La mise au point de services facilitant l'accès aux contenus de la
Connaissance constitue l'un des axes de recherche portés par Orange Labs
Research. L'objet du postdoc est d'étudier la structuration automatique
de contenus dans ce domaine (conférences, documentaires, entretiens,
émissions de radio ou TV spécialisées, ...).

La structuration thématique de contenus est un sujet d'étude actif
depuis un certain nombre d'années dans la communauté scientifique. Le
sujet a été plus largement traité dans le cadre de la segmentation
thématique de journaux télévisés mais également pour des contenus de
nature différente comme des réunions ou des cours magistraux (lecture
topic segmentation). Dans le cas de la segmentation thématique de
contenus de type "journaux télévisés", les sujets consécutifs sont le
plus souvent suffisamment différenciés pour que les techniques basées
sur la cohésion lexicale permettent d'obtenir de bons résultats. Le
matériau de base pour cette segmentation, à savoir la transcription
automatique du contenu, est par ailleurs le plus souvent de bonne
qualité, du fait des bonnes performances des systèmes de transcription
qui ont été largement optimisés dans la communauté parole sur des
contenus de ce type.

Les contenus étudiés dans le cadre de ce post-doc (conférences,
documentaires, entretiens) ont la particularité d'être globalement
monothématiques, potentiellement longs comme dans le cas des
conférences, et potentiellement très spécialisés. L'adaptation de la
segmentation thématique à la segmentation en sous-thème pour ce type de
contenus constitue le principal objectif du travail.

Plusieurs questions scientifiques devront être abordées :

* Au-delà de la cohésion lexicale entre les mots pris individuellement,
  il s'agira de s'attacher à la cohésion lexicale entre les mots en
  contexte (dans le cas d'une conférence sur le cerveau, le terme cortex
  pourra apparaître à plusieurs moment alors que les contextes "cortex
  visuel", "cortex frontal" seront peut-être plus discriminants pour la
  structuration). La question est alors de trouver une définition
  appropriée du contexte.

* En amont de la structuration, comment enrichir la couverture lexicale
  pour le traitement automatique de documents spécialisés?

* Lors du processus de structuration, comment tirer profit d'une base de
  connaissance structurée, de relations sémantiques? Comment définir et
  exploiter des mesures d'association distributionnelles ?

* Comment proposer une organisation hiérarchique des sous-thèmes afin de
  proposer une structuration de type "plan" des documents?

Les résultats du post-doc permettront d'alimenter des travaux de
recherche autour d'interfaces innovantes de navigation dans les contenus
de la Connaissance.

Le candidat devra être titulaire d'un doctorat en informatique,
spécialisé en traitement de la parole, traitement du langage ou en
recherche d'information.

Le postdoc se déroulera à Lannion pour une période de 12 mois et doit
débuter en 2015. Le candidat est recruté en CDD, avec une rémunération
allant de 35 à 38 keuros brut annuel. Les contraintes de recrutement en
CDD imposent que le candidat n'ait pas réalisé plus d'un postdoc
préalablement à la candidature.

Contact Géraldine Damnati : geraldine.damnati@orange.com