Dans le cadre du projet ANR Asfalda, le laboratoire LVIC du CEA LIST
étend son moteur de recherche crosslingue AMOSE pour lui donner des
capacités d'indexation et de recherche exploitant des informations
sémantiques issues d'outils de Semantic Role Labeling.

L'objectif premier du stage sera d'évaluer l'impact de l'intégration de
la sémantique sur les résultats de recherche. Le second objectif sera
d'améliorer le moteur de recherche au vu des premiers résultats
d'évaluation.

AMOSE est un moteur de recherche crosslingue. Il repose sur l'analyseur
linguistique libre Lima [1] qui reconnaît les termes nominaux complexes
(Multi Word Expressions ou MWE en anglais). Ces termes complexes repérés
dans les documents et les requêtes sont utilisés pour grouper les
documents résultats en classes d'équivalence en fonction des termes de
la requête qu'ils contiennent.

LIMA a récemment été enrichi d'un module effectuant de l'annotation en
rôles sémantiques (Semantic Role Labeling) et nous sommes en train de
modifier AMOSE pour indexer et utiliser dans la recherche les classes
repérées et leurs rôles.

Le travail du stagiaire consistera à évaluer la nouvelle version d'AMOSE
sur les campagnes d'évaluation classiques (CLEF, TREC) dont le
laboratoire possède les données et à rechercher quelles campagnes plus
ciblées sur la recherche sémantique pourraient exister et mettre en
ouvre AMOSE sur leurs données. Si une telle campagne a lieu durant le
stage, le laboratoire y participera.

Ces évaluations fourniront des informations permettant de mettre à jour
des pistes d'amélioration. Le stagiaire les documentera et en mettra
certaines en oeuvre.

Le stage, de 4 à 6 mois, s'adresse à des étudiants de Master 2 Recherche
en informatique ou informatique linguistique. Une bonne connaissance de
Linux et des outils de base de manipulation de corpus (bash, sed, awk,
perl, python, etc.) est indispensable ainsi qu'au moins la capacité de
comprendre du code C++.

Le stage se déroulera à Nano Innov, à Palaiseau, dans les locaux du CEA
LIST.

Mots clés: recherche d'information, évaluation, C++, Linux, corpus,
annotations


[1] https://github.com/aymara/lima/wiki

Gael de Chalendar
CEA LIST
Laboratoire Vision et Ingénierie des Contenus
(Vision and Content Engineering Laboratory)

CEA SACLAY - NANO INNOV
BAT. 861
Point courier 173
91191 GIF SUR YVETTE

Tél.:+33.1.69.08.01.50 Fax:+33.1.69.08.01.15 
Email : Gael.D.O.T.de-Chalendar.A@T.cea.D.O.T.fr