Stage M2: Paramétrisation CRF neuronal pour les analyseurs en
dépendances de type graphe


1 Contexte scientifique
-------------------------

  L'analyse syntaxique en dépendances est une tâche essentielle en
  traitement automatique des langues. Récemment, l'utilisation de
  réseaux de neurones récurrents a permis un regain d'intérêt pour les
  modèles d'analyse structurellement plus simples, par exemple le
  système de Kiperwasser et Goldberg[3]. la notion de contexte étendu
  est très bien gérée par les réseaux, et le système grammatical n'a
  plus à prendre en compte ces contextes en interne, puisqu'ils lui sont
  donnés via les plongements lexicaux (/word embeddings/).

  Le but de ce stage est d'étudier la paramétrisation d'un analyseur en
  dépendances projectives par un modèle probabiliste de type CRF (champs
  de Markov aléatoire), où les potentiels sont calculés par des réseaux
  de neurones. Un tel système a déjà été proposé pour les grammaires
  syntagmatiques. D'autre part des systèmes neuronaux ont déjà été
  proposés pour l'analyse syntaxique en dépendances mais jamais avec un
  modèle probabilistes global.

  Profil recherché: Niveau M2, bonne connaissance d'un langage de
                    programmation (python ou c++ idéalement), un intérêt
                    fort pour l'apprentissage automatique appliqué au
                    traitement automatique des langues.


2 Administratif
---------------

  Le stage aura lieu au LIPN (CNRS - Université Paris13 - Paris Sorbonne
  Cité) du 01/04/2017 au 30/09/2017 et sera encadré par Joseph Le Roux
  et/ou Nadi Tomeh.  Le/La stagiaire fera partie de l'équipe de
  recherche RCLN, membre du labex EFL (axe "sémantique
  computationnelle"), dans la structure de recherche fédérative MathSTIC
  de CNRS/Paris 13 (axe "Optimisation et Apprentissage pour les contenus
  numériques").

  Les candidatures (CV et lettre de motivation) doivent être adressées à
  Joseph Le Roux (leroux@lipn.fr) avant le 15/1/17.