*OFFRE DE STAGE **EN INFORMATIQUE **(niveau master ou ingénieur)*

Pour le projet*CLexIC*(_C_réation _Lex_ique _I_nnovation_C_rowdfunding)
Porteuse du projet : *Anna Pappa* (ap@up8.edu)
Durée du stage : 5/6 mois (début : Mars 2023)
Gratification*: *montant légal en vigueur (environ 600¤ / mois).
Laboratoire d'accueil : Equipe PASTIS du *LIASD* (EA 4383), Université
Paris 8, 2 rue de la liberté, 93526 Saint Denis

*Sujet de stage*

-   Création automatique d'un lexique multilingue dont les termes
    désignent l'/innovation non technologique/ (initialement en anglais
    et en français et par la suite en d'autres langues présentes sur les
    sites de plus de 4000 entreprises).
-   Étude comparative contextuelle des termes désignant l'/innovation
    non technologique/, issus de deux corpus différents : un corpus
    composé de textes extraits de sites web des entreprises
    participantes et un autre corpus composé de textes issus des sites
    de crowdfunding (projets collaboratifs innovants).

*Problématique*

L'écosystème du crowdfunding présente un intérêt particulier de par la
multitude des projets proposés et le financement participatif des
`foules'. Les descriptifs des activités et projets proposés sur les
plateformes de crowdfunding sont différents des descriptions des
produits et des services sur les sites des entreprises.
Nous voulons identifier et analyser le contexte dans lequel
l'/innovation non technologique/est représentée dans ces descriptifs.

*Étapes et réalisation*

Le stage comportera les étapes suivantes (la réutilisabilité des
ressources et les codes produits feront l'objet d'une documentation
tout au long du stage) :
1.  Création corpus (Boudabous& Pappa, 2021) à partir des textes issus
    des plateformes du crowdfunding.
2.  Annotation automatique du nouveau corpus avec apprentissage actif
    (Ren & al., 2021, Li et al., 2020) et apprentissage par transfert
    (Weiss & al., 2016).
3.  Création d'une version de détection des caractéristiques lexicales
    portant sur l'innovation non technologique à partir d'un modèle
    BERT (Koufakou & al., 2020).
4.  Rédaction du rapport de stage, et mise en forme des ressources et
    codes produits.


*Compétences particulières et formation requise*

Ce stage s'adresse aux étudiant.e.s de master 1 ou 2 ou étudiants
ingénieurs en informatique.
-   Connaissancesdes : techniques descraping, méthodes d'apprentissage
    profond etmodèlesde type BERT.
-   Très bon niveau en programmation Python (avec les framework
    Pytorch, Tensorflow).
-   Connaissances d'outils TAL appréciées (outils fondés sur
    l'apprentissage, modèles de langue, classifieurs, si possible
    outils statistiques de lexicométrie).
-   Curiosité et volonté de tester de nouvelles méthodes.

*Candidature*

L'étudiant-e sera accueilli-e dans les locaux de l'Université Paris 8
au laboratoire LIASD.

*Contact**s***:.

Revekka Kyriakoglou, LIASD, kyriakoglou@up8.edu,
Alice Millour, LIASD, am@up8.edu


*References*

MarouaBOUDABOUS andAnnaPAPPA. 2021. WebTIDC: A web tool for intelligent
dataset creation a use case for forums and blogs. In Procedia Computer
Science, volume 192, pages 1051-1060. Elsevier.
https://www.sciencedirect.com/science/article/pii/S1877050921015969>

Pengzhen REN, Yun XIAO, Xiaojun CHANG, Po-Yao HUANG, Zhihui LI, Brij
BGUPTA, Xiaojiang CHEN, andXin WANG. 2021. A survey of deep active
learning <https://arxiv.org/abs/2009.00236>. ACM Computing Surveys
(CSUR), 54(9):1-40.

KunLI, Chengbo CHEN, Xiaojun QUAN, Qing LING, andYan SONG. 2020.
Conditional Augmentation for Aspect Term Extraction via Masked
Sequence-to-Sequence Generation. In Proceedings of the 58th Annual
Meeting of the Association for Computational Linguistics, pages
7056-7066. Association for Computational Linguistics.
https://aclanthology.org/2020.acl-main.631

Karl WEISS, Taghi M. KHOSHGOFTAAR, & DingDing WANG.A survey of transfer
learning. /J Big Data/*3*, 9 (2016).
https://journalofbigdata.springeropen.com/articles/10.1186/s40537-016-0043-6#citeas

Anna KOUFAKOU, Endang Wahyu PAMUNGKAS, Valerio BASILE, and Viviana
PATTI. _HurtBERT: Incorporating Lexical Features with BERT for the
Detection of Abusive Language_. In Proceedings of the Fourth Workshop
on Online Abuse and Harms, pages 34-43, 2020, Association for
Computational Linguistics.
https://aclanthology.org/2020.alw-1.5