que la proposition de l'amorce soit li\u00e9e syntaxiquement aux propositions des items. Notons que d'autres travaux ont utilis\u00e9 conjointement mise en forme visuelle et contenu lexical (Klink et al., 2000; Ratt\u00e9 et al., 2007) , mais sans proposer une solution traitant les structures imbriqu\u00e9es sur plusieurs niveaux.",
                "cite_spans": [
                    {
                        "start": 642,
                        "end": 666,
                        "text": "(Hernandez & Grau, 2005)",
                        "ref_id": "BIBREF13"
                    },
                    {
                        "start": 1393,
                        "end": 1413,
                        "text": "(Klink et al., 2000;",
                        "ref_id": "BIBREF15"
                    },
                    {
                        "start": 1414,
                        "end": 1433,
                        "text": "Ratt\u00e9 et al., 2007)",
                        "ref_id": "BIBREF31"
                    }
                ],
                "ref_spans": [],
                "eq_spans": [],
                "section": "350",
                "sec_num": null
            },
            {
                "text": "La contribution de notre approche r\u00e9side dans la construction automatique de la structure organisationnelle de documents \u00e0 partir de marqueurs m\u00e9tadiscursifs de nature typographique, dispositionnelle et lexicale. Cette structure est repr\u00e9sent\u00e9e par un arbre en d\u00e9pendance agen\u00e7ant les unit\u00e9s logiques selon leur label et le r\u00f4le m\u00e9tadiscursif qu'elles endossent. Les perspectives g\u00e9n\u00e9rales de ce travail vont dans deux directions. Premi\u00e8rement, il est envisag\u00e9 d'\u00e9tendre notre approche aux documents num\u00e9riques tels que les pages HTML de Wikip\u00e9dia. Ces documents pr\u00e9sentent une structuration diff\u00e9rente o\u00f9 l'aspect discursif est souvent suppl\u00e9\u00e9 par des marqueurs visuels (Bush, 2003) . Leur balisage originel permettra de les faire entrer dans le syst\u00e8me directement au sein de la T\u00e2che 2. Deuxi\u00e8mement, l'utilisation de mod\u00e8les d'apprentissage non-supervis\u00e9 (clustering) est consid\u00e9r\u00e9e dans la T\u00e2che 1 afin de ne pas faire d'hypoth\u00e8se sur les labels logiques. Il s'agira de regrouper les unit\u00e9s de m\u00eames mises en forme afin d'en pr\u00e9dire le r\u00f4le m\u00e9tadiscursif commun dans un second temps.",
                "cite_spans": [
                    {
                        "start": 671,
                        "end": 683,
                        "text": "(Bush, 2003)",
                        "ref_id": "BIBREF5"
                    }
                ],
                "ref_spans": [],
                "eq_spans": [],
                "section": "Conclusion",
                "sec_num": "8"
            },
            {
                "text": ". Les structures multi-\u00e9chelles intra-paragraphiques ne sont pas trait\u00e9es dans le cadre de ce travail.[O-P2.2]",
                "cite_spans": [],
                "ref_spans": [],
                "eq_spans": [],
                "section": "",
                "sec_num": null
            }
        ],
        "back_matter": [],
        "bib_entries": {
            "BIBREF0": {
                "ref_id": "b0",
                "title": "Document understanding for a broad class of documents",
                "authors": [
                    {
                        "first": "",
                        "middle": [],
                        "last": "Aiello M",
                        "suffix": ""
                    },
                    {
                        "first": "C",
                        "middle": [],
                        "last": "Monz",
                        "suffix": ""
                    },
                    {
                        "first": "",
                        "middle": [],
                        "last": "Todoran L. & Worring M",
                        "suffix": ""
                    }
                ],
                "year": 2002,
                "venue": "International Journal on Document Analysis and Recognition",
                "volume": "5",
                "issue": "1",
                "pages": "1--16",
                "other_ids": {},
                "num": null,
                "urls": [],
                "raw_text": "AIELLO M., MONZ C., TODORAN L. & WORRING M. (2002). Document understanding for a broad class of docu- ments. International Journal on Document Analysis and Recognition, 5(1), 1-16.",
                "links": null
            },
            "BIBREF1": {
                "ref_id": "b1",
                "title": "Towards constructive text, diagram, and layout generation for information presentation",
                "authors": [
                    {
                        "first": "",
                        "middle": [],
                        "last": "Asher N. ; Dordrecht",
                        "suffix": ""
                    },
                    {
                        "first": "",
                        "middle": [],
                        "last": "Bateman J",
                        "suffix": ""
                    },
                    {
                        "first": "T",
                        "middle": [],
                        "last": "Kamps",
                        "suffix": ""
                    },
                    {
                        "first": "",
                        "middle": [],
                        "last": "Kleinz J. & Reichenberger K",
                        "suffix": ""
                    }
                ],
                "year": 1993,
                "venue": "Computational Linguistics",
                "volume": "27",
                "issue": "3",
                "pages": "409--449",
                "other_ids": {},
                "num": null,
                "urls": [],
                "raw_text": "ASHER N. (1993). Reference to Abstract Objects in Discourse. Kluwer Academic Publishers, Dordrecht. BATEMAN J., KAMPS T., KLEINZ J. & REICHENBERGER K. (2001). Towards constructive text, diagram, and layout generation for information presentation. Computational Linguistics, 27(3), 409-449.",
                "links": null
            },
            "BIBREF2": {
                "ref_id": "b2",
                "title": "A maximum entropy approach to natural language processing",
                "authors": [
                    {
                        "first": "Pietra",
                        "middle": [
                            "V"
                        ],
                        "last": "Berger A",
                        "suffix": ""
                    },
                    {
                        "first": "",
                        "middle": [],
                        "last": "Pietra S",
                        "suffix": ""
                    }
                ],
                "year": 1996,
                "venue": "Computational linguistics",
                "volume": "22",
                "issue": "1",
                "pages": "39--71",
                "other_ids": {},
                "num": null,
                "urls": [],
                "raw_text": "BERGER A., PIETRA V. & PIETRA S. (1996). A maximum entropy approach to natural language processing. Compu- tational linguistics, 22(1), 39-71.",
                "links": null
            },
            "BIBREF3": {
                "ref_id": "b3",
                "title": "Une approche mixte-statistique et structurelle-pour le r\u00e9sum\u00e9 automatique",
                "authors": [
                    {
                        "first": "",
                        "middle": [],
                        "last": "Bossard A",
                        "suffix": ""
                    }
                ],
                "year": 2009,
                "venue": "Actes de la 16e Conf\u00e9rence sur le Traitement Automatique des Langues Naturelles",
                "volume": "",
                "issue": "",
                "pages": "",
                "other_ids": {},
                "num": null,
                "urls": [],
                "raw_text": "BOSSARD A. (2009). Une approche mixte-statistique et structurelle-pour le r\u00e9sum\u00e9 automatique. In Actes de la 16e Conf\u00e9rence sur le Traitement Automatique des Langues Naturelles (TALN 2009).",
                "links": null
            },
            "BIBREF4": {
                "ref_id": "b4",
                "title": "Can text structure be incompatible with rhetorical structure ?",
                "authors": [
                    {
                        "first": "",
                        "middle": [],
                        "last": "Bouayad-Agha N",
                        "suffix": ""
                    },
                    {
                        "first": "",
                        "middle": [],
                        "last": "Power R",
                        "suffix": ""
                    },
                    {
                        "first": "",
                        "middle": [],
                        "last": "Scott D",
                        "suffix": ""
                    }
                ],
                "year": 2000,
                "venue": "Proceedings of the first international conference on Natural language generation",
                "volume": "14",
                "issue": "",
                "pages": "194--200",
                "other_ids": {},
                "num": null,
                "urls": [],
                "raw_text": "BOUAYAD-AGHA N., POWER R. & SCOTT D. (2000). Can text structure be incompatible with rhetorical structure ? In Proceedings of the first international conference on Natural language generation-Volume 14, p. 194-200 : Association for Computational Linguistics.",
                "links": null
            },
            "BIBREF5": {
                "ref_id": "b5",
                "title": "Des d\u00e9clencheurs des \u00e9num\u00e9rations d'entit\u00e9s nomm\u00e9es sur le web",
                "authors": [
                    {
                        "first": "C",
                        "middle": [],
                        "last": "Bush",
                        "suffix": ""
                    }
                ],
                "year": 2003,
                "venue": "",
                "volume": "32",
                "issue": "",
                "pages": "47--81",
                "other_ids": {},
                "num": null,
                "urls": [],
                "raw_text": "BUSH C. (2003). Des d\u00e9clencheurs des \u00e9num\u00e9rations d'entit\u00e9s nomm\u00e9es sur le web. Revue qu\u00e9b\u00e9coise de linguistique, 32(2), 47-81.",
                "links": null
            },
            "BIBREF6": {
                "ref_id": "b6",
                "title": "L'encadrement du discours",
                "authors": [
                    {
                        "first": "M",
                        "middle": [],
                        "last": "Charolles",
                        "suffix": ""
                    }
                ],
                "year": 1997,
                "venue": "Cahier de Recherche Linguistique",
                "volume": "6",
                "issue": "",
                "pages": "",
                "other_ids": {},
                "num": null,
                "urls": [],
                "raw_text": "CHAROLLES M. (1997). L'encadrement du discours. In Cahier de Recherche Linguistique, volume 6. Universit\u00e9 de Nancy.",
                "links": null
            },
            "BIBREF7": {
                "ref_id": "b7",
                "title": "Content-based Text Navigation",
                "authors": [
                    {
                        "first": "",
                        "middle": [
                            "Y Y"
                        ],
                        "last": "Choi F",
                        "suffix": ""
                    }
                ],
                "year": 2002,
                "venue": "",
                "volume": "",
                "issue": "",
                "pages": "",
                "other_ids": {},
                "num": null,
                "urls": [],
                "raw_text": "CHOI F. Y. Y. (2002). Content-based Text Navigation. PhD thesis, the University of Manchester.",
                "links": null
            },
            "BIBREF8": {
                "ref_id": "b8",
                "title": "R\u00e9gal, un syst\u00e8me pour la visualisation s\u00e9lective de documents",
                "authors": [
                    {
                        "first": "J",
                        "middle": [],
                        "last": "Couto",
                        "suffix": ""
                    },
                    {
                        "first": "O",
                        "middle": [],
                        "last": "Ferret",
                        "suffix": ""
                    },
                    {
                        "first": "",
                        "middle": [],
                        "last": "Grau B",
                        "suffix": ""
                    },
                    {
                        "first": "",
                        "middle": [],
                        "last": "Hernandez N",
                        "suffix": ""
                    },
                    {
                        "first": "",
                        "middle": [],
                        "last": "Jackiewicz A",
                        "suffix": ""
                    },
                    {
                        "first": "",
                        "middle": [],
                        "last": "Minel J.-L. & Porhiel S",
                        "suffix": ""
                    }
                ],
                "year": 2004,
                "venue": "",
                "volume": "18",
                "issue": "",
                "pages": "481--514",
                "other_ids": {},
                "num": null,
                "urls": [],
                "raw_text": "COUTO J., FERRET O., GRAU B., HERNANDEZ N., JACKIEWICZ A., MINEL J.-L. & PORHIEL S. (2004). R\u00e9gal, un syst\u00e8me pour la visualisation s\u00e9lective de documents. Revue d'intelligence artificielle, 18(4), 481-514.",
                "links": null
            },
            "BIBREF9": {
                "ref_id": "b9",
                "title": "Apprentissage supervis\u00e9 pour l'identification de relations s\u00e9mantiques au sein de structures \u00e9num\u00e9ratives parall\u00e8les",
                "authors": [
                    {
                        "first": "J",
                        "middle": [],
                        "last": "Fauconnier",
                        "suffix": ""
                    },
                    {
                        "first": "M",
                        "middle": [],
                        "last": "Kamel",
                        "suffix": ""
                    },
                    {
                        "first": "",
                        "middle": [],
                        "last": "Rothenburger B. & Aussenac-Gilles N",
                        "suffix": ""
                    }
                ],
                "year": 2013,
                "venue": "Actes de la 20e Conf\u00e9rence sur le Traitement Automatique des Langues Naturelles",
                "volume": "",
                "issue": "",
                "pages": "132--145",
                "other_ids": {},
                "num": null,
                "urls": [],
                "raw_text": "FAUCONNIER J., KAMEL M., ROTHENBURGER B. & AUSSENAC-GILLES N. (2013). Apprentissage supervis\u00e9 pour l'identification de relations s\u00e9mantiques au sein de structures \u00e9num\u00e9ratives parall\u00e8les. In Actes de la 20e Conf\u00e9rence sur le Traitement Automatique des Langues Naturelles (TALN 2013), p. 132-145.",
                "links": null
            },
            "BIBREF10": {
                "ref_id": "b10",
                "title": "Constrained approximate maximum entropy learning of markov random fields",
                "authors": [
                    {
                        "first": "",
                        "middle": [],
                        "last": "Ganapathi V",
                        "suffix": ""
                    },
                    {
                        "first": "D",
                        "middle": [],
                        "last": "Vickrey",
                        "suffix": ""
                    },
                    {
                        "first": "J",
                        "middle": [
                            "&"
                        ],
                        "last": "Duchi",
                        "suffix": ""
                    },
                    {
                        "first": "",
                        "middle": [],
                        "last": "Koller D",
                        "suffix": ""
                    }
                ],
                "year": 2008,
                "venue": "Conference on uncertainty in artificial intelligence (UAI)",
                "volume": "",
                "issue": "",
                "pages": "",
                "other_ids": {},
                "num": null,
                "urls": [],
                "raw_text": "GANAPATHI V., VICKREY D., DUCHI J. & KOLLER D. (2008). Constrained approximate maximum entropy learning of markov random fields. In Conference on uncertainty in artificial intelligence (UAI). [O-P2.2]",
                "links": null
            },
            "BIBREF12": {
                "ref_id": "b12",
                "title": "Structures math\u00e9matiques du language. Dunod",
                "authors": [
                    {
                        "first": "Harris",
                        "middle": [
                            "Z"
                        ],
                        "last": "",
                        "suffix": ""
                    }
                ],
                "year": 1971,
                "venue": "",
                "volume": "",
                "issue": "",
                "pages": "",
                "other_ids": {},
                "num": null,
                "urls": [],
                "raw_text": "HARRIS Z. (1971). Structures math\u00e9matiques du language. Dunod. Paris, France.",
                "links": null
            },
            "BIBREF13": {
                "ref_id": "b13",
                "title": "D\u00e9tection automatique de structures fines de texte",
                "authors": [
                    {
                        "first": "",
                        "middle": [
                            "&"
                        ],
                        "last": "Hernandez N",
                        "suffix": ""
                    },
                    {
                        "first": "",
                        "middle": [],
                        "last": "Grau B",
                        "suffix": ""
                    }
                ],
                "year": 2005,
                "venue": "Actes de la 12e Conf\u00e9rence sur le Traitement Automatique des Langues Naturelles",
                "volume": "",
                "issue": "",
                "pages": "",
                "other_ids": {},
                "num": null,
                "urls": [],
                "raw_text": "HERNANDEZ N. & GRAU B. (2005). D\u00e9tection automatique de structures fines de texte. In Actes de la 12e Conf\u00e9rence sur le Traitement Automatique des Langues Naturelles (TALN 2005).",
                "links": null
            },
            "BIBREF14": {
                "ref_id": "b14",
                "title": "Anatomie des structures \u00e9num\u00e9ratives",
                "authors": [
                    {
                        "first": "",
                        "middle": [],
                        "last": "Ho-Dac L.-M",
                        "suffix": ""
                    },
                    {
                        "first": "",
                        "middle": [],
                        "last": "P\u00e9ry-Woodley M.-P. & Tanguy L",
                        "suffix": ""
                    }
                ],
                "year": 2010,
                "venue": "Actes de la 17e conf\u00e9rence sur le Traitement Automatique des Langues Naturelles",
                "volume": "",
                "issue": "",
                "pages": "",
                "other_ids": {},
                "num": null,
                "urls": [],
                "raw_text": "HO-DAC L.-M., P\u00c9RY-WOODLEY M.-P. & TANGUY L. (2010). Anatomie des structures \u00e9num\u00e9ratives. In Actes de la 17e conf\u00e9rence sur le Traitement Automatique des Langues Naturelles (TALN 2010).",
                "links": null
            },
            "BIBREF15": {
                "ref_id": "b15",
                "title": "Document structure analysis based on layout and textual features",
                "authors": [
                    {
                        "first": "",
                        "middle": [],
                        "last": "Klink S",
                        "suffix": ""
                    },
                    {
                        "first": "",
                        "middle": [],
                        "last": "Dengel A. & Kieninger T",
                        "suffix": ""
                    }
                ],
                "year": 2000,
                "venue": "Proc. of International Workshop on Document Analysis Systems, DAS2000",
                "volume": "",
                "issue": "",
                "pages": "99--111",
                "other_ids": {},
                "num": null,
                "urls": [],
                "raw_text": "KLINK S., DENGEL A. & KIENINGER T. (2000). Document structure analysis based on layout and textual features. In Proc. of International Workshop on Document Analysis Systems, DAS2000, p. 99-111 : Citeseer.",
                "links": null
            },
            "BIBREF16": {
                "ref_id": "b16",
                "title": "Conditional random fields : Probabilistic models for segmenting and labeling sequence data",
                "authors": [
                    {
                        "first": "J",
                        "middle": [],
                        "last": "Lafferty",
                        "suffix": ""
                    },
                    {
                        "first": "",
                        "middle": [],
                        "last": "Mccallum A",
                        "suffix": ""
                    },
                    {
                        "first": "",
                        "middle": [],
                        "last": "Pereira F",
                        "suffix": ""
                    }
                ],
                "year": 2001,
                "venue": "",
                "volume": "",
                "issue": "",
                "pages": "",
                "other_ids": {},
                "num": null,
                "urls": [],
                "raw_text": "LAFFERTY J., MCCALLUM A. & PEREIRA F. (2001). Conditional random fields : Probabilistic models for segmenting and labeling sequence data. Department of Computer & Information Science, University of Pennsylvania.",
                "links": null
            },
            "BIBREF17": {
                "ref_id": "b17",
                "title": "Le mod\u00e8le d'architecture textuelle : fondements et exp\u00e9rimentation. Verbum",
                "authors": [
                    {
                        "first": "C",
                        "middle": [
                            "&"
                        ],
                        "last": "Luc",
                        "suffix": ""
                    },
                    {
                        "first": "",
                        "middle": [],
                        "last": "Virbel J",
                        "suffix": ""
                    }
                ],
                "year": 2001,
                "venue": "",
                "volume": "",
                "issue": "",
                "pages": "103--123",
                "other_ids": {},
                "num": null,
                "urls": [],
                "raw_text": "LUC C. & VIRBEL J. (2001). Le mod\u00e8le d'architecture textuelle : fondements et exp\u00e9rimentation. Verbum, (1), 103-123.",
                "links": null
            },
            "BIBREF18": {
                "ref_id": "b18",
                "title": "Discourse relations and document structure. Linguistic modeling of information and markup languages",
                "authors": [
                    {
                        "first": "H",
                        "middle": [],
                        "last": "L\u00fcngen",
                        "suffix": ""
                    },
                    {
                        "first": "M",
                        "middle": [],
                        "last": "B\u00e4renf\u00e4nger",
                        "suffix": ""
                    },
                    {
                        "first": "Hilbert",
                        "middle": [
                            "M"
                        ],
                        "last": "Lobin H. & Pusk\u00e1s C",
                        "suffix": ""
                    }
                ],
                "year": 2010,
                "venue": "",
                "volume": "1",
                "issue": "",
                "pages": "97--123",
                "other_ids": {},
                "num": null,
                "urls": [],
                "raw_text": "L\u00dcNGEN H., B\u00c4RENF\u00c4NGER M., HILBERT M., LOBIN H. & PUSK\u00c1S C. (2010). Discourse relations and document structure. Linguistic modeling of information and markup languages, 1, 97-123.",
                "links": null
            },
            "BIBREF19": {
                "ref_id": "b19",
                "title": "A comparison of algorithms for maximum entropy parameter estimation",
                "authors": [
                    {
                        "first": "",
                        "middle": [],
                        "last": "Malouf R",
                        "suffix": ""
                    }
                ],
                "year": 2002,
                "venue": "proceedings of the 6th conference on Natural language learning",
                "volume": "",
                "issue": "",
                "pages": "1--7",
                "other_ids": {},
                "num": null,
                "urls": [],
                "raw_text": "MALOUF R. (2002). A comparison of algorithms for maximum entropy parameter estimation. In proceedings of the 6th conference on Natural language learning, p. 1-7 : Association for Computational Linguistics.",
                "links": null
            },
            "BIBREF20": {
                "ref_id": "b20",
                "title": "Rhetorical structure theory : Toward a functional theory of text organization",
                "authors": [
                    {
                        "first": "",
                        "middle": [
                            "&"
                        ],
                        "last": "Mann W",
                        "suffix": ""
                    },
                    {
                        "first": "",
                        "middle": [],
                        "last": "Thompson S",
                        "suffix": ""
                    }
                ],
                "year": 1988,
                "venue": "Text",
                "volume": "8",
                "issue": "3",
                "pages": "243--281",
                "other_ids": {},
                "num": null,
                "urls": [],
                "raw_text": "MANN W. & THOMPSON S. (1988). Rhetorical structure theory : Toward a functional theory of text organization. Text, 8(3), 243-281.",
                "links": null
            },
            "BIBREF21": {
                "ref_id": "b21",
                "title": "Document structure analysis algorithms : a literature survey",
                "authors": [
                    {
                        "first": "Mao",
                        "middle": [
                            "S"
                        ],
                        "last": "Rosenfeld A",
                        "suffix": ""
                    },
                    {
                        "first": "",
                        "middle": [],
                        "last": "Kanungo T",
                        "suffix": ""
                    }
                ],
                "year": 2003,
                "venue": "International Society for Optics and Photonics",
                "volume": "",
                "issue": "",
                "pages": "197--207",
                "other_ids": {},
                "num": null,
                "urls": [],
                "raw_text": "MAO S., ROSENFELD A. & KANUNGO T. (2003). Document structure analysis algorithms : a literature survey. In Electronic Imaging 2003, p. 197-207 : International Society for Optics and Photonics.",
                "links": null
            },
            "BIBREF22": {
                "ref_id": "b22",
                "title": "Automatic discourse parsing",
                "authors": [
                    {
                        "first": "",
                        "middle": [],
                        "last": "Marcu D",
                        "suffix": ""
                    }
                ],
                "year": 2006,
                "venue": "Encyclopedia of Language and Linguistics",
                "volume": "",
                "issue": "",
                "pages": "",
                "other_ids": {},
                "num": null,
                "urls": [],
                "raw_text": "MARCU D. (2006). Automatic discourse parsing. In K. BROWN, Ed., Encyclopedia of Language and Linguistics. Elsevier, 2nd edition.",
                "links": null
            },
            "BIBREF23": {
                "ref_id": "b23",
                "title": "Maximum entropy markov models for information extraction and segmentation",
                "authors": [
                    {
                        "first": "",
                        "middle": [],
                        "last": "Mccallum A",
                        "suffix": ""
                    },
                    {
                        "first": "D",
                        "middle": [
                            "&"
                        ],
                        "last": "Freitag",
                        "suffix": ""
                    },
                    {
                        "first": "",
                        "middle": [],
                        "last": "Pereira F",
                        "suffix": ""
                    }
                ],
                "year": 2000,
                "venue": "ICML",
                "volume": "",
                "issue": "",
                "pages": "591--598",
                "other_ids": {},
                "num": null,
                "urls": [],
                "raw_text": "MCCALLUM A., FREITAG D. & PEREIRA F. (2000). Maximum entropy markov models for information extraction and segmentation. In ICML, p. 591-598.",
                "links": null
            },
            "BIBREF24": {
                "ref_id": "b24",
                "title": "Ano (nd) difference algorithm and its variations",
                "authors": [
                    {
                        "first": "",
                        "middle": [
                            "W"
                        ],
                        "last": "Myers E",
                        "suffix": ""
                    }
                ],
                "year": 1986,
                "venue": "Algorithmica",
                "volume": "1",
                "issue": "1-4",
                "pages": "251--266",
                "other_ids": {},
                "num": null,
                "urls": [],
                "raw_text": "MYERS E. W. (1986). Ano (nd) difference algorithm and its variations. Algorithmica, 1(1-4), 251-266.",
                "links": null
            },
            "BIBREF25": {
                "ref_id": "b25",
                "title": "The linguistics of punctuation. Number 18",
                "authors": [
                    {
                        "first": "G",
                        "middle": [],
                        "last": "Nunberg",
                        "suffix": ""
                    }
                ],
                "year": 1990,
                "venue": "",
                "volume": "",
                "issue": "",
                "pages": "",
                "other_ids": {},
                "num": null,
                "urls": [],
                "raw_text": "NUNBERG G. (1990). The linguistics of punctuation. Number 18. CSLI Publications.",
                "links": null
            },
            "BIBREF26": {
                "ref_id": "b26",
                "title": "Modeling, Learning, and Processing of Text Technological Data Structures",
                "authors": [
                    {
                        "first": "",
                        "middle": [],
                        "last": "Paass G. & Konya I",
                        "suffix": ""
                    }
                ],
                "year": 2012,
                "venue": "chapter Part V : Document Structure Learning",
                "volume": "370",
                "issue": "",
                "pages": "221--247",
                "other_ids": {},
                "num": null,
                "urls": [],
                "raw_text": "PAASS G. & KONYA I. (2012). Machine learning for document structure recognition. In A. MEHLER, K.-U. K\u00dcHN- BERGER, H. LOBIN, H. L\u00dcNGEN, A. STORRER & A. WITT, Eds., Modeling, Learning, and Processing of Text Tech- nological Data Structures, volume 370 of Studies in Computational Intelligence, chapter Part V : Document Structure Learning, p. 221-247. Springer.",
                "links": null
            },
            "BIBREF27": {
                "ref_id": "b27",
                "title": "Document structure",
                "authors": [
                    {
                        "first": "",
                        "middle": [],
                        "last": "Power R",
                        "suffix": ""
                    },
                    {
                        "first": "",
                        "middle": [
                            "&"
                        ],
                        "last": "Scott D",
                        "suffix": ""
                    },
                    {
                        "first": "",
                        "middle": [],
                        "last": "Bouayad-Agha N",
                        "suffix": ""
                    }
                ],
                "year": 2003,
                "venue": "Computational Linguistics",
                "volume": "29",
                "issue": "2",
                "pages": "211--260",
                "other_ids": {},
                "num": null,
                "urls": [],
                "raw_text": "POWER R., SCOTT D. & BOUAYAD-AGHA N. (2003). Document structure. Computational Linguistics, 29(2), 211-260.",
                "links": null
            },
            "BIBREF28": {
                "ref_id": "b28",
                "title": "La ressource annodis, un corpus enrichi d'annotations discursives",
                "authors": [
                    {
                        "first": "P\u00e9ry-Woodley M.-P",
                        "middle": [
                            "D"
                        ],
                        "last": "Afantenos S",
                        "suffix": ""
                    },
                    {
                        "first": "",
                        "middle": [],
                        "last": "Ho-Dac L.-M. & Asher N",
                        "suffix": ""
                    }
                ],
                "year": 2011,
                "venue": "Traitement Automatique des Langues (TAL)",
                "volume": "52",
                "issue": "3",
                "pages": "71--101",
                "other_ids": {},
                "num": null,
                "urls": [],
                "raw_text": "P\u00c9RY-WOODLEY M.-P., AFANTENOS S. D., HO-DAC L.-M. & ASHER N. (2011). La ressource annodis, un corpus enrichi d'annotations discursives. Traitement Automatique des Langues (TAL), 52(3), 71-101.",
                "links": null
            },
            "BIBREF29": {
                "ref_id": "b29",
                "title": "Computational approaches to discourse and document processing",
                "authors": [
                    {
                        "first": "P\u00e9ry-Woodley M.-P",
                        "middle": [],
                        "last": "Scott D",
                        "suffix": ""
                    }
                ],
                "year": 2006,
                "venue": "TAL",
                "volume": "47",
                "issue": "2",
                "pages": "7--19",
                "other_ids": {},
                "num": null,
                "urls": [],
                "raw_text": "P\u00c9RY-WOODLEY M.-P. & SCOTT D. (2006). Computational approaches to discourse and document processing. TAL, 47(2), 7-19.",
                "links": null
            },
            "BIBREF30": {
                "ref_id": "b30",
                "title": "Layout-aware text extraction from full-text pdf of scientific articles",
                "authors": [
                    {
                        "first": "C",
                        "middle": [],
                        "last": "Ramakrishnan",
                        "suffix": ""
                    },
                    {
                        "first": "",
                        "middle": [],
                        "last": "Patnia A",
                        "suffix": ""
                    },
                    {
                        "first": "",
                        "middle": [
                            "H"
                        ],
                        "last": "Hovy E",
                        "suffix": ""
                    },
                    {
                        "first": "",
                        "middle": [],
                        "last": "Burns G",
                        "suffix": ""
                    }
                ],
                "year": 2012,
                "venue": "Source code for biology and medicine",
                "volume": "7",
                "issue": "1",
                "pages": "",
                "other_ids": {},
                "num": null,
                "urls": [],
                "raw_text": "RAMAKRISHNAN C., PATNIA A., HOVY E. H. & BURNS G. (2012). Layout-aware text extraction from full-text pdf of scientific articles. Source code for biology and medicine, 7(1).",
                "links": null
            },
            "BIBREF31": {
                "ref_id": "b31",
                "title": "Highlighting document's structure",
                "authors": [
                    {
                        "first": "Ratt\u00e9",
                        "middle": [
                            "S"
                        ],
                        "last": "Njomgue W. & M\u00e9nard P.-A",
                        "suffix": ""
                    }
                ],
                "year": 2007,
                "venue": "International Journal of Computer Science & Engineering",
                "volume": "",
                "issue": "2",
                "pages": "",
                "other_ids": {},
                "num": null,
                "urls": [],
                "raw_text": "RATT\u00c9 S., NJOMGUE W. & M\u00c9NARD P.-A. (2007). Highlighting document's structure. International Journal of Computer Science & Engineering, 1(2).",
                "links": null
            },
            "BIBREF32": {
                "ref_id": "b32",
                "title": "Shallow parsing with conditional random fields",
                "authors": [
                    {
                        "first": "Sha",
                        "middle": [
                            "F &"
                        ],
                        "last": "Pereira F",
                        "suffix": ""
                    }
                ],
                "year": 2003,
                "venue": "Proceedings of the 2003 Conference of the North American Chapter of the Association for Computational Linguistics on Human Language Technology",
                "volume": "1",
                "issue": "",
                "pages": "134--141",
                "other_ids": {},
                "num": null,
                "urls": [],
                "raw_text": "SHA F. & PEREIRA F. (2003). Shallow parsing with conditional random fields. In Proceedings of the 2003 Conference of the North American Chapter of the Association for Computational Linguistics on Human Language Technology-Volume 1, p. 134-141 : Association for Computational Linguistics.",
                "links": null
            },
            "BIBREF33": {
                "ref_id": "b33",
                "title": "Improving the accessibility of digital documents for blind users : contributions of the textual architecture model",
                "authors": [
                    {
                        "first": "",
                        "middle": [],
                        "last": "Sorin L",
                        "suffix": ""
                    },
                    {
                        "first": "M",
                        "middle": [],
                        "last": "Mojahid",
                        "suffix": ""
                    },
                    {
                        "first": "",
                        "middle": [],
                        "last": "Aussenac-Gilles N. & Lemari\u00e9 J",
                        "suffix": ""
                    }
                ],
                "year": 2013,
                "venue": "",
                "volume": "",
                "issue": "",
                "pages": "399--407",
                "other_ids": {},
                "num": null,
                "urls": [],
                "raw_text": "SORIN L., MOJAHID M., AUSSENAC-GILLES N. & LEMARI\u00c9 J. (2013). Improving the accessibility of digital docu- ments for blind users : contributions of the textual architecture model. In M. A. CONSTANTINE STEPHANIDIS, Ed., Universal Access in Human-Computer Interaction. Applications and Services for Quality of Life, p. 399-407. Springer.",
                "links": null
            },
            "BIBREF34": {
                "ref_id": "b34",
                "title": "Turbo recognition : a statistical approach to layout analysis",
                "authors": [
                    {
                        "first": "",
                        "middle": [
                            "A"
                        ],
                        "last": "Tokuyasu T",
                        "suffix": ""
                    },
                    {
                        "first": "",
                        "middle": [
                            "A"
                        ],
                        "last": "Choub P",
                        "suffix": ""
                    }
                ],
                "year": 2001,
                "venue": "Proceedings of SPIE",
                "volume": "4307",
                "issue": "",
                "pages": "",
                "other_ids": {},
                "num": null,
                "urls": [],
                "raw_text": "TOKUYASU T. A. & CHOUB P. A. (2001). Turbo recognition : a statistical approach to layout analysis. In Proceedings of SPIE, volume 4307, p. 124.",
                "links": null
            },
            "BIBREF35": {
                "ref_id": "b35",
                "title": "Approche cognitive de la spatialisation du langage. de la mod\u00e9lisation de structures spatio-linguistiques des textes \u00e0 l'exp\u00e9rimentation psycholinguistique : le cas d'un objet textuel, l'\u00e9num\u00e9ration",
                "authors": [
                    {
                        "first": "",
                        "middle": [],
                        "last": "Vergez-Couret M",
                        "suffix": ""
                    },
                    {
                        "first": "M",
                        "middle": [],
                        "last": "Bras",
                        "suffix": ""
                    },
                    {
                        "first": "L",
                        "middle": [],
                        "last": "Prevot",
                        "suffix": ""
                    },
                    {
                        "first": "L",
                        "middle": [],
                        "last": "Vieu",
                        "suffix": ""
                    },
                    {
                        "first": "C",
                        "middle": [],
                        "last": "Attalah",
                        "suffix": ""
                    }
                ],
                "year": 2005,
                "venue": "",
                "volume": "",
                "issue": "",
                "pages": "233--254",
                "other_ids": {},
                "num": null,
                "urls": [],
                "raw_text": "VERGEZ-COURET M., BRAS M., PREVOT L., VIEU L., ATTALAH C. et al. (2011). The discourse contribution of enumerative structures involving 'pour deux raisons'. In Procceedings of Constraints in Discourse. VIRBEL J., LUC C., SCHMID S., CARRIO L., DOMINGUEZ C., P\u00c9RY-WOODLEY M.-P., JACQUEMIN C., MOJAHID M., BACCINO T. & GARCIADEBANC C. (2005). Approche cognitive de la spatialisation du langage. de la mod\u00e9lisation de structures spatio-linguistiques des textes \u00e0 l'exp\u00e9rimentation psycholinguistique : le cas d'un objet textuel, l'\u00e9num\u00e9- ration. In C. THINUS-BLANC & J. BULLIER, Eds., Agir dans l'Espace, chapter 12, p. 233-254. Paris : Editions de la MSH.",
                "links": null
            }
        },
        "ref_entries": {
            "FIGREF0": {
                "text": "7. Ce probl\u00e8me dual est celui du mod\u00e8le Maximum Entropy Markov Models (HMMs) (McCallum et al., 2000) que le CRFs partage. 8. http://crf.sourceforge.net [O-P2.2] JEAN-PHILIPPE FAUCONNIER, LAURENT SORIN, MOUNA KAMEL, MUSTAPHA MOJAHID, NATHALIE AUSSENAC-GILLES",
                "uris": null,
                "type_str": "figure",
                "num": null
            },
            "FIGREF1": {
                "text": "Courbes d'apprentissage pour LING, GEOP et LING_GEOP (T\u00e2che 1)",
                "uris": null,
                "type_str": "figure",
                "num": null
            },
            "TABREF0": {
                "html": null,
                "type_str": "table",
                "num": null,
                "text": "La structure logique d'un document se d\u00e9finit comme un niveau abstrait ordonnant le document en unit\u00e9s logiques \u00e9l\u00e9mentaires et unit\u00e9s logiques complexes. Ces unit\u00e9s sont dites logiques, car elles participent \u00e0 la compr\u00e9hension du texte en y jouant un r\u00f4le m\u00e9tadiscursif, c'est-\u00e0-dire ind\u00e9pendant de leur contenu propositionnel. \u00c0 ce niveau, nous posons pour les besoins de l'analyse deux sous-structures dont la distinction est graduelle :-La structure logique de surface d'un document est compos\u00e9e d'unit\u00e9s logiques \u00e9l\u00e9mentaires.",
                "content": "<table><tr><td>D\u00c9TECTION AUTOMATIQUE DE LA STRUCTURE ORGANISATIONNELLE DE DOCUMENTS \u00c0 PARTIR DE MARQUEURS 2] VISUELS ET LEXICAUX</td></tr><tr><td>Ces unit\u00e9s peuvent</td></tr><tr><td>\u00eatre un titre, un paragraphe, une note de bas de page, une citation, une r\u00e9f\u00e9rence bibliographique, mais aussi</td></tr><tr><td>l'alin\u00e9a. \u00c0 ce niveau, le nom de chacune de ces unit\u00e9s d\u00e9note le r\u00f4le m\u00e9tadiscursif (ou son absence pour l'alin\u00e9a)</td></tr><tr><td>qu'elle joue dans le texte. Cette liste correspond en partie \u00e0 ce qui est propos\u00e9 dans les langages de balisage tels</td></tr><tr><td>que HTML ou L A T E X, o\u00f9 une distinction est faite entre contenu et mise en forme. Pour des raisons pratiques, ces</td></tr><tr><td>langages permettent de repr\u00e9senter l'alin\u00e9a sans pour autant qu'il soit balis\u00e9. Notons que (Power et al., 2003)</td></tr><tr><td>proposent une description des liens entre la structure logique de surface et les langages de balisage.</td></tr><tr><td>-La structure logique profonde correspond \u00e0 la structure organisationnelle d'un document. Celle-ci ordonne les</td></tr><tr><td>unit\u00e9s logiques \u00e9l\u00e9mentaires en unit\u00e9s logiques complexes et correspond \u00e0 l'organisation du document telle que</td></tr><tr><td>voulue par son auteur. Les unit\u00e9s complexes peuvent \u00eatre des sections, des structures hi\u00e9rarchiques, etc., et peuvent</td></tr><tr><td>s'imbriquer, se chevaucher ou encore se superposer. Au sein de cette structure, un ph\u00e9nom\u00e8ne de changement de</td></tr><tr><td>r\u00f4le peut appara\u00eetre. Une unit\u00e9 consid\u00e9r\u00e9e comme paragraphe lorsqu'elle est prise isol\u00e9ment peut endosser le r\u00f4le</td></tr><tr><td>d'item au sein d'une structure hi\u00e9rarchique. Ceci survient lorsque ce paragraphe n'est pas mis en forme comme</td></tr><tr><td>un item et pr\u00e9sente des connecteurs tels que \u00ab Premi\u00e8rement \u00bb, \u00ab Deuxi\u00e8mement \u00bb, etc. \u00c0 ce niveau, les unit\u00e9s</td></tr><tr><td>entretiennent entre elles des relations complexes que nous qualifions de m\u00e9tadiscursives.</td></tr><tr><td>Enfin, la structure discursive d'un document est la structure qui ordonne son message. Les unit\u00e9s \u00e9l\u00e9mentaires et com-</td></tr><tr><td>plexes de discours sont li\u00e9es les unes aux autres par des relations rh\u00e9toriques (Mann &amp; Thompson, 1988; Asher, 1993).</td></tr><tr><td>Il existe une interd\u00e9pendance forte entre les unit\u00e9s de discours et les unit\u00e9s logiques, car le contexte d'apparition d'une</td></tr><tr><td>unit\u00e9 influence le r\u00f4le qu'elle joue dans la compr\u00e9hension d'un texte.</td></tr><tr><td>342</td></tr></table>"
            },
            "TABREF2": {
                "html": null,
                "type_str": "table",
                "num": null,
                "text": "3 Repr\u00e9sentation hi\u00e9rarchique de la structure organisationnelle Nous repr\u00e9sentons la structure organisationnelle par un arbre en d\u00e9pendance organisant hi\u00e9rarchiquement les unit\u00e9s logiques \u00e9l\u00e9mentaires, telles que les titres, les paragraphes, les items, etc. (Section 2.1). De mani\u00e8re comparable aux travaux de(Choi, 2002) et (Hernandez & Grau, 2005 sur les \u00e9nonc\u00e9s, nous proposons de repr\u00e9senter les relations entre unit\u00e9s par des relations de subordination et de coordination. Une m\u00eame relation de subordination est partag\u00e9e par deux unit\u00e9s coordonn\u00e9es. Et nous posons le noeud factice texte comme racine de l'arbre.L\u00fcngen et al., 2010) qui abordent cette probl\u00e9matique.Dans la figure 1, nous proposons deux exemples de correspondance entre un document et sa structure organisationnelle. Dans chacun d'eux, le document est repr\u00e9sent\u00e9 par un sch\u00e9ma o\u00f9 les paragraphes d\u00e9butent par une majuscule, les items par une puce et les titres sont num\u00e9rot\u00e9s. Dans l'arbre, les relations de subordination sont repr\u00e9sent\u00e9es par des arcs continus et les relations de coordination par des arcs en pointill\u00e9.FIGURE 1 -Correspondances entre documents et structures organisationnelles L'exemple (a) pr\u00e9sente une organisation hi\u00e9rarchique prenant en compte la titraille, ainsi qu'une structure multi-\u00e9chelle. Une structure multi-\u00e9chelle, d\u00e9finie par (Ho-Dac et al., 2010), est une unit\u00e9 logique complexe qui peut appara\u00eetre \u00e0 tous les niveaux du documents (intra-paragraphique 1 , multi-paragraphique, sous-section, section, etc.). Elle se compose d'une amorce, d'une \u00e9num\u00e9ration comprenant au-moins deux items, et optionnellement d'une cl\u00f4ture. En organisant leurs items au sein d'une relation d'\u00e9galit\u00e9 selon un crit\u00e8re de co\u00e9num\u00e9rabilit\u00e9 (implicite ou explicite), les structures multi-\u00e9chelles participent \u00e0 la coh\u00e9sion textuelle (P\u00e9ry-Woodley et al., 2011). Dans (a), la structure multi-\u00e9chelle est mise en forme visuellement par des indices dispositionnels (les retraits) et des indices typographiques (les puces). L'exemple (b) montre deux structures multi-\u00e9chelles imbriqu\u00e9es. La premi\u00e8re pr\u00e9sente des items qui localement endossent le r\u00f4le de paragraphe et qui sont introduits par des marqueurs lexicaux. La seconde, qui est imbriqu\u00e9e, est mise en forme comme dans (a). D\u00c9TECTION AUTOMATIQUE DE LA STRUCTURE ORGANISATIONNELLE DE DOCUMENTS \u00c0 PARTIR DE MARQUEURS VISUELS ET LEXICAUX 4 Construction d'un corpus enrichi visuellement et logiquement Dans l'objectif d'impl\u00e9menter des approches par apprentissage supervis\u00e9, il a d'abord \u00e9t\u00e9 n\u00e9cessaire de construire un corpus riche en marqueurs visuels (typographiques et dispositionnels) et lexicaux. Les corpus LING et GEOP, inclus dans le corpus ANNODIS (P\u00e9ry-Woodley et al., 2011), ont \u00e9t\u00e9 choisis comme point de d\u00e9part car ils pr\u00e9sentent deux propri\u00e9t\u00e9s : (i) une repr\u00e9sentation native au format PDF et (ii) une annotation des structures multi-\u00e9chelles.Le corpus LING est constitu\u00e9 de 25 articles scientifiques issus des actes du CMLF 2008 2 . Le corpus GEOP est constitu\u00e9 de 21 3 rapports/articles de l'IFRI 4 . Ces deux corpus permettent d'exp\u00e9rimenter deux terrains sp\u00e9cifiques. Au niveau de la structure visuelle, LING pr\u00e9sente une mise en forme unifi\u00e9e (convention du CMLF), alors que GEOP pr\u00e9sente des documents tr\u00e8s h\u00e9t\u00e9rog\u00e8nes. Au niveau de la structure organisationnelle, LING est relativement complexe, pr\u00e9sentant notamment de nombreuses structures multi-\u00e9chelles imbriqu\u00e9es, tandis que GEOP est plus lin\u00e9aire.",
                "content": "<table/>"
            },
            "TABREF3": {
                "html": null,
                "type_str": "table",
                "num": null,
                "text": "2. Congr\u00e8s Mondial de Linguistique Fran\u00e7aise 3. Sur les 32 articles de GEOP, 21 ont \u00e9t\u00e9 s\u00e9lectionn\u00e9s car consid\u00e9r\u00e9s comme repr\u00e9sentatifs des propri\u00e9t\u00e9s visuelles et logiques du corpus. 4. Institut Fran\u00e7ais de Relations Internationales 5. Le terme byline est un terme g\u00e9n\u00e9rique utilis\u00e9 pour d\u00e9signer les lignes de texte en d\u00e9but de document consacr\u00e9es \u00e0 l'auteur, sa position et la date. JEAN-PHILIPPE FAUCONNIER, LAURENT SORIN, MOUNA KAMEL, MUSTAPHA MOJAHID, NATHALIE AUSSENAC-GILLES h(1,2,3) para. item cit. en-t\u00eate pied p. byline note p. bibl autres",
                "content": "<table><tr><td>[O-P2.2]</td></tr></table>"
            },
            "TABREF4": {
                "html": null,
                "type_str": "table",
                "num": null,
                "text": "",
                "content": "<table><tr><td>1</td><td>9,2</td><td>127,1</td></tr></table>"
            },
            "TABREF5": {
                "html": null,
                "type_str": "table",
                "num": null,
                "text": "= (x 1 , x 2 , . . . , x t ) o\u00f9 il peut exister une d\u00e9pendance statistique entre les labels Y = (y 1 , y 2 , . . . , y t ) associ\u00e9s \u00e0 chaque s\u00e9quence. Le MaxEnt mod\u00e9lise la probabilit\u00e9 conditionnelle pour une paire (x, y) unique.T\u00e2che 1. Nous utilisons un CRFs lin\u00e9aire pour mod\u00e9liser les d\u00e9pendances entre les labels logiques y t et y t\u22121 de deux blocs visuels contigus, ainsi que des informations locales riches sur chaque bloc. La prise en compte des d\u00e9pendances entre labels est particuli\u00e8rement adapt\u00e9e pour capturer et g\u00e9n\u00e9raliser l'ordre des blocs dans les s\u00e9quences de documents. Par exemple, un titre est souvent suivi d'un paragraphe, et une r\u00e9f\u00e9rence bibliographique se situe g\u00e9n\u00e9ralement en fin de s\u00e9quence. Dans sa version du premier ordre, un champ conditionnel al\u00e9atoire (CRF) prend la forme :",
                "content": "<table><tr><td>D\u00c9TECTION AUTOMATIQUE DE LA STRUCTURE ORGANISATIONNELLE DE DOCUMENTS \u00c0 PARTIR DE MARQUEURS [O-P2.2] VISUELS ET LEXICAUX</td></tr><tr><td>d'observations X</td></tr></table>"
            },
            "TABREF6": {
                "html": null,
                "type_str": "table",
                "num": null,
                "text": "T\u00e2che 2. Nous utilisons conjointement un parseur shift-reduce et un MaxEnt pour mod\u00e9liser la probabilit\u00e9 conditionnelle d'une paire (x, y) o\u00f9 x est une transition entre deux unit\u00e9s logiques \u00e9l\u00e9mentaires contigu\u00ebs et y est l'ensemble {subordination, coordination, \u2205}. Le MaxEnt est un mod\u00e8le plus adapt\u00e9 aux situations o\u00f9 les distributions sont asym\u00e9triques(Malouf, 2002), comme c'est le cas avec la distribution des relations de d\u00e9pendance. Le MaxEnt prend la forme :",
                "content": "<table/>"
            },
            "TABREF7": {
                "html": null,
                "type_str": "table",
                "num": null,
                "text": "La propri\u00e9t\u00e9 de convexit\u00e9 de L(\u03b8) assure qu'un local optimum est aussi le global optimum. Ainsi, une solution unique existe et diff\u00e9rents algorithmes it\u00e9ratifs assurent la convergence vers cette derni\u00e8re. Toutefois, le CRFs n\u00e9cessite une phase d'inf\u00e9rence \u00e0 chaque it\u00e9ration pour calculer le gradient de L(\u03b8), li\u00e9 au calcul de la d\u00e9pendance entre labels. Cette inf\u00e9rence est g\u00e9n\u00e9ralement r\u00e9alis\u00e9e avec l'algorithme forward-backward, qui pr\u00e9sente n\u00e9anmoins un co\u00fbt \u00e9lev\u00e9. Dans notre travail, nous utilisons l'impl\u00e9mentation crf.sourceforge.net 8 , que nous avons l\u00e9g\u00e8rement modifi\u00e9e pour le support du MaxEnt et la lisibilit\u00e9 des sorties. Pour les deux mod\u00e8les, nous r\u00e9gularisons L(\u03b8) selon la norme L 2 en posant",
                "content": "<table><tr><td>R(\u03b8) =</td><td>K k=1 \u03b8 2 k . Enfin, nous optimisons L(\u03b8) avec l'algorithme LM-BFGS, recommand\u00e9 pour le MaxEnt par (Malouf,</td></tr><tr><td colspan=\"2\">2002) et pour le CRFs par</td></tr></table>"
            },
            "TABREF9": {
                "html": null,
                "type_str": "table",
                "num": null,
                "text": "",
                "content": "<table/>"
            },
            "TABREF10": {
                "html": null,
                "type_str": "table",
                "num": null,
                "text": "Traits pour la T\u00e2che 2",
                "content": "<table><tr><td>[O-P2.2]</td></tr></table>"
            },
            "TABREF12": {
                "html": null,
                "type_str": "table",
                "num": null,
                "text": "",
                "content": "<table><tr><td>-\u00c9valuation pour la labellisation en unit\u00e9s logiques \u00e9l\u00e9mentaires (T\u00e2che 1)</td></tr><tr><td>Dans la premi\u00e8re configuration, les r\u00e9sultats pour LING montrent une difficult\u00e9 \u00e0 classer les blocs visuels, avec un l\u00e9ger</td></tr><tr><td>recul par rapport \u00e0 GEOP (\u22061,60%). Ce taux bas s'explique notamment par les nombreux exemples linguistiques au sein</td></tr><tr><td>de LING (Section 4). Ces unit\u00e9s, consid\u00e9r\u00e9s comme items dans la structure logique de surface pr\u00e9sentent des caract\u00e9-</td></tr><tr><td>ristiques visuelles diff\u00e9rentes des items \u00ab classiques \u00bb. Leur r\u00f4le m\u00e9tadiscursif de citation implique une ind\u00e9pendance de</td></tr><tr><td>leur contexte d'apparition. Par exemple, elles ne suivent pas les conventions typographiques des items (e.g : un \u00ab ; \u00bb en</td></tr><tr><td>milieu d'\u00e9num\u00e9ration et un \u00ab . \u00bb \u00e0 la fin) et leur num\u00e9rotation suit leur ordre d'\u00e9nonciation dans le document.</td></tr></table>"
            },
            "TABREF13": {
                "html": null,
                "type_str": "table",
                "num": null,
                "text": "Pour l'\u00e9valuation de cette t\u00e2che, nous proposons une baseline na\u00efve consistant \u00e0 classer al\u00e9atoirement les relations de subordination et de coordination liant deux unit\u00e9s logiques. L'approche par traits est celle d\u00e9crite en section 5.2. Nous proposons une comparaison avec une approche par grammaire formelle d\u00e9crivant les r\u00e8gles a priori d'organisation d'un document (utilis\u00e9e pour la construction du corpus en section 4). Les r\u00e9sultats sont report\u00e9s dans le tableau 6.",
                "content": "<table><tr><td colspan=\"4\">JEAN-PHILIPPE FAUCONNIER, LAURENT SORIN, MOUNA KAMEL, MUSTAPHA MOJAHID, NATHALIE [O-P2.2] AUSSENAC-GILLES</td></tr><tr><td>T\u00e2che 2. Approches</td><td>LING</td><td colspan=\"2\">GEOP LING_GEOP</td></tr><tr><td>Traits</td><td colspan=\"2\">96,41% 98,45%</td><td>97,23%</td></tr><tr><td>Grammaire</td><td colspan=\"2\">96,54% 98,30%</td><td>97,08%</td></tr><tr><td colspan=\"3\">Baseline na\u00efve 40,21% 41,03%</td><td>39,79%</td></tr></table>"
            },
            "TABREF14": {
                "html": null,
                "type_str": "table",
                "num": null,
                "text": "\u00c9valuation pour la construction de l'arbre en d\u00e9pendance (T\u00e2che 2) Dans l'approche par traits, la diff\u00e9rence entre LING et GEOP (\u22062,04%) s'explique par la structuration complexe, en termes de d\u00e9pendances, au sein de LING. Certains documents dans LING montrent des niveaux d'imbrications tr\u00e8s profond, notamment par l'utilisation d'exemples linguistiques imbriqu\u00e9s dans des \u00e9num\u00e9rations de d\u00e9finitions. Cela se traduit par des scores diff\u00e9rents pour les subordinations (F-score de 91,99 pour LING et de 97,15 pour GEOP), tandis que ceux obtenus pour les coordinations restent relativement \u00e9quivalents (F-score de 97,15 pour LING et de 98,93 pour GEOP).",
                "content": "<table/>"
            },
            "TABREF16": {
                "html": null,
                "type_str": "table",
                "num": null,
                "text": "Deux strat\u00e9gies pour \u00e9valuer les traits face \u00e0 la grammaire (T\u00e2che 2)",
                "content": "<table/>"
            }
        }
    }
}