7

RésuméDe plus en plus de sociétés migrent leur système de gestion de fonds documentaires vers le formalisme XML, le standard industriel pour l’échange de données. Afin de réduire les coûts de la migration, nous proposons une approche pour réaliser des conversions de documents orientés présentation vers des documents sémantiques. L’intérêt de notre méthode consiste à automatiser le processus de conversion en utilisant des techniques d’apprentissage supervisé pour apprendre un modèle de conversion pour une collection de documents. Nous décomposons la conversion en deux étapes pour simplifier le problème, une première étape d’annotation sémantique et une seconde étape de structuration sémantique du document qui respecte le schéma XML décrivant la classe des documents finaux.

More and more companies are migrating their legacy document management systems toward XML formalism which is the industrial standard for data exchange. In order to reduce the migration cost we propose an approach aimed at automating the conversion of layout-oriented documents to semantic-oriented annotations. The conversion module uses supervised machine learning techniques to learn a conversion model for a collection of documents. The conversion is achieved through a semantic annotation of the document content and structuring the annotations, accordingly to a XML schema that specify the class of target documents.