Projets antérieurs

Voici certains des projets antérieurs auxquels j’ai collaboré.

 

Butterfly Predictive Project : mégadonnées et réseaux sociaux pour l’e-recrutement

2014-2017, en collaboration avec Little Big Job Networks Inc.

Responsable : Guy Lapalme

Butterfly Predictive ProjectLe RALI à l’Université de Montréal et son partenaire industriel LittleBigJob Networks Inc développent une plateforme pour améliorer le processus de recrutement de cadres et professionnels en exploitant le potentiel des mégadonnées (Big Data) sur plusieurs points de vue: augmentation de la capacité à récolter et à combiner l’information de multiples sources dont les données publiques sur les médias sociaux; amélioration de la mise en correspondance entre des candidats et des offres d’emploi; prédiction du succès d’un candidat dans un nouveau poste. Le projet s’appuie sur l’analyse de données massives récoltées par le partenaire industriel tant sur le web que chez ses partenaires d’affaires en s’assurant de respecter la vie privée des candidats et de ne pas dévoiler les politiques d’embauche des entreprises.

 

EcoRessources : Ressources terminologiques en environnement

2014-2016, en collaboration avec l’Observatoire de linguistique Sens-Texte, OLST

Responsable : Marie-Claude L’Homme

EcoRessourcesLogoEcoRessources réunit sur une seule plateforme des dictionnaires, des glossaires et des thésaurus en ligne portant sur le domaine de l’environnement. Parmi les thématiques abordées, on trouvera les changements climatiques, le développement durable, les énergies renouvelables, les espèces menacées, le secteur agroalimentaire.

Une seule requête permet de repérer rapidement toutes les ressources terminologiques qui renferment un terme recherché et, au besoin, d’accéder directement à celles contenant des renseignements supplémentaires. Les langues prises en compte sont l’anglais, l’espagnol et le français. Essayez-le !

Implémentation : Site responsive sur mesure fondé sur le micro-framework Silex, sur Bootstrap, etc. L’index de recherche est construit hors-ligne à partir des bases de données fournies par nos collaborateurs, et ce, en formats divers. Ces données sont converties en XML avec XSLT. Cette dernière technologie sert également lors de l’interrogation de l’index.

 

defacto : Une plate-forme collaborative d’apprentissage d’une base de connaissances du français

2014-2016, en collaboration avec le personnel du DIRO et de l’OLST

Responsable : Philippe Langlais

defactologoLes personnes qui communiquent se comprennent entre elles car elles partagent un code, c.-à-d. une langue, de même qu’un très grand nombre de connaissances du monde. Les machines ne possèdent pas cette connaissance, ce qui limite la portée des applications langagières actuelles. Doter la machine des connaissances implicites sur le monde est la motivation de plusieurs programmes de
recherche comme la Common Sense Computing Initiative (MIT) ou NELL (CMU), pour l’anglais, typiquement.

Le projet defacto vise la réalisation d’une plate-forme francophone d’acquisition de connaissances du monde. L’originalité principale de DeFacto réside dans l’étude et la mise en œuvre d’un environnement de tutorat interactif où l’usager aide l’ordinateur à mieux « lire » des textes.

Implémentation : J’ai rédigé une étude préliminaire qui s’intéresse à la création collaborative de ressources linguistiques dans le cadre de jeux constructifs (serious games). En collaboration avec Philippe Langlais, j’ai modifié ReVerb afin qu’il traite le français et j’ai extrait des faits simples à partir de Wikipédia français. Des concepts de haut niveau ont été extraits de ces données et ensuite mis en relation avec des instances dans le corpus. Afin de visualiser les résultats, ces connaissances ont été disposées sous forme de graphe interactif à l’aide de Gephi et de Sigmajs Exporter (avec modifications).

Voir une capture d’écran de ces résultats préliminaires ici gephi.

Après extraction de millions de faits issus de Wikipédia et du corpus Érudit, nous avons conçu un classifieur d’entités basé sur les relations que ces entités entretiennent. Nous avons publié nos résultats à la conférence Canadian Artificial Intelligence en 2016.

 

Interface intelligente pour le signalement des activités suspectes

2014-2015, en collaboration avec Pegasus Research & Technologies

Responsable : Guy Lapalme

Pegasus R & TLe signalement des activités suspectes (suspicious activity reporting — SAR) est le processus par lequel les membres des forces de l’ordre et de la sécurité publique, ainsi que le grand public, communiquent des incidents suspects ou illégaux aux autorités concernées. Ce processus SAR a été identifié comme une partie intégrante d’une initiative pangouvernementale d’environnement de partage de l’information (Information Sharing Environment — ISE). Cette initiative ISE se fonde sur les travaux des départements américains de la justice et de la sécurité du territoire, qui ont collaboré à la création du National Information Exchange Model (NIEM).

L’approche du projet est d’introduire des technologies d’intelligence artificielle afin :

  • d’améliorer les interactions homme-machine lors de la saisie de l’information et lors de sa consultation par les intervenants concernés;
  • de permettre un traitement avancé des données colligées (validation, fusion et inférences).

Implémentation : Développement d’une librairie sur mesure en Java employant les technologies du projet Apache Xerces™ afin de faire l’analyse (parsing) des spécifications sous forme IEPD (schémas XML). Cette analyse guide la création d’une interface intelligente. Les IEPD employés sont basés sur NIEM.

La vidéo suivante montre le prototype créé dans le cadre du projet.

Un article publié à Balisage 2015 décrit le prototype.

 

Zodiac : Insertion automatique des signes diacritiques du français [2013-2014]

Responsable : Guy Lapalme

Zodiac est un système qui insère les diacritiques (accents, trémas, cédilles) dans un texte français qui en est dépourvu. Malgré leur caractère indispensable à la sémantique du texte (« interne » ou « interné » dans un hôpital psychiatrique) et à la justesse orthographique, les diacritiques sont omis dans des situations relativement fréquentes. Il peut donc s’avérer utile dans ces contextes de disposer d’un système d’insertion automatique de diacritiques à partir d’un texte qui en est dépourvu. Nous proposons ainsi une démonstration du logiciel Zodiac, un module effectuant la restauration de diacritiques automatiquement, et fondé sur un modèle statistique de langue et sur un lexique du français à large couverture.

Implémentation : En C++, avec précautions pour assurer la portabilité Mac/Windows/Linux. Utilisation de la librairie ICU pour traitement du texte. Le modèle de langue utilisé est un modèle trigramme entraîné avec la librairie SRILM. Le corpus d’entraînement consiste en 1 M de phrases des domaines politique et journalistique. Le modèle est compilé sous forme binaire avec la librairie C++ KenLM afin d’être chargé en 0,1 s en RAM. Écriture d’un plugin Word et d’un service Mac.

Voir la démo ici.

 

Approches coopératives en construction de ressources linguistiques [2013]

Le RALI s’est intéressé à la construction de ressources linguistiques par approches coopératives, à l’invitation de la FAS. Un rapport détaillant les diverses avenues de coopération a été écrit et est disponible sur le site du RALI.

Traduction automatique de tweets [2013]

En collaboration avec NLP Technologies,  nous avons pu profiter d’une subvention d’engagement partenarial du CRSNG pour étudier les tweets. Nous nous sommes intéressés à leur collecte et à leurs particularités, pour ensuite créer un moteur de traduction automatique des tweets gouvernementaux canadiens. Un article publié à LASM 2013 explique le projet et les résultats.

Un service web publié sur nos serveurs a permis aux partenaires de connaître l’état d’avancement du prototype régulièrement. Une interface web (ci-dessous) concrétisait le tout.

Traduction de tweet

Projet d’annotation interactive de documents juridiques [2012]

Une subvention d’engagement partenarial du CRSNG nous a permis de collaborer avec la société d’ingénierie des connaissances KeaText inc. Le projet consistait à utiliser le cadre d’applications UIMA pour créer et interagir avec des annotations sémantiques typées et dans des textes juridiques, à des fins d’extraction d’information.

Nous avons écrit une application Web (ci-dessous) permettant l’annotation manuelle ainsi qu’un moteur pour stocker et manipuler ces annotations. Ces modules utilisent UIMA d’une façon innovatrice et ont contribué à faciliter l’adoption de ces technologies au sein de notre partenaire industriel.

Demo Highlighter

Volet canadien du projet sms4science, texto4science [2011-2012]

Ce projet de recherche aidera les chercheurs à mieux comprendre la langue utilisée dans les messages textos (SMS) et comment elle participe à la construction de réseaux sociaux. Pour ma part, j’ai travaillé sur un traducteur automatique conçu pour normaliser les textos en français correct.

Ce projet est décrit ici et les résultats de notre travail sont disponibles ici.

Diffusion multiformat d’informations environnementales [2009-2012]

Ce projet de démarrage Mitacs étudie de nouvelles méthodes pour personnaliser et traduire la masse d’informations produites quotidiennement par Environnement Canada. Le projet est expliqué ici.

weather office

Mes efforts sont concentrés sur la traduction automatique statistique des bulletins d’alerte météorologiques (du français vers l’anglais et vice versa). Un prototype du système sur lequel nous travaillons est disponible en ligne.

TransSearch 3 [2007-2010]

Nous procédons présentement à une reconception du moteur TransSearch, notre concordancier bilingue utilisé par les rédacteurs professionnels pour la consultation de volumineuses bases de données de traductions antérieures. Ce projet est mené en collaboration avec notre partenaire commercial, Terminotix Inc., qui héberge le service.   

Nous offrons ainsi aux utilisateurs de TransSearch une nouvelle façon de consulter les traductions passées : au lieu de répondre à leurs requêtes par de simples paires de phrases (une dans la langue source, une autre dans la langue cible), nous voulons mettre en évidence, au sein de ces paires, les mots qu’ils recherchent. Ceci demande de trouver l’alignement des mots sources avec les mots dans la langue cible.

Une capture d’écran du nouveau TransSearch (cliquer pour agrandir) :
Cliquer pour agrandir

Collaboration avec Druide Informatique Inc. [2009]

Nous avons travaillé avec la compagnie montréalaise Druide Informatique Inc. sur l’utilisation de techniques d’intelligence artificielle pour améliorer la précision du correcteur grammatical intégré dans leur populaire outil d’aide à la rédaction Antidote. Nos efforts ont été fructueux et ont été intégrés dans leur produit Antidote HD. Ceci est le sujet de ma thèse de maîtrise.

Document Understanding Conference (DUC) [2007]

En collaboration avec l’Université de Genève (LATL), nous avons développé un système de réponse automatisé et de résumé pour la compétition DUC 2007. Nous avons choisi un approche exclusivement symbolique, basée sur FIPS, un analyseur syntaxique multilingue. Nous avons utilisé XML et XSLT pour représenter et manipuler les arbres d’analyse syntaxique de FIPS. 

ASLI : Système intelligent pour la synthèse automatique des informations juridiques [2007-2008]

Dans le cadre d’un projet PRECARN, le RALI, NLP Technologies et Me Diane Doray développent une technologie qui automatise la production de résumé d’informations juridiques que l’on retrouve dans les banques de jugements. Le système effectue une traduction automatique des textes français et anglais.

Portail d’interrogation des corpus lexicaux québécois [2007]

Le RALI a contribué à la création d’un nouveau portail d’interrogation des corpus lexicaux québécois, disponible sur le site du Secrétariat à la politique linguistique du Québec.

IdeoVoice II [2007]

Le RALI collabore avec Oralys Inc. à l’addition à leur produit existant IdeoVoice d’un module de traduction du texte vers les idéogrammes pour faciliter la communication avec les malentendants, les personnes dysphasiques et autistes. Ultimement, nous espérons que cette technologie permettra de franchir la barrière de la langue, en traduisant par transfert d’idées et de concepts plutôt qu’en employant une traduction mot à mot.

MT3G (3GTM) : Une mémoire de traduction de troisième génération [2005]

La PME montréalaise Lingua Technologies Inc., en partenariat avec le RALI et la firme Transetix Global Solutions Inc. d’Ottawa, a démarré le projet de R&D MT3G grâce au financement du programme Alliance Precarn-CRIM au début de 2005. Le projet vise le développement et la commercialisation d’un nouveau logiciel de traduction assistée par ordinateur s’appuyant sur les mémoires de traduction de troisième génération. C’est un logiciel de recyclage intelligent très prometteur que nous contribuerons ainsi à développer.

Mes collaborateurs et moi au sein du RALI nous employons à trouver des solutions aux nombreux défis scientifiques que pose le projet : création de modèles, récupérations des unités sous-phrastiques, intégration du contexte de la traduction, etc. Une présentation du projet faite dans le cadre d’un séminaire du RALI est disponible ici.

Campagne d’évaluation CESTA [2005]

Pour exercer et affûter ses outils et techniques de traduction statistique, le RALI participe notamment à la campagne d’évaluation CESTA. Ce projet propose une série de campagnes d’évaluation de systèmes de traduction automatique pour diverses paires de langues vers le français. Ce projet, qui a débuté en janvier 2003, est financé par le Ministère de la Recherche français dans le cadre du programme Technolangue.

Autres activités de recherche

L’exploration du vaste monde du traitement automatique des langues naturelles m’a amené à m’intéresser notamment aux technologies d’alignement des mots et aux modèles statistiques qui les sous-tendent. L’alignement des mots inuktituts avec ceux de l’anglais s’est révélé particulièrement fécond en enseignements. De plus, nous nous intéressons à la manipulation de nouvelles briques de traduction appelés treelets et introduits par les chercheurs Quirk et al..

Intendance

Les travaux du RALI nécessitent la création et l’installation de nombreux logiciels petits et grands ainsi que la création de nombreux modèles statistiques. J’en facilite la gestion en centralisant et documentant ceux-ci sur le compte demorali. Je me charge aussi de la préparation et de la sauvegarde des corpus.