Un postdoc sur le thème de l'AMR (Abstract Meaning Representation)
est proposé chez Orange-Innovation.
-   Durée : 12 mois.
-   Lieu : Orange-Innovation, Data and Artificial Intelligence, Lannion
    (France).
-   Début : dès que possible.

L'analyse sémantique exploitant la représentation AMR (Abstract Meaning
Representation) permet d'obtenir des résultats intéressants en termes
de qualité (Smatch/F-mesure de 83% pour l'Anglais, 74% pour le Français
ou l'Espagnol). Mais, ces résultats restent encore insuffisants pour
envisager de l'exploiter sur d'autres langues que l'Anglais (quand la
mesure de la qualité est inférieure à 82%). Même en Anglais, les bons
scores masquent des défauts qualitatifs qui restent rédhibitoires pour
une utilisation réelle. De plus, toutes les bibliothèques que nous
avons testées se sont avérées trop lentes pour les exigences temps réel
de certaines tâches applicatives comme le question-réponse.


Objectif du postdoc :

L'objectif de ce post-doc est double :

1)  Etudier les outils du parsing AMR existants et les technologies et
    architectures qu'ils mettent en oeuvre afin d'établir une
    politique d'amélioration de ce parsing.

2)  Améliorer un outil existant ou de créer un nouvel outil pour :

    -   Dépasser l'état de l'art en termes de Smatch/f-mesure,
        notamment pour les langues autres que l'Anglais.

    -   Diminuer la taille des ressources nécessaires (temps
        d'apprentissage, taille de RAM/GPU).

    -   Augmenter la vitesse d'inférence (phrases/secondes).

    -   Éventuellement construire un modèle multi-tâches qui intègre
        à l'analyse AMR d'autres tâches (NER/NEL, coréférences).

Ce travail portera donc principalement sur l'algorithmique mais il
nécessitera aussi de travailler sur les données.


Les principaux verrous à lever sont :

1)  Obtenir un graphe sémantique identique pour des expressions
    sémantiquement identiques mais syntactiquement différentes et en
    différentes langues.

2)  Limiter la taille des modèles.



Votre profil :

Compétences (scientifiques et techniques) et qualités personnelles
exigées par le poste :
-   Thèse de doctorat en informatique avec une expérience en
    deep-learning.
-   Des connaissances en NLP, notamment sur le parsing et des
    connaissances en sémantique.
-   Connaissances en Python, PyTorch etc.
-   Connaissances de Julia appréciées.


Résultats attendus :
-   Un état de l'art sur le parsing AMR (T0 + 2 mois)
-   Un plan de travail pour l'amélioration de l'état de l'art (T0+3)
-   Un premier outil monolingue pour l'Anglais (T0+6)
-   Un premier outil multilingue (T0+12)


Le plus de l'offre

Vous vous intégrez dans un programme de Recherche, une équipe à la fois
fortement impliquée dans le transfert technologique vers les équipes
opérationnelles et les collaborations avec des équipes académiques.
Pour ce sujet en particulier, l'équipe a déjà une expérience sur l'AMR
(outils, corpus) et vous facilitera l'appropriation du sujet et votre
montée en compétence. De plus, vous pourrez compter sur son soutien,
tant sur le plan scientifique que technique.

Si vous le souhaitez, vous pourrez soumettre la publication de vos
travaux, en particulier aux communautés de TALN.

Il serait possible de prolonger la mission, par exemple, dans le but de
con struire une deuxième version de l'outil multilingue.

Vous pouvez déposer votre candidature sur le site Orange Jobs.

Offre sur Orange jobs en français :
https://orange.jobs/jobs/v3/offers/115929?lang=fr

Offre sur Orange jobs en anglais :
https://orange.jobs/jobs/v3/offers/115929?lang=en