Stage à Orange Lannion :
Création des modèles neuronaux à base des graphes pour les BOTS

Profil
Vous êtes étudiant.e en master 2, et vous vous retrouvez dans le profil
suivant, en terme de compétences et connaissances :

Compétences requises

-   Vous avez des connaissances en statistique et informatique.
-   Des connaissances en Python sont impératives.
-   Des connaissances en apprentissage statistique sont requises (deep
    learning).
-   Vous étés familiarisés avec les outils PyTorch (de préférence) ou
    TensorFlow

Contexte:
La compréhension contextualisée dans l'historique du dialogue,
correspond à l'état de l'utilisateur tel que perçu par le système et
s'appelle « Dialogue State Tracking (DST) » en anglais ou suivi de
l'état du dialogue.  Plusieurs approches ont été proposées dans l'état
de l'art pour résoudre ce problème.  Néanmoins, la plupart des modèles
de l'état de l'art présupposent que l'état du dialogue peut être décrit
par un ensemble de concepts indépendants et leur valeur associée. Par
exemple, le système peut croire que l'utilisateur souhaite la valeur
« pas chère » pour le concept « prix » à un moment donné. Toutefois,
les applications plus réalistes présentent naturellement une dépendance
entre concepts : par exemple, le prix et la localisation d'un
restaurant sont dépendants car certains quartiers sont plus chers.
Pour traiter ces dépendances nous avons défini une représentation plus
riche à base des graphes RDF. Nous voudrions créer des modèles de DST
qui génèrent ce graphe. Une première possibilité est de suivre les
travaux proposes, par exemple en utilisant le Graph Attention Networks.
Pour cela nous utiliserons les données de dialogues avec nos
annotations en RDF. Nous voudrions aussi explorer, si possible,
l'impact d'un état de dialogue structuré sur le module d'Apprentissage
de la Politique de Dialogue qui doit décider l'action du système la
plus approprié à partir de l'état du dialogue. Pour cela on peut
adapter les modèles existants. Des exemples des actions possibles
peuvent comprendre : demander de nouvelles valeurs, confirmer les
valeurs déjà remplies, rectifier, ou bien fournir des informations.

Plus de détails: https://orange.jobs/jobs/v3/offers/120747?lang=fr