Offre de stage en informatique : détection et annotation des références bibliographiques

OpenEdition et le laboratoire d’Informatique et Systèmes (LIS) recherchent un·e stagiaire pour une période de 6 mois à partir de février 2020 (stage indemnisé).

Résumé

Ce stage vise à améliorer et proposer de nouvelles approches de détection de zones textuelles et d’annotation de ces zones par apprentissage automatique. Identifier, analyser et étiqueter les zones bibliographiques présentes dans les publications scientifiques est devenu un enjeu majeur pour l’écosystème de la recherche et de ses publications.

Ce stage vise en outre à finaliser et à renforcer la sortie publique d’un nouveau logiciel Bilbo dédié à cette tâche développée au sein du service de Recherche et Développement OpenEdition Lab.

Missions

Les zones textuelles sont de trois types et correspondent à trois approches distinctes du traitement automatique des langues par apprentissage machine. Le stage vise à améliorer ces différentes approches :

• Intégrer la détection automatique des langues et analyser son impact
• Manipuler et augmenter le corpus d’entraînement (apprentissage par renforcement).
• Paramétrer et améliorer le système actuel basé sur les chaînes de Markov (CRF)
• Tester de nouveaux modèles de détection notamment à travers les approches neuronales de type réseaux récurrents
• Évaluation des modèles, développement et intégration au pipeline
• Collaboration avec l’équipe pour l’élaboration de nouvelles pistes de développement

Compétences

Ce stage s’adresse aux étudiantes et étudiants de Master 2 en Informatique ou de dernière année d’école d’ingénieur.
Les compétences appréciées sont :

• Connaissance du langage Python et de la programmation orienté objet
• Expérience dans la manipulation de librairies scientifiques Python (Spacy, Scikit-learn, PyTorch)
• Première expérience dans les modèles de classification et d’annotation
• Systèmes d’exploitation basés sur Unix
• Versionning control avec git
• Manipulation de documents XML
• Approches statistiques en analyse de données

Contexte

OpenEdition est une infrastructure complète d’édition électronique au service de l’information scientifique en sciences humaines et sociales composée de  quatre plateformes de publication et d’information en sciences humaines et sociales : OpenEdition Journals (les revues), OpenEdition Books (les collections de livres), Hypothèses (les carnets de recherche) et Calenda (les annonces d’événements académiques internationaux).

OpenEdition Lab est un programme de recherche et développement en informatique. Il vise à développer des fonctionnalités de lecture, d’écriture, de navigation et de recommandation de nouvelle génération en se basant sur la fouille de textes et sur les données publiées sur OpenEdition.  L’annotation et l’enrichissement automatisés de références bibliographiques en contexte multilingue et non structuré (texte intégral) fait partie historiquement de ces axes de recherche. C’est dans le cadre de la ré-écriture complète du logiciel Bilbo et de la nouvelle version logicielle à paraître que ce stage s’inscrit. Parmi les autres axes de recherche on pourra citer l’analyse de sentiments multilingue sur les contenus critiques, la recherche d’information ou encore les systèmes de recommandation.

Le·la stagiaire travaillera au sein du service OpenEdition Lab, et en lien étroit avec le laboratoire d’Informatique et Systèmes (LIS).

Une poursuite en thèse pourra être envisagée.

Lieu du stage

OpenEdition Center
Technopôle de Château-Gombert
22, rue John Maynard Keynes
Bâtiment C
13013 MARSEILLE

Candidature

Envoyez vos CV et lettre de motivation à : mathieu.orban[at]openedition.org et patrice.bellot[at]univ-amu.fr

Plus d’informations :

openedition.org/6438
lab.hypotheses.org/
www.lis-lab.fr/r2i/

Mots clés

Natural Langage Processing, Deep Learning, Data Science, Digital Humanities.

---

---