2023 / Projet Poétique et stylistique du texte traduit / Stage « Classification automatique de textes traduits en français et textes non traduits », niveau M1/M2, durée 4 à 6 mois

Dans le cadre du projet  Poétique et stylistique du texte traduit, nous cherchons un ou une stagiaire de niveau M1 ou M2 pour un stage d’une durée de 4 à 6 mois. Il s’agit d’une collaboration avec le laboratoire d’informatique de Grenoble (LIG) !

Voir l’offre complète en pdf

Équipes

Au sein du LIG, l’équipe GETALP (Groupe d’Étude en Traduction Automatique/Traitement  Automatisé des Langues et de la Parole) est composée d’une cinquantaine de personnes (permanent-e-s, doctorante-e-s, master-e-s). Issue de l’union vertueuse de chercheurs en traitement de l’écrit et de la parole, le GETALP est une équipe pluridisciplinaire (informaticiens, linguistes, phonéticiens, traducteurs et traiteurs de signaux, …) dont l’objectif est d’aborder tous les aspects théoriques, méthodologiques et pratiques de la communication et du traitement de l’information multilingue (écrite ou orale).

Au sein de l’UMR Litt&Arts, le stage se déroulera en lien avec l’équipe ELAN (Élan, Littératures, Arts et Numériques), chargée des traitements et analyses des données, de la conception et du développement d’outils d’exploitation et de visualisation des données.

Le projet PSTT (Poétique et stylistique du texte traduit), qui étudie le texte littéraire traduit en français dans son autonomie (indépendamment du texte source) et dans ses rapports avec la langue et les formes littéraires française (en diachronie et en synchronie).
Ce stage permettra d’acquérir des compétences techniques en en apprentissage automatique appliqué au texte et des connaissances générales sur les enjeux de la traduction littéraire.

Objectifs

L’objectif du stage sera d’apprendre un système qui reconnaisse ces deux types de textes, à l’aide d’un corpus constitué de romans écrits en français et de romans traduits, voire d’apprendre un système qui puisse modifier les textes traduits de façon à ce qu’ils ne soient plus distinguables de textes non traduits. L’hypothèse que ce stage permettra d’explorer est qu’il existe des caractéristiques linguistiques et stylistiques différentielles permettant de distinguer les textes traduits en français et les textes originellement écrits en français. Le stage aura donc une application directe tant dans le domaine du TAL qu’en Littérature.

Le corpus utilisé dans cet objectif sera constitué de romans contemporains (publiés après 1980) déjà disponibles sous forme de texte brut dans le corpus Emolex du LIDILEM (https://lidilem.univ-grenoble-alpes.fr/ressources/corpus/emolex) et/ou à partir d’autres sources.

Tâches à réaliser

Formaliser la ou les tâches. Une première tâche directe serait un classifieur discriminant les textes traduits des textes non traduits.

Étudier les modèles de classifications possibles et les ressources sur lesquels ils peuvent se baser. Proposer des implémentations. On pourra viser des classifications basés par exemple sur :

  • les approches sac de mots
  • les méthodes vectorielles statiques (word2vec, glove, fasttext…) – Mikolov, 2013
  • les méthodes de comptages (Baroni, 2014)
  • les modèles de langues contextuels à la BERT (Devlin et al, 2019 ; Le et al., 2020)

Analyser les résultats et proposer des améliorations sur la tâche

Compétences requises
Connaissances de bases en python
Un intérêt pour le domaine de la littérature et/ou de la traduction sera apprécié

Lieux

Maison de la création et de l’innovation (MACI),
Université Grenoble Alpes, 339 Av. Centrale, 38400
Saint-Martin-d’Hères.

ET

Bâtiment IMAG – Université Grenoble Alpes – 700 avenue
Centrale – Domaine Universitaire, 38401 St Martin d’Hères –
France
Les deux bâtiments sont proches (400 mètres).

Période du stage : à partir de février 2024 Durée : 5-6 mois

Encadrement : La personne recrutée sera co-encadrée par :

  • Didier Schwab au LIG, enseignant-chercheur en informatique au LIG
  • Emmanuelle Esperança-Rodier, enseignante-chercheure au LIG
  • Anne Garcia-Fernandez, ingénieure de recherche CNRS à Litt&Arts
  • Pascale Roux, enseignante-chercheure à Passages XX-XXI (Lyon 2), porteuse du projet PSTT de Litt&Arts

Comment candidater ?
Les candidatures devront comporter un CV, une lettre de motivation et les relevés de notes dans le supérieur. Elles doivent être adressées avant le 22/11/2023 aux 4 adresses suivantes :
      didier.schwab@univ-grenoble-alpes.fr,
      emmanuelle.esperanca-rodier@univ-grenoble-alpes.fr
      pascale.roux@univ-lyon2.fr
      annegf@univ-grenoble-alpes.fr
avec comme objet [Stage PSTT] Candidature de Prénom Nom

Biographie

Mikolov, Tomas and Chen, Kai and Corrado, Greg and Dean, Jeffrey, Efficient Estimation of Word Representations in Vector Space, 2013, https://arxiv.org/abs/1301.3781

Marco Baroni, Georgiana Dinu, and Germa ́n Kruszewski. 2014. Don’t count, predict! a systematic comparison of context-counting vs. context-predicting semantic vectors. In 52nd Annual Meeting of the Association for Computational Linguistics
(ACL 2014), pages 238– 247, Baltimore, Maryland.

Jacob Devlin, Ming-Wei Chang, Kenton Lee, and Kristina Toutanova. 2019. BERT: Pre- training of Deep Bidirectional Transformers for Language Understanding. In Proceedings of the 2019 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies, Volume 1 (Long and Short Papers), pages 4171–4186, Minneapolis, Minnesota. Association for Computational Linguistics.

Hang Le, Loïc Vial, Jibril Frej, Vincent Segonne, Maximin Coavoux, Benjamin Lecouteux, Alexandre Allauzen, Benoit Crabbé, Laurent Besacier, and Didier Schwab. 2020. FlauBERT: Unsupervised Language Model Pre-training for French. In Proceedings of the Twelfth Language Resources and Evaluation Conference, pages 2479–2490, Marseille, France. European Language Resources Association.


OpenEdition vous propose de citer ce billet de la manière suivante :
Anne Garcia-Fernandez (10 novembre 2023). 2023 / Projet Poétique et stylistique du texte traduit / Stage « Classification automatique de textes traduits en français et textes non traduits », niveau M1/M2, durée 4 à 6 mois. ELAN - L'élan littératures, arts et numériques de Litt&Arts (UMR 5316). Consulté le 7 février 2025 à l’adresse https://doi.org/10.58079/o5fu


Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.