t

Contexte global de l'étude et état de l'art (bibliographie)

Un enjeu majeur du traitement automatique des langues naturelles
consiste à extraire des informations d'un texte (document
non-structuré) ou de générer une représentation conceptuelle des
documents afin de pouvoir gérer ces informations ou représentations
dans des bases de connaissances.

Positionnement du sujet vis-à-vis de la stratégie d'entreprise

L'accès aux contenus multimédias et leur valorisation (enrichissement,
annotation, etc...) est un enjeu important pour Orange qui pourrait
nouer des partenariats bénéfiques avec des fournisseurs de contenus
audiovisuels. Pour l'accès aux contenus, le traitement des
informations textuelles (métadonnées ou données) est un défi
important. Pour améliorer les services autour de l'accès aux contenus
et pour prendre en compte les informations et les connaissances
contenues dans les documents (données non-structurées), le travail
prévu par ce post-doctorat est une étape importante afin d'extraire
des informations structurées des textes.

Description de l'équipe

Notre équipe de Traitement Automatique du Langage travaille sur des
approches d'extraction d'information des textes (documents
non-structurés). Ces documents peuvent faire partie d'un domaine
relativement homogène (par exemple documents d'entreprise) ou
pas. Nous utilisons des approches statistiques ainsi que des approches
à base de règles. Parmi les informations à extraire se trouvent des
entités nommées (personnes, lieux, organisations, produits, marques,
dates...) connues (dans une base de connaissance comme DBpedia ou
GeoNames) et inconnues. En plus nous voulons extraire des relations
sémantiques des textes (« qui fait quoi, quand et où »).


Objectifs scientifiques - résultats attendus

Comme objectif, on cible un démonstrateur de résolution de coréférence
pour les documents en langue française, notamment pour les
coréférences pronominales. Sachant que les erreurs de résolution se
propagent dans les étapes d'analyses suivantes, nous envisageons un
outil avec qui privilégier la précision au rappel.

La résolution de coréférence est un traitement fondamental, nécessaire
pour de nombreuses applications du traitement de la langue, et nous
nous intéressons plus particulièrement aux références pronominales et
aux différentes formulations autour d'une même entité nommée.

Toutes les approches techniques peuvent être envisagées. Nous
disposons en interne d'outils de traitement de la langue, de données
linguistiques pour la langue française, et de corpus de documents
non-structurés sur lesquels les approches pourront être expérimentées
et évaluées.

Les documents à traiter devront être enrichis par des liens de
coréférence (anaphores vers coréférents, antécédents ou suivants),
selon des conventions d'annotation à définir.




Vous avez soutenu votre thèse en linguistique computationnelle ou
informatique avec option traitement naturel du langage et connaissez
la problématique des coréférences (en français ou d'autres langues).

Une expérience en approches statistiques et à base de règles est un
plus

Vous avez des connaissances en programmation en java ou C++



Références

[1] Pierre Zweigenbaum et al. (2012) : Résolution des coréférences
dans des comptes rendus cliniques. Une expérimentation issue du défi
i2b2/VA 2011. RFIA 2012 (Reconnaissance des Formes et Intelligence
Articielle), Jan 2012, Lyon, France.

[2] Lee, Heeyoung et al (2013): Deterministic Coreference Resolution
Bases on Entity-Centric, Precision-Ranked Rules. In: Computational
Linguistics 39:4.


Postuler en ligne sur :

https://orange.jobs/jobs/offer.do?do=fiche&id=53860