Projets

En étroite collaboration avec Philippe Langlais, Guy Lapalme et mes autres collègues, je participe à divers projets au sein du Laboratoire de recherche appliquée en linguistique informatique (RALI). Voici les plus importants. Certains de ces travaux sont assortis de publications scientifiques évaluées en comité de lecture.

Pour consulter les projets auxquels j’ai participé il y a un peu plus longtemps, voir cette page.

 

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

2014-201X, 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.