Offre de stage recherche Master 2 informatique ou 3ème année ingénieur

Annotation sémantique fine de textes par clustering

Niveau : Master 2 informatique ou 3ème année ingénieur
Date de début : mars, avril 2015
Durée : 4-6 mois
Mots clefs: *informatique, apprentissage automatique non supervisé*, 
ontologie, sémantique distributionnelle, traitement automatique de la
langue

Contexte :

L'annotation sémantique fine de textes identifie et catégorise
automatiquement des termes dans des documents par des concepts
d'ontologies de grandes tailles. Elle est utilisée par les moteurs de
recherche sémantique, les outils d'extraction d'information et
Question-Réponse et par les méthodes de peuplement, de révision et
d'alignement d'ontologies. Les équipes de recherche en informatique
MaIAGE-Inra et LaHDAK-LRI développent des méthodes de modélisation de
connaissance à partir d'ontologies multiples par alignement et à partir
de textes pour l'acquisition de connaissance. L'objectif du stage est de
développer une méthode de sémantique distributionnelle appliquée au
texte pour (1) annoter sémantiquement des textes et (2) aligner des
ontologies en utilisant le texte.

Objectif :

L'approche proposée pour le stage est d'utiliser la sémantique
distributionnelle pour calculer une similarité sémantique entre les
termes à étiqueter et les concepts de l'ontologie. La sémantique
distributionnelle regroupe par clustering les termes sémantiquement
proches en fonction de leur contexte d'apparition dans le texte. Deux
voies seront explorées pour obtenir des distances pertinentes. Tout
d'abord, les contextes des termes seront décrits par les dépendances
syntaxiques locales. Ensuite, pour que les classes sémantiques soient
interprétables à la lumière de la structure a priori des ontologies, une
méthode de clustering semi-supervisé, comme celle de Lemaire &
Cornuejols [Ismaili et al., 2014] permettra de (1) guider la formation
des classes à l'aide de la connaissance des ontologies pour qu'elles
soient faciles à intégrer dans les ontologies et (2) d'expliquer les
classes formées pour qu'elles soient utilisables pour une éventuelle
révision de l'ontologie. Le stage sera réalisé en collaboration avec
l'unité Inra MIA Paris (Antoine Cornuéjols et Juliette Dibie).

Exemple : "[..] /endophytic bacteria isolated from roots of coastal sand
dune plants/ [..]"
--> Le terme "/coastal sand dune plants/" doit être associé à la
catégorie "/plant/".

Données et logiciels :
Les données utilisées pour évaluer la méthode seront celles du domaine
des biotopes microbiens, développées par l'équipe Bibliome. Les méthodes
seront intégrées dans la suite AlvisNLP de l'équipe. Elles contribueront
à la préparation des données de la prochaine édition de la tâche BioNLP
Shared Task Bacteria Biotope.

Lieu : Unité MaIAGE, centre de recherche INRA, Jouy-en-Josas

Financement : Financement Labex DiGiCosme

Encadrants : Claire Nédellec, Equipe Bibliome, unité INRA MaIAGE
(http://bibliome.jouy.inra.fr) et Brigitte Safar, Equipe LahDAK, LRI,
Université Paris-Sud (http://lahdak.lri.fr)

Contact : Merci d'envoyer un CV et une lettre de motivation à
claire.nedellec[at]jouy.inra.fr et/ou brigitte.safar[at]lri.fr.


Références :

Robert Bossy, Wiktoria Golik, Zorana Ratkovic, Dialekti Valsamou,
Philippe Bessières, Claire Nédellec. An Overview of the Gene Regulation
Network and the Bacteria Biotope Tasks in BioNLP'13. BMC Bioinformatics,
à paraître en 2015.
Golik W., Warnier P., Nédellec C. "Corpus-based extension of
termino-ontology by linguistic analysis: a use case in biomedical event
extraction. " Ontology and Lexicon: new insights. Actes du workshop TIA
2011 : 9th International Conference on Terminology and Artificial
Intelligence, M. Slodzian et al., (eds), Paris, novembre 2011.
F. Hamdi, B. Safar, N. Niraula, C. Reynaud, TaxoMap alignment and
refinement modules: Results for OAEI 2010, Ontology Alignment Evaluation
Initiative (OAEI) 2010 Campaign - ISWC Ontology Matching Workshop,
Shanghai International Convention Center, Shanghai, Chine, 7 novembre,
2010.
Oumaima Alaoui Ismaili, Vincent Lemaire, and Antoine Cornuéjols. A
Supervised Methodology to Measure the Variables Contribution to a
Clustering. C.K. Loo et al. (Eds.): ICONIP 2014, (21th International
Conference on Neural Information Processing), Kuching, Malaisie, Part I,
LNCS 8834, pp. 159-166, Springer 2014.
V. Lemaire, O. Allaoui and A. Cornuéjols, "Supervised pretreatments are
useful for supervised clustering", in Proc. of the Second Conf. on Data
Analysis (ECDA-2014), Breme, Allemagne, Juillet, 2014.