Offre de stage de 5 mois à l'ATILF en TAL

*** Titre ***
Levée d'ambiguïté lexicale à partir d'un lexique sémantique

*** Contexte et objectifs ***
Les ressources linguistiques sont des composants essentiels du
traitement automatique des langues (TAL). En particulier, les corpus
annotés sont sources d'exemples pour apprendre des modèles pour
résoudre différentes tâches. Les modèles état-de-l'art en TAL reposent
généralement sur des réseaux de neurones appris sur des corpus annotés,
complémentés de plongements lexicaux eux-mêmes pré-entrainés sur de
grandes masses textuelles brutes (ex. Le et al. 2020, Martin et al 2020
pour le français). Les ressources lexicales sont très peu exploitées
bien qu'elles puissent jouer un rôle complémentaire grâce à leur
couverture et la finesse de leurs descriptions linguistiques.
Ce sujet de stage est dédié à la tâche de levée d'ambiguïté lexicale
avec pour objectif de combiner ressources lexicales et données
textuelles annotées. La levée d'ambiguité lexicale est l'un des défis
majeurs du TAL et consiste à prédire le sens d'un mot cible dans un
contexte donné. Dans ce projet, nous nous focalisons sur les verbes.
Tout en nous appuyant sur des travaux récents reposant sur des méthodes
supervisées (Segonne et al 2019), nous souhaitons exploiter le lexique
sémantique de verbes VerbNet (Kipper 2006) ou son équivalent français
VerbNet (Danlos et al. 2016) pour bénéficier de son contenu
linguistique fin: ex. structures syntaxiques et sémantiques, classes
sémantiques, exemples d'usages pour les différentes entrées.

*** Tâches à réaliser ***
-   Annotation manuelle ciblée et limitée d'un petit corpus pour un
    sous-ensemble de verbes
-   Encodage du lexique
-   Développement et évaluation d'algorithmes à base d'heuristiques
    (ex. Aguirre et al. 2014)
-   Développement et évaluation de méthodes avancées:
    ex. apprentissage supervisé, intégration de plongements lexicaux et
    de plongements de graphes

*** Informations complémentaires ***
Durée: 5 mois
Lieu: laboratoire Analyse et Traitement Informatique de la Langue
    Française (ATILF), Nancy
Encadrement: Mathieu Constant (ATILF), Bruno Guillaume (LORIA), Karen
    Fort (Univ. Sorbonne)
Formation requise: niveau master 2 de traitement automatique des
    langues ou de linguistique informatique
Gratification réglementaire

Contacts: Mathieu.Constant@univ-lorraine.fr, Bruno.Guillaume@loria.fr,
karen.fort@sorbonne-universite.fr

Candidature:
Les personnes intéressées doivent envoyer un CV et une lettre
de motivation avant le 31 janvier 2021 aux personnes mentionnées
ci-dessus.


*** Références***

E. Agirre, O. López de Lacalle, and A. Soroa (2014). Random walks
for knowledge-based word sense disambiguation. Computational
Linguistics, 40(1):57-84.

K. Kipper Schuler (2006). VerbNet: A Broad-Coverage, Comprehensive Verb
Lexicon. PhD thesis, University of Pennsylvania.

L. Danlos, Q. Pradet, L. Barque, T. Nakamura, and M. Constant (2016).
Un Verbenet du français. Traitement Automatique des Langues, 57(1):25.


H. Le, L. Vial, J. Frej, V. Segonne, M. Coavoux, B. Lecouteux, A.
Allauzen, B. Crabbé, L. Besacier, D. Schwab (2020). FlauBERT:
Unsupervised Language Model Pre-training for French. Proceedings of the
12th Language Resources and Evaluation Conference.

L. Martin, B. Muller, P. J. Ortiz Suárez, Y. Dupont, L. Romary, E.
de la Clergerie, D. Seddah, B. Sagot (2020). CamemBERT: a Tasty French
Language Model. Profeedings of ACL 2020 - 58th Annual Meeting of the
Association for Computational Linguistics.

V. Segonne, M. Candito, B. Crabbé (2019), Using Wiktionary as a
resource for WSD : the case of French verb. Proceedings of the 13th
International Conference on Computational Semantics.