Stage Master 2 de Recherche en Traitement automatique des langues/Extraction d'information

Intitulé : Reconnaissance des Entités Nommées MÉDicales dans l'Oral (REMEDO)

Durée : 5 mois
Lieu : LIMSI-CNRS, Orsay, France
Rémunération : 554? par mois plus participation aux frais de transport en commun


*Contexte*
------------------------------
Devant l'augmentation toujours croissante de la masse de documents produits dans le
domaine médical, il devient de plus en plus difficile d'accéder aux informations
nécessaires au traitement et à la prise en charge des patients. Le recours à des méthodes
automatiques pour accéder aux informations contenues dans les textes devient alors
inévitable. Les méthodes d'extraction d'information sont aujourd'hui largement utilisées
afin d'identifier des données médicales comme des noms de patients, de médicaments ou de
maladies : 'La patiente <nom>Anne Onyme</nom> a été admise pour une <symptome>réaction
allergique</symptome> à la <traitement>pénicilline</traitement> le <date>21 janvier
2015</date>'.

Cette tâche se révèle toutefois particulièrement ardue lorsqu'il s'agit de traiter des
textes transcrits par des systèmes de reconnaissance de la parole. La qualité variable
des transcriptions automatiques et la variation terminologique compliquent la
reconnaissance des entités.


*Description du stage*
------------------------------
Nous posons l'exploitation de la dimension multimodale comme une piste d'amélioration des
systèmes d'extraction. Une hypothèse est que des paramètres acoustiques comme le rythme
ou l'intensité de la parole peuvent constituer des indices permettant d'aider le repérage
des entités nommées. Le but du stage sera d'éprouver cette hypothèse.

Le travail du stagiaire s'appuiera principalement sur les données issues de la tâche 1a
du challenge CLEF eHealth 2015, soit 200 enregistrements de dossiers de soins lus par une
infirmière ainsi que leur transcription annotée. NB : ces données sont en anglais, une
bonne connaissance de la langue est donc attendue.

Les tâches dévolues au stagiaire sont les suivantes :
 - rédiger un état de l'art sur la reconnaissance des entités nommées dans la parole
 - corriger les annotations préexistantes
 - développer une chaîne d'extraction d'entités nommées multimodale (qui s'appuiera
notamment sur le logiciel Wapiti)
 - utiliser des outils TAL et de traitement du signal pour extraire des traits multimodaux
 - évaluer et analyser l'influence des traits implémentés


*Profil recherché*
------------------------------
M2 Informatique ou linguistique avec parcours TAL

Compétences attendues :
 - Connaissances en programmation (langages de script)
 - Expérience avec des outils de TAL courants (étiqueteurs morphosyntaxiques, analyseurs
syntaxiques, ...) et avec des outils de traitement du signal (Praat)
 - Expérience des méthodes d'apprentissage automatique
 - Intérêt pour le traitement de l'audio et du texte
 - Compétences en anglais
 - Familiarité avec l'environnement Linux
 - Créativité et autonomie

NB : Aucune expérience du domaine médical n'est attendue.


*Encadrement*
------------------------------
Eva D'hondt
François Morlane-Hondère
Sophie Rosset
Pierre Zweigenbaum


*Pour candidater*
------------------------------
Merci d'adresser votre candidature avec un CV, une lettre de motivation ainsi que vos
notes de l'année universitaire en cours et de l'année dernière à Eva D'hondt
(eva.dhondt@limsi.fr) et François Morlane-Hondère (francois.morlane-hondere@limsi.fr)