Contexte :

Créée en 2009, GEOLSemantics est un éditeur de logiciels innovants dans
le domaine des technologies de l'information et de la communication, et
plus particulièrement dans le domaine de l'extraction
d'informations. Les solutions de GEOLSemantics analysent les contenus
textuels pour identifier, normaliser et structurer les données
pertinentes qu'ils contiennent, afin de les rendre directement
exploitables par des processus automatiques.

Mission :

Dans le cadre de l'amélioration continue de notre solution globale
d'extraction d'informations, nous proposons un stage en NLP afin de
désambiguïser les lieux pouvant référer à plusieurs endroits dans les
textes. Pour cela, nous nous baserons sur des systèmes géographiques
existants, en les adaptant à notre besoin, afin d'enrichir notre Système
d'Information Géographique stocké dans une base ElasticSearch, ainsi que
sur des ontologies existantes et propriétaires, et la contextualisation
à travers le texte, afin d'identifier de quel lieu il s'agit lorsque le
nom est ambigu.

Le stage se découpera de la manière suivante :

* Récupération de systèmes géographiques mondiaux existants
  (OpenStreetMap, Geonames), transformation au format souhaité, et
  intégration dans ElasticSearch

* Adaptation du système géographique pour la désambiguïsation
  (suppression des doublons, ajout d'inclusions manquantes)

* Création des corpus de développement et de test

* Étude des critères de désambiguïsation, par exemple la distance
  séparant deux lieux, dans le cadre de :

 * textes journalistiques,
 * messages de forums,

* Implémentation du système de désambiguïsation des lieux afin d'obtenir
  leurs coordonnées GPS

* Test sur un corpus représentatif.

Il sera aussi demandé, à chaque phase, de réaliser la documentation
nécessaire.

Formation

  Master en informatique et linguistique

Langues

  Français
  Autres langues bienvenues

Environnement technique

* Méthodologie Agile (Scrum)
* Outils 
 * Gestion de versions (SVN) 
 * Gestion de production (Maven) 
 * Intégration continue (Jenkins) 
 * Environnement de développement (Eclipse et/ou Netbeans) 

* Développement (Python, Java) 
* Base de données (SGBD-R, NO SQL, Base de connaissance, web sémantique,
  ElasticSearch)
* Format d'échange (XML, RDF) 
* Système d'exploitation (Windows, Linux) 

Autres compétences

* Autonomie
* Bonne aisance rédactionnelle
* Capacité à communiquer avec les membres de l'équipe

Caractéristiques du stage

* Durée : minimum 6 mois
* Date de début : avril 2020
* Lieu : Gentilly

Pour postuler, envoyez votre candidature à
christian.fluhr@geolsemantics.com

www.geolsemantics.com
GEOLSemantics - Analyse des textes      
Analyse des textes