Offres de stage

Dans le cadre d’un projet pédagogique à l’UFR d’Etudes Anglophones, nous proposons un stage à un étudiant/une étudiante en master d’informatique/linguistique informatique à Université Paris Cité d’octobre à décembre 2024.
Il s’agira d’entraîner des modèles de reconnaissance d’accent (par ex. https://github.com/JuanPZuluaga/accent-recog-slt2022), de les adapter à nos besoins et de décrire dans un document les différentes étapes impliquées dans ces tâches de sorte qu’on puisse les reproduire.
Ce stage donne lieu à une gratification financière.
Le lieu du stage est : bâtiment Olympe de Gouges, 8 place Paul Ricoeur, dans le 13e.
Merci de diffuser cette annonce.
Merci aux personnes intéressées de me contacter : emmanuel.ferragne@u-paris.fr

Ce stage se déroulera dans le cadre du projet « Les vraies voix de l’intelligence artificielle » qui porte sur l’analyse sociologique et linguistique de la parole des micro-travailleurs et travailleuses de l’intelligence artificielle. Des enquêtes sociologiques ont été menées au sujet de la réalité socio-économique et linguistique de cette population de travailleurs émergente et un corpus a été constitué consistant en des questionnaires écrits et des entretiens oraux. Le travail de stage portera sur l’analyse de la variation sonore portée par l’expression orale des sujets participants à l’enquête. Plus précisément, à partir de données alignées son/texte grâce à un outil automatique, il s’agira d’explorer et de proposer une typologie des motifs de variation portant sur des phénomènes spécifiques à l’oral tels que le débit de parole, les patrons de réduction (durée, réalisations vocaliques et consonantiques), le rapport entre parole/fluente et disfluente etc. Ces patrons seront analysé selon des dimensions socio-phonétiques potentielles, comme par exemple hommes/femmes, âge, métiers etc. afin de contribuer aux profiles socio-économiques et d’aboutir à une description interdisciplinaire de la variation de l’oral.

• Type, durée, rémunération :6 mois; M1 – M2, GR
• Compétences requises : phonétique, TAL, analyse statistique (R), programmation (connaissances de base en python)
• Encadrement et labo : Ioana Vasilescu, Yaru Wu, Paola Tubaro – Laboratoire LISN CNRS (Orsay).

Stages en sémantique et pragmatique sur des sujets tels que les quantificateurs, les structures distributives et proportionnelles, ou la structure argumentale des verbes. Il s’agira d’études théoriques, bibliographiques et sur corpus.

• Type, durée, rémunération : L3 et M1, NR
• Encadrement et labo : Lucia Tovena (LLF)

Title: Transition parsing and Q-learning
Duration: at least 3 months
Supervisor: T. Bernard
Expected profile: Very good programming skills, interest in neural-based machine learning, Master 1 or Master 2 in computational linguistics or computer science

Syntactic transition parsers such as shift-reduce parsers and arc-eager parsers are straigthforward to implement and train in the standard (teacher forcing) supervised fashion (see, e.g., Chen and Manning 2014 and Dyer et al. 2015). Standard supervised training, however, aims at maximising the log-likelihood of the annotated (gold) structures of the training data while the quantity that matters most is the expected F1/attachement score (the actual performance of the parser). In addition, while beam-search decoding is the most standard improvement on greedy-decoding, there are reasons to believe that beams based on the probability of the hypotheses are not particularly good at dealing with ambiguity. Indeed, if a parsing hypothesis has two plausible continuations, the probabilities of each of these continuations will suffer from the existence of the other, which means that both might be ejected from the beam (while less plausible parsing hypotheses might stay in the beam).
Thanks to the advance of reinforcement learning in general and Q-learning in particular (see, e.g., Mnih et al. 2013), it has become easier to train a parser so as to optimise a metric such as its expected F1/attachement score. One particularity of reinforcement learning schemes is that the system is not trained on gold trajectories (the trajectories from an initial state to a complete gold parse), but on its own predicted trajectories. A parser trained in such a fashion is thus expected to be more reliable at prediction time. A particularity of Q-learning more specifically is that it is not based on estimating probabilities for actions but values for states (in this case, parsing states) in such a way that maximising the parser’s objective is compatible with two continuations of the same parsing hypothesis both having high value. This is somewhat reminiscent of the structured perception used by Weiss et al. (2015). It thus seems that beams based on state value rather than probability might be better at dealing with ambiguity.
The goal of this research internship is to adapt a traditional transition parser in order to train it with a mix of Q-learning and standard log-likelihood maximisation. The impact of Q-learning training on greedy and beam-seach decoding will be studied.

Depending on the profile of the students, other questions might be approached instead; such as how model calibration impacts the performance of beam-search decoding, and whether A* decoding can be implemented as a viable alternative to beam-search decoding.

Relevant references:
— Chen, Danqi, and Christopher Manning. ‘A Fast and Accurate Dependency Parser Using Neural Networks’. In Proceedings of the 2014 Conference on Empirical Methods in Natural Language Processing (EMNLP), 740–50. Doha, Qatar: Association for Computational Linguistics, 2014. http://www.aclweb.org/anthology/D14-1082.
— Dyer, Chris, Miguel Ballesteros, Wang Ling, Austin Matthews, and Noah A. Smith. ‘Transition-Based Dependency Parsing with Stack Long Short-Term Memory’. In Proceedings of the 53rd Annual Meeting of the Association for Computational Linguistics and the 7th International Joint Conference on Natural Language Processing (Volume 1: Long Papers), 334–43, 2015. https://doi.org/10.3115/v1/P15-1033.
— Mnih, Volodymyr, Koray Kavukcuoglu, David Silver, Alex Graves, Ioannis Antonoglou, Daan Wierstra, and Martin Riedmiller. ‘Playing Atari with Deep Reinforcement Learning’, 2013. http://arxiv.org/abs/1312.5602.
— Weiss, David, Chris Alberti, Michael Collins, and Slav Petrov. ‘Structured Training for Neural Network Transition-Based Parsing’. In Proceedings of the 53rd Annual Meeting of the Association for Computational Linguistics and the 7th International Joint Conference on Natural Language Processing (Volume 1: Long Papers), 323–33. Beijing, China: Association for Computational Linguistics, 2015. https://doi.org/10.3115/v1/P15-1032.

– Niveau : M1 ou M2
– Compétence : linguistique informatique
– Rémunération : selon les conditions en vigueur (environs 600 euros par mois)
– Contact : Guillaume  Wisniewski, guillaume.wisniewski@u-paris.fr  
– Durée : de 3 à 6 mois
– Description :

DeepTypo est un projet universitaire qui réunit les linguistes documentaires de deux laboratoires de linguistique (le LLL et le LACITO) et les chercheurs en TAL du LISN et du LLF. Le projet s’inscrit dans le cadre de la documentation linguistique computationnelle et a un double objectif : aider les linguistes dans leur travail de documentation et de revitalisation des langues et comprendre les limites des représentations multilingues pré-entrainées de la parole, telles que wav2vec2, HuBERT ou whisper, en les testant sur des langues avec des caractéristiques linguistiques très variées ou en identifiant le type d’information qu’elles capturent.

Le projet DeepTypo vise notamment à développer des systèmes de reconnaissance de la parole pour des langues rares et en cours de documentation, à concevoir des méthodes d’analyse capables d’extraire automatiquement des connaissances typologiques à partir des représentations vectorielles du signal audio (par exemple, des inventaires de phonèmes, des similarités entre langues, …) ou à identifier automatiquement la langue et la famille de langue d’un enregistrement.

Dans le cadre de ce projet, nous recrutons (au moins) un·e stagiaire (M1 ou M2) pour :
– entrainer des modèles de reconnaissance de la parole pour des langues rares ;
– développer des méthodes d’analyse des erreurs des systèmes de reconnaissance de la parole ;
– développer des méthodes d’alignement forcé afin de mettre en correspondance les transcriptions existantes avec le signal audio ;
– développer des sondes linguistiques pour analyser les propriétés phonétiques et phonologiques capturées par les représentations.

Les sujets sont adaptables en fonction des centres d’intérêt des personnes recrutées et des avancées du projet.

Stage en phonétique L1-L2 (LLF et Clillac-ARP)

Projet ALLSTAR-FRENCH (en collaboration avec Northwestern University)

Corpus L1 – français / L2 – variés

• Niveau : L3, M1 ou M2
• Compensation : GR = Gratification Réglementaire
• Hiyon Yoo (LLF) et Ioana Chitoran (Clillac-ARP) (hi-yon.yoo@u-paris.fr)
• Dates : à partir de janvier 2024
• Connaissances : bonne connaissance du français et de l’anglais ; familiarité avec Praat n’est pas nécessaire mais c’est un plus
• Description :

Enregistrements de données. Le/la stagiaire va contribuer à l’enregistrement et analyse préliminaire de données pour le corpus ALLSTAR-FRENCH, suivant un protocole pré-établi.

Tâches du/de la stagiaire : recruter les participants, finaliser les matériels ; passer l’expérience avec les participants ; pré-traiter les données de production recueillies (transcription automatique et correction de la segmentation).

Le/la stagiaire pourra utiliser des données du corpus pour un projet de recherche individuel.

Phonetics research L1 – L2 (LLF and Clillac-ARP)

ALLSTAR-FRENCH Project (in collaboration with Northwestern University)

L1 French corpus / Different L2

• Level: L3, M1 or M2
• Paid internship
• Hiyon Yoo (LLF) and Ioana Chitoran (Clillac-ARP) (hi-yon.yoo@u-paris.fr)
• Starting date: January 2024
• Required skills: the research assistant should have good knowledge of French and English; previous experience working with Praat is a plus, but is not required.
• Description:

Audio recordings and acoustic analysis. The student research assistant will contribute to the ALLSTAR-FRENCH corpus by doing audio recordings and preliminary analysis of the recorded data, following a pre-established protocol.

Tasks include: recruiting participants, setting up the recordings, handling the equipment, recording, preparing the collected data for analysis (e.g., running the automatic transcription for the recorded language and correcting it as needed).

If interested, the student researcher may use the data for their own individual research project.

Title: The role of Rapport in Interaction: Multi-modal modeling of conversation, and collection of neuroscience data, to better understand how people build social bonds, and to improve performance in conversational agent-mediated interactions.
Type: L3, M1 3-month or M2 6-month Internships
Periode: stages disponibles toute l’année
Laboratoire d’accueil: Inria Paris, 2 rue Simone Iff, 75012 Paris
Thèmes: Multiple internships available including Linguistic Pragmatics, Social Cognitive Neuroscience and Embodied Conversational Agents
Langage: French or English
Rénumeration: GR (= Gratification Réglementaire)

This project exists at the intersection of Cognitive Science and Artificial Intelligence and therefore has dual goals: to better understand the role of rapport (connivence) in human-human interaction and to build better embodied conversational agents (ECAs) that have the ability to engage their users in both social and task talk, where the social talk has been demonstrated to improve task performance. In order to achieve this objective, members of the lab collect and annotate natural conversational data, collect neuroimaging (hyperscanning via fNIRS) data, model human-human conversation, integrate the models into ECAs, and then evaluate their performance. We have internships available for students from Cognitive Science, Psychology, Neuroscience, Linguistics and Computer Science (only some of the positions require programming experience).

Specifically, we currently have a number of open positions for L2 or L3 interns (part-time), M1 interns (3 months) or M2 interns (6 months), as follows: annotate conversational data for linguistic phenomena and analyze the resultant annotations; assist in the collection of video and audio data, assist in the collection of neural / neuroimaging data, from children, in an ongoing study of dyadic collaboration in children; or build machine learning models of conversation.

Applicants should have relevant experience with one or several of the following: linguistics, psychology, cognitive science, cognitive/social neuroscience, functional neuroimaging, research with children. Knowledge of statistics and/or programming languages such as Python are a plus.  Fluent English speakers with a French level of at least B1, and fluent French speakers with an English level of at least B1 are particularly invited to apply

To apply contact: justine.cassell@inria.fr and jade.jenkins@inria.fr

-- 

Stage GR à M1 ou M2: interaction avec un robot parlant
Tuteur: J Ginzburg (yonatanginzburg@gmail.com)

Mi oct 2022 — mi janvier 2023 (avec un peu de flexibilité sur les dates).

Descriptif: We need a stagiaire to help run experiments with the robot FurHat. The experiments (with human subjects) involve recording the reactions of subjects to interactions with the robot and also some programming of the scripts for the robot.

Background needed: some experience with programming in a language like python or java; interest in dialogue and/or human-robot interaction.

Nous avons besoin d’un stagiaire pour aider à mener des expériences avec le robot FurHat. Les expériences (avec des sujets humains) consistent à enregistrer les réactions des sujets aux interactions avec le robot et également à programmer des scripts pour le robot.

Prequis : une certaine expérience avec la programmation dans un langage comme python ou java ; intérêt pour le dialogue et/ou l’interaction homme-robot.

• Level: L3, M1 ou M2
• Compensation: GR = Gratification Réglementaire
• Tutor: Dorotea Bevivino, LLF (dorotea.bevivino@u-paris.fr)
• Dates: as soon as possible (année 2022-2023)
• Requirements: English native speakers; some knowledge of Excel; familiarity with Praat is not required but it is a plus.
• Description:

Stage 1 : De la bouche aux oreilles : le rôle de la maturation sensorimotrice dans le développement phonologique.

• Niveau : M1 M2
• Rémunération: peut-être rémunéré
• Encadrement et labo : Irene Lorenzini https://incc-paris.fr/people/irene-lorenzini/ et Laurianne Cabrera https://incc-paris.fr/people/laurianne-cabrera/
• Descriptif:

Traditionnellement, le traitement de la parole a été étudié comme un phénomène auditif. Cependant, de nombreuses études ont récemment montré des corrélats perceptifs entre les actions liées à la parole et les sons de la parole. En effet, chez les adultes sains, le réseau neuronal recruté par le traitement de la parole inclut une contribution régulière des aires sensorimotrices. Ceci est en accord avec certains modèles neuroscientifiques proposant des représentations partagées entre action et perception. Dans ce contexte, les recherches sur la perception de la parole et le développement du langage chez le nourrisson cherchent à comprendre le lien entre maturation sensorimotrice et développement phonologique. Ce projet explore l’impact du développement sensorimoteur sur le développement phonologique précoce. La collecte de données auprès de nourrissons de 6 à 8 mois pourra s’effectuer au Babylab de l’INCC. Les nourrissons prendront part à la fois à une étude comportementale (fixation centrale) et de neuroimagerie (fNIRS). Des enregistrements de l’environnement linguistique de l’enfant seront aussi effectués à la maison avec le système LENA.

________________________________________________________

Stage 2: Acquisition des complexes consonantiques

• Niveau : M1 – M2
• Rémunération: GR  
• Encadrement et labo : Laurianne Cabrera https://incc-paris.fr/people/laurianne-cabrera/ Ioana Chitoran http://www.clillac-arp.univ-paris-diderot.fr/user/ioana_chitoran
• Durée : année 2022-2023
• Descriptif:

FRANÇAIS. L’agencement des phonèmes dans la langue, ou phonotactique, suit des règles et contraintes particulières. Dans certains contextes, les locuteurs ont tendance à assimiler des phonèmes non-natifs entendus à ceux de leur inventaire phonologique. La perception de la parole n’est donc pas seulement dépendante de contraintes mécaniques biologiques, mais est aussi influencée par des spécificités de la langue de l’environnement : connaissance de la phonologie et des contraintes phonotactiques de celle-ci. Comment se spécialise-t-on dans le traitement des sons/séquences sonores de sa langue et Comment se développe l’acquisition d’éléments phonotactiques typologiquement rares ?

Dans ce projet nous explorons l’influence de la langue de l’environnement sur le poids perceptif accordé à certains indices acoustiques (notamment temporels) au cours du développement. Dans une étude expérimentale cross-linguistique, nous cherchons à mesurer la perception de clusters consonantiques complexes licites et illicites dans deux langues : le français et le géorgien. Nous pourrons manipuler des indices acoustiques temporels afin d’évaluer le rôle de l’acoustique dans le développement phonotactique en fonction de l’âge du locuteur (jeunes adultes vs. enfants de 3-5 ans) et de sa langue. Des tâches comportementales devront être mises en place, ainsi que le traitement et la manipulation de stimuli sonores. L’acquisition de données perceptives auprès d’enfants et d’adultes francophones pourra être également menée au sein du babylab de l’INCC.

ENGLISH. The organization of phonemes in languages, or phonotactics, follows specific rules and constrains. In some contexts, speakers have shown the tendency to assimilate non-native phonemes to the ones in their native repertoire. Thus, speech perception is not only dependant on biological mechanisms but also on the acoustical-phonological characteristics of the environmental language. How do we specialize in the processing of native speech sounds/sound sequences, and how do we acquire phonotactic elements that are typologically rare?

In this project, in collaboration with Ioana Chitoran http://www.clillac-arp.univ-paris-diderot.fr/user/ioana_chitoran, we aim to explore the influence of the native language on the processing of specific acoustic information of speech (temporal information) during development. Using a cross-linguistic experimental design, we would like to assess the perception of consonant clusters. Speech temporal information could be manipulated to assess the role of acoustics in the development of phonotactics as a function of age (adults vs children of 3-5 years) and native language. Stimulus and behavioral perceptual tasks need to be developed. Data acquisition with children and adults will take place at the babylab of the INCC.

Sujet 1

Français

1. M1 ou M2
2. Gratification de stage possible
3. Tuteur : Jalal Al-Tamimi (jalal.al-tamimi@u-paris.fr), Laboratoire de Linguistique Formelle, Université Paris Cité en collaboration avec Guillaume Wisniewski
4. Durée : 6 mois. À commencer immédiatement
5. Descriptif : Dans la continuité du développement du système de l’alignement forcé de l’arabe dialectal (macro Arabic WebMAUS et Arabic WebMINNI ; Al-Tamimi et al., 2022), nous sommes à la recherche d’un stagiaire pour réaliser une tâche de translittération (romanisation) de l’écriture arabe. Les systèmes de translittération actuels effectuent un mappage 1graphème-1graphème dans le cas d’un script arabe vocalisé. Afin de translittérer l’arabe non vocalisée, nous cherchons à développer un convertisseur informé par une transcription automatique speech-to-text (en utilisant plusieurs plateformes, ex. Transformers, wav2vec, Whisper ou WebMINNI, de la suite d’outils disponible sur WebMAUS) qui enrichie les convertisseurs préexistants avec la vocalisation obtenue à partir du speech-to-text. La première partie du stage sera consacré au développement de l’outil et ensuite l’adapter au niveau système de translittération de l’arabe (ATR ; voir : Al-Tamimi et al., 2022). Ensuite, la seconde partie sera consacrée à effectuer la transcription automatisée des productions de 100 locuteurs et puis la vérification de la transcription automatique des données en arabe afin de s’assurer de la qualité des transcriptions automatisées. La dernière partie concernera l’automatisation des tâches et la continuité du développement de l’outil de conversion afin de permettre à différents chercheurs son utilisation. L’outil de conversion nécessitera le développement d’un pipeline python claire et idéalement avec une interface GUI utilisateur.
6. Compétence : Python, excellente programmation, connaissance de la langue arabe est une préférence mais pas obligatoire.

English

1. M1 ou M2
2. Possible « Gratification de stage »
3. Tutor: Jalal Al-Tamimi (jalal.al-tamimi@u-paris.fr), Laboratoire de Linguistique Formelle, Université Paris Cité in collaboration with Guillaume Wisniewski
4. Duration: 6 months. To start as soon as possible
5. Description: As a follow-up to the development of a forced-alignment system for dialectal Arabic (the macro Arabic WebMAUS and Arabic WebMINNI; Al-Tamimi et al., 2022), we are looking for an internship to work on a transliteration (romanisation) task for Arabic script. Current transliteration systems perform a 1Grapheme-1Grapheme mapping in the case of a vocalised Arabic script. To allow for non-vocalised Arabic scripts to be transliterated, we are looking to develop a conversion tool informed by an automatic speech-to-text transcription (using various platforms, e.g., Transformers, wav2vec, Whisper, the WebMINNI tool of the WebMAUS suite of tools), with the aim to enrich current pre-existent converting systems with vocalisation obtained from speech-to-text. The first part of the internship will be used to develop the converter and adapt it to the newly developed transliteration for Arabic (ATR; see: Al-Tamimi et al., 2022). The second part concerns the automatic transcription of data produced by 100 participants followed by the verification of the outputs from the automatic system to allow for an accurate representation of the spoken output. The last part will concern automation of the tasks to allow for other researchers to be able to use it and to continue the development of the conversion tool. A clearly developed python pipeline and ideally a GUI will be required.
6. Skills: knowledge of Python, with excellent programming skills, knowledge of the Arabic language is preferred but not compulsory

Al-Tamimi, J., Schiel, F., Khattab, G., Sokhey, N., Amazouz, D., Dallak, A., & Moussa, H. (2022). A Romanization System and WebMAUS Aligner for Arabic Varieties. Proceedings of the 13th Conference on Language Resources and Evaluation (LREC 2022), © European Language Resources Association (ELRA), Licensed under CC-BY-NC-4.0, 7269–7276. http://www.lrec-conf.org/proceedings/lrec2022/pdf/2022.lrec-1.789.pdf

 ______________________________________________________________

Sujet 2

Français

1. M1 ou M2
2. Gratification de stage possible
3. Tuteur : Jalal Al-Tamimi (jalal.al-tamimi@u-paris.fr), Laboratoire de Linguistique Formelle, Université Paris Cité en collaboration avec Guillaume Wisniewski
4. Durée : 6 mois. A commencer immédiatement
5. Descriptif : Travaillant en collaboration avec le stagiaire dans le sujet 1, et dans la continuité du développement du système de l’alignement forcé de l’arabe dialectal (macro Arabic WebMAUS et Arabic WebMINNI ; Al-Tamimi et al., 2022), nous sommes à la recherche d’un stagiaire pour réaliser une tâche d’alignement forcé de l’arabe dialectal des données obtenus à partir de la transcription automatique avec le système de translittération de l’arabe dialectal. Cet alignement forcé peut utiliser le nouveau système d’alignement de l’arabe dialectal : Arabic WebMAUS (Al-Tamimi et al., 2022) ou bien les autres outils d’alignement forcée disponibles via les Transformers, wav2vec, etc. Après cette première tâche, le but est d’évaluer la performance du système et en comparant les résultats obtenus entre plateformes. Ensuite, la vérification de l’alignement signal avec texte est nécessaire et celle-ci peut être faites en utilisant la plateforme Praat et TextGrid. Une comparaison de la performance de l’aligneur sera un plus en effectuant une comparaison entre des données déjà segmentées manuellement et celles segmentées automatiquement.
6. Compétence : Python, Praat, excellente programmation, connaissance de la langue arabe non-obligatoire

English

1. M1 ou M2
2. Possible « Gratification de stage »
3. Tutor: Jalal Al-Tamimi (jalal.al-tamimi@u-paris.fr), Laboratoire de Linguistique Formelle, Université Paris Cité in collaboration with Guillaume Wisniewski
4. Duration: 6 months. To start immediately.
5. Description: Working together with the internship for topic 1, and in the continuity of the development of the dialectal Arabic forced-alignment system (macro Arabic WebMAUS and Arabic WebMINNI; Al-Tamimi et al., 2022), we are looking for an internship to perform a task of forced-alignment of dialectal Arabic obtained from automatically transcribed data. This alignment can be done using either the newly developed forced-alignment system for Arabic Arabic WebMAUS (Al-Tamimi et al., 2022) or any other platform available via Transformers, wav2vec, etc. Once this first task is performed, the next task will be to evaluate the performance of the system by comparing the performance obtained from multiplatform systems. Next, verification of the alignment of the signal to the text will be required, which can be performed using Praat and TextGrids. A comparison of the performance of the aligner is a plus, which can be done using manually segmented data (already done) and automatically segmented data.
6. Skills: knowledge of Python, Praat, with excellent programming skills, knowledge of the Arabic language not compulsory

Al-Tamimi, J., Schiel, F., Khattab, G., Sokhey, N., Amazouz, D., Dallak, A., & Moussa, H. (2022). A Romanization System and WebMAUS Aligner for Arabic Varieties. Proceedings of the 13th Conference on Language Resources and Evaluation (LREC 2022), © European Language Resources Association (ELRA), Licensed under CC-BY-NC-4.0, 7269–7276. http://www.lrec-conf.org/proceedings/lrec2022/pdf/2022.lrec-1.789.pdf

• Niveau : L3, M1 ou M2
• Rémunération : GR 
• Contact et laboratoire : Heather Burnett (LLF) 
• Durée, dates : année 2022-2023 
• Descriptif : 

La liaison en français. Revue de la littérature sur la liaison en français européen et québécois. Lecture et synthèse d’articles scientifiques. Éventuellement, constructions de stimulis pour une expérience sur la liaison en français québécois