Dans le domaine du contrôle du trafic aérien, les contrôleurs
interagissent avec les contrôleurs à travers d'échanges vocaux. Dans ce
contexte, CS conçoit et réalise une gamme de produits : systèmes de
communication vocale (VCS), enregistreurs et simulateurs. Pour d'autres
applications comme la recherche d'informations de parole dans des
enregistrements, les services de communication multilingue pour les
compagnies aériennes ou la traduction multilingue de grosses
documentations techniques (Rafale pour l'Inde/l'Égypte..., par exemple),
il est nécessaire de traiter non seulement la voix (signal audio) mais
aussi la parole, c'est à dire le contenu sémantique du signal audio, ou
le texte écrit.

Dans ce but, nous souhaitons étudier la faisabilité d'un enconvertisseur
du français, c'est-à-dire un analyseur produisant des graphes UNL
(Universal Networking Language) à partir de textes en français. Cet
enconvertisseur nous permettra par la suite d'évaluer la pertinence des
graphes UNL à la fois comme représentation source pour générer du texte
dans plusieurs langues (déconversion) ou pour faire des inférences
(ontologies) et aussi comme interlingua pour de la traduction
automatique (enconversion + déconversion).

Pour transformer des phrases en graphes UNL, nous suivons la méthode du
GETA : utiliser un transducteur générique  qui produit les graphes UNL à
partir des représentations profondes (« structures  multiniveaux de
Vauquois », ou plus simplement « arbres de Vauquois ») obtenues par des
analyseurs existants. Plusieurs tels analyseurs produisant des
structures de Vauquois ont été développés sous Ariane  et sont
disponibles en sources ouvertes.

Travail à réaliser :

Nota : Le sujet est composé de deux parties principales indépendantes
qui pourront être traitées par deux stagiaires différents, selon la
durée du(des) stage(s) et le profil du(des) stagiaire(s).

1) Transducteur générique « arbre de Vauquois -> graphe UNL »

Après une phase de prise de connaissance des principes d'UNL et des
structures multiniveaux de Vauquois, le stagiaire étudiera l'algorithme
simplifié du transducteur actuellement utilisé pour transformer les
structures multilniveaux en graphes UNL dans l'enconvertisseur du
français. Il  l'étendra ensuite :

- en intégrant un traitement actuellement réalisé sous Ariane
  (transfert),
- en prenant en compte les scopes, qui sont des entités sémantiques
  autonomes actuellement non prises en compte .

le stagiaire clarifiera les éventuelles contraintes que doivent
respecter les structures multiniveaux présentées en entrée du
transducteur arbre-graphe puis il programmera l'algorithme spécifié.

2) Génération automatique d'un analyseur du français à partir d'un
dictionnaire français-UNL

D'importantes ressources bilingues NL-UNL, avec NL = anglais (83507
entrées), russe (63287 entrées), français (51352 entrées),  hindi (50391
entrées),  malais (31406 entrées),  espagnol (21874 entrées), vietnamien
(10150 entrées) sont maintenues par Vyacheslav Dikonov, au laboratoire
LCL de l'institut IPPI de l'Académie des Sciences de Moscou . Dans le
but de tirer le meilleur parti de ces dictionnaires, le stagiaire
étudiera un programme générant automatiquement les fichiers source d'un
analyseur morphologique Ariane du français cohérent avec ces données en
croisant les dictionnaires français-UNL de l'IPPI avec (1) des
ressources lexicales libres telles que Lexique 3.81
(http://www.lexique.org/) et (2) les mots présents dans des corpus
techniques de CS. Pour cela, il pourra s'appuyer sur des programmes déjà
existants, générant des analyseurs morphologiques Ariane à partir de
bases de données lexicales.

3) Expérimentations (selon le temps disponible)

Le stagiaire testera ensuite la chaîne d'analyse intégrant (1) l'analyse
morphologique qu'il aura produite, (2) l'analyse structurale qui produit
les structures de Vauquois (phase existante) et (3) la transformation
arbre-graphe qui produira les graphes UNL des phrases soumises à
l'analyseur.

 Résultats attendus :
- Rapport d'étude sur l'algorithme du transducteur arbre-graphe.
- Programme implémentant l'algorithme du transducteur arbre-graphe.
- Base lexicale extraite des corpus techniques de CS.
- Programme de génération de l'analyseur morphologique.
- Rapport d'évaluation de la chaîne français-UNL (selon le temps
  disponible).

Durée du stage: 4 à 6 mois

De formation Master 2 ou élève ingénieur en 2e ou 3e année, vous
recherchez un stage en développement avec les langages suivants:
- C/C++.
- Java.
- Sqlite3.
La maîtrise de l'anglais est indispensable pour ce stage.

Pour postuler: CV + LM à envoyer à l'adresse recrutement@c-s.fr à
l'attention de Gariné Kelijian