{"id":7615,"date":"2022-03-23T11:02:55","date_gmt":"2022-03-23T10:02:55","guid":{"rendered":"https:\/\/www.isir.upmc.fr\/?post_type=isir_news&#038;p=7615"},"modified":"2022-06-15T11:38:24","modified_gmt":"2022-06-15T09:38:24","slug":"projet-acdc-synthetiser-linformation-de-donnees-tabulaires-sous-forme-textuelle-personnalisable","status":"publish","type":"isir_news","link":"https:\/\/www.isir.upmc.fr\/actualites\/projet-acdc-synthetiser-linformation-de-donnees-tabulaires-sous-forme-textuelle-personnalisable\/","title":{"rendered":"PROJET ACDC : SYNTH\u00c9TISER L&rsquo;INFORMATION DE DONN\u00c9ES TABULAIRES SOUS FORME TEXTUELLE PERSONNALISABLE"},"content":{"rendered":"\n<h4 class=\"has-text-align-center wp-block-heading\"><strong>Projet ACDC&nbsp;\u2013&nbsp;<em>Apprentissage Contrefactuel pour Data-to-text Contr\u00f4l\u00e9<\/em><\/strong><\/h4>\n\n\n\n<p class=\"wp-block-paragraph\">La tr\u00e8s&nbsp;grande disponibilit\u00e9 des donn\u00e9es est un fait bien \u00e9tabli dans notre soci\u00e9t\u00e9. Que les donn\u00e9es proviennent de textes, de traces d\u2019utilisateurs, de capteurs, de robots, ou encore de bases de connaissances, l\u2019un des d\u00e9fis communs est d\u2019acc\u00e9der rapidement aux informations contenues dans ces donn\u00e9es. Une des r\u00e9ponses \u00e0 ce d\u00e9fi consiste \u00e0 g\u00e9n\u00e9rer des synth\u00e8ses textuelles des donn\u00e9es&nbsp;consid\u00e9r\u00e9es, le langage naturel pr\u00e9sentant de nombreux avantages en terme d\u2019interpr\u00e9tabilit\u00e9, de <a rel=\"noreferrer noopener\" href=\"https:\/\/fr.wikipedia.org\/wiki\/Principe_de_compositionnalit\u00e9\" data-type=\"URL\" data-id=\"https:\/\/fr.wikipedia.org\/wiki\/Principe_de_compositionnalit\u00e9\" target=\"_blank\">compositionnalit\u00e9<\/a>, d\u2019accessibilit\u00e9 et de transf\u00e9rabilit\u00e9. La g\u00e9n\u00e9ration de descriptions textuelles constitue un probl\u00e8me qui fait r\u00e9f\u00e9rence \u00e0 un champ \u00e9mergent dans le domaine du traitement du langage naturel, appel\u00e9&nbsp;<strong>Data-to-Text<\/strong>.&nbsp;<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Le projet&nbsp;<strong>ACDC<\/strong>&nbsp;\u2013&nbsp;<em>Apprentissage Contrefactuel pour Data-to-text Contr\u00f4l\u00e9<\/em>&nbsp;\u2013 est un projet <a rel=\"noreferrer noopener\" href=\"https:\/\/anr.fr\/#\" target=\"_blank\">ANR<\/a> qui s\u2019appuie sur les avanc\u00e9es&nbsp;r\u00e9centes en apprentissage profond et g\u00e9n\u00e9ration de la langue pour la g\u00e9n\u00e9ration de synth\u00e8ses textuelles \u00e0 partir de donn\u00e9es tabulaires. Il met l\u2019accent sur&nbsp;:<\/p>\n\n\n\n<ul class=\"wp-block-list\"><li>la gestion des variations de structure et de contenu des tableaux d\u2019entr\u00e9e,<\/li><li>la d\u00e9finition et l\u2019apprentissage d\u2019op\u00e9rateurs de s\u00e9lection des informations saillantes qu\u2019ils contiennent,<\/li><li>et la personnalisation des synth\u00e8ses textuelles produites.&nbsp;<\/li><\/ul>\n\n\n\n<p class=\"wp-block-paragraph\">Coordonn\u00e9 par Sylvain Lamprier, Chercheur \u00e0 l\u2019<strong>ISIR<\/strong> et Ma\u00eetre de Conf\u00e9rences en informatique \u00e0 Sorbonne Universit\u00e9, le consortium regroupe des partenaires \u00e0 fortes comp\u00e9tences en apprentissage, data-to-text, recherche d\u2019information et g\u00e9n\u00e9ration du langage naturel. Il est compos\u00e9 de l\u2019<strong>\u00e9quipe MLIA<\/strong> de l&rsquo;<strong>ISIR<\/strong>, de la start-up <a rel=\"noreferrer noopener\" href=\"https:\/\/recital.ai\" data-type=\"URL\" data-id=\"https:\/\/recital.ai\" target=\"_blank\">reciTAL<\/a>, du&nbsp;<a rel=\"noreferrer noopener\" href=\"https:\/\/www.lamsade.dauphine.fr\" data-type=\"URL\" data-id=\"https:\/\/www.lamsade.dauphine.fr\" target=\"_blank\">Laboratoire d\u2019Analyse et de Mod\u00e9lisation de Syst\u00e8mes pour l\u2019Aide \u00e0 la D\u00e9cision<\/a> \u2013&nbsp;<em>LAMSADE<\/em> (Universit\u00e9 Paris Dauphine), et enfin du <a rel=\"noreferrer noopener\" href=\"https:\/\/www.mnhn.fr\/fr\" data-type=\"URL\" data-id=\"https:\/\/www.mnhn.fr\/fr\" target=\"_blank\">Mus\u00e9um National d\u2019Histoire Naturelle<\/a> (MNHN &#8211; Sorbonne Universit\u00e9) qui apporte son expertise scientifique dans le domaine de la biologie qui est un des importants cas d&rsquo;\u00e9tudes consid\u00e9r\u00e9s\u00a0\u00bb. <\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><em>Description du projet ACDC par Sylvain Lamprier, coordinateur du projet.<\/em><\/p>\n\n\n\n<h4 class=\"wp-block-heading\"><strong><em>En quoi consiste le projet ?<\/em><\/strong><\/h4>\n\n\n\n<p class=\"wp-block-paragraph\">Le projet&nbsp;<strong>ACDC<\/strong>&nbsp;\u2013&nbsp;<em>Apprentissage Contrefactuel pour Data-to-text Contr\u00f4l\u00e9<\/em>&nbsp;\u2013 s\u2019appuie sur les avanc\u00e9es en g\u00e9n\u00e9ration de la langue via des architectures neuronales, pour aborder des probl\u00e9matiques de synth\u00e8se textuelle d\u2019informations contenues sous forme de donn\u00e9es tabulaires.&nbsp;Nous travaillons particuli\u00e8rement sur la recherche d\u2019invariance dans les donn\u00e9es d\u2019entr\u00e9e, la d\u00e9finition et l\u2019apprentissage d\u2019op\u00e9rateurs de s\u00e9lection des informations saillantes qu\u2019ils contiennent, et la personnalisation des sorties produites. On propose de s\u2019appuyer sur des techniques d\u2019apprentissage profond et par renforcement, impliquant l\u2019inf\u00e9rence, la manipulation et le d\u00e9codage de repr\u00e9sentations d\u2019op\u00e9rations de synth\u00e8se de contenu dans un espace s\u00e9mantique continu.<\/p>\n\n\n\n<h4 class=\"wp-block-heading\"><strong><em>Quel est l\u2019objectif du projet ?<\/em><\/strong><\/h4>\n\n\n\n<p class=\"wp-block-paragraph\">L\u2019ensemble des approches r\u00e9centes de data-to-text travaillent de mani\u00e8re supervis\u00e9e, sans repr\u00e9sentation explicite des op\u00e9rateurs d\u2019extraction qu\u2019ils manipulent pour passer du contenu tabulaire global \u00e0 la synth\u00e8se textuelle.&nbsp;<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">L\u2019objectif du projet est de produire des espaces de repr\u00e9sentation r\u00e9guliers, encodant divers types de sym\u00e9trie s\u00e9mantique des op\u00e9rateurs appliqu\u00e9s aux contenus, permettant de contr\u00f4ler le mode de compression des textes g\u00e9n\u00e9r\u00e9s, en fonction d\u2019un tableau d\u2019entr\u00e9e. Ce projet se d\u00e9marque car il propose de s\u2019int\u00e9resser \u00e0 l\u2019expression des op\u00e9rateurs d\u2019extraction, afin de gagner en interpr\u00e9tabilit\u00e9 des mod\u00e8les, ainsi qu\u2019en capacit\u00e9 de contr\u00f4le sur les textes g\u00e9n\u00e9r\u00e9s.&nbsp;<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Notre d\u00e9marche est donc de chercher \u00e0 d\u00e9duire les op\u00e9rateurs d\u2019extraction de contenu permettant de passer d\u2019un tableau \u00e0 un texte observ\u00e9, en ayant pour but d\u2019avoir un apprentissage robuste, qui soit \u00e0 la fois fortement g\u00e9n\u00e9ralisable et contr\u00f4lable par un utilisateur. Les d\u00e9fis que ce projet rel\u00e8ve sont donc : 1) l\u2019inf\u00e9rence d\u2019op\u00e9rateurs d\u2019extraction d\u2019information dans les tableaux, 2) la gestion de l\u2019h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 dans les donn\u00e9es d\u2019entr\u00e9e et 3) la synth\u00e8se contr\u00f4l\u00e9e de descriptions textuelles.<\/p>\n\n\n\n<h4 class=\"wp-block-heading\"><strong><em>Quelles sont les applications possibles ?<\/em><\/strong><\/h4>\n\n\n\n<p class=\"wp-block-paragraph\">Si l\u2019on n\u2019ambitionne pas dans ce projet d\u2019atteindre un niveau humain pour interpr\u00e9ter des tableaux de donn\u00e9es, nous sommes convaincus que les m\u00e9thodes que l\u2019on envisage auront un fort impact pour la communaut\u00e9 scientifique, car ils d\u00e9finissent des m\u00e9canismes d\u2019adaptation haut-niveau pour la compr\u00e9hension des donn\u00e9es, dans les cadres applicatifs vis\u00e9s. Les avanc\u00e9es r\u00e9centes en apprentissage profond (e.g. les transformeurs structurels), nous permettent d\u2019envisager sereinement ce genre d\u2019objectifs, qui constitueront un pas important pour la communaut\u00e9 vers des syst\u00e8mes g\u00e9n\u00e9ralisables et personnalisables, dont l\u2019apprentissage ne se contente pas d\u2019imiter les sorties observ\u00e9es mais recherche \u00e0 combiner des strat\u00e9gies d\u2019extraction complexes pour r\u00e9pondre \u00e0 des besoins peu d\u00e9finis.&nbsp;<\/p>\n\n\n\n<figure class=\"wp-block-gallery has-nested-images columns-default is-cropped wp-block-gallery-1 is-layout-flex wp-block-gallery-is-layout-flex\">\n<figure class=\"wp-block-image size-large\"><img loading=\"lazy\" decoding=\"async\" width=\"1024\" height=\"820\" data-id=\"7616\" src=\"https:\/\/www.isir.upmc.fr\/wp-content\/uploads\/2022\/03\/illustration-ANR-ACDC-1024x820.jpg\" alt=\"\" class=\"wp-image-7616\" srcset=\"https:\/\/www.isir.upmc.fr\/wp-content\/uploads\/2022\/03\/illustration-ANR-ACDC-1024x820.jpg 1024w, https:\/\/www.isir.upmc.fr\/wp-content\/uploads\/2022\/03\/illustration-ANR-ACDC-300x240.jpg 300w, https:\/\/www.isir.upmc.fr\/wp-content\/uploads\/2022\/03\/illustration-ANR-ACDC-768x615.jpg 768w, https:\/\/www.isir.upmc.fr\/wp-content\/uploads\/2022\/03\/illustration-ANR-ACDC-1536x1230.jpg 1536w, https:\/\/www.isir.upmc.fr\/wp-content\/uploads\/2022\/03\/illustration-ANR-ACDC-2048x1640.jpg 2048w\" sizes=\"auto, (max-width: 1024px) 100vw, 1024px\" \/><\/figure>\n<figcaption class=\"blocks-gallery-caption\"><em>L\u00e9gende&nbsp;: \u00ab\u00a0Le projet sera centr\u00e9 sur deux cas d\u2019\u00e9tude compl\u00e9mentaires, aux propri\u00e9t\u00e9s diff\u00e9rentes, dans les domaines de l\u2019analyse de donn\u00e9es biologiques et l\u2019analyse de documents d\u2019entreprise. Il est articul\u00e9 autour de 4 lots de travail. Le WP1 s\u2019int\u00e9resse \u00e0 l\u2019apprentissage d\u2019op\u00e9rateurs et l\u2019extraction de contenu. Le WP2 se focalise sur la planification et la personnalisation des synth\u00e8ses produites. Le WP3 concerne la production de donn\u00e9es supervis\u00e9es et l\u2019\u00e9valuation des synth\u00e8ses produites par la communaut\u00e9 biologique. Enfin, le WP4 concerne des probl\u00e9matiques de transfert au cas d\u2019\u00e9tude financier, o\u00f9 les capacit\u00e9s de supervision sont limit\u00e9es, mais les enjeux \u00e9conomiques consid\u00e9rables.\u00a0\u00bb<\/em><\/figcaption><\/figure>\n\n\n\n<hr class=\"wp-block-separator has-text-color has-background has-white-background-color has-white-color\"\/>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>ACDC<\/strong>&nbsp;est un projet de recherche qui s\u2019inscrit dans les th\u00e9matiques de l\u2019<strong>ISIR<\/strong>, par ses aspects traitement du langage, qui le font notamment entrer dans le cadre du projet f\u00e9d\u00e9rateur Langage et S\u00e9mantique. Il s\u2019agit de faire parler les machines, pas seulement comme des machines \u00e0 parole sur des contenus bien sp\u00e9cifi\u00e9s, mais sur des aspects saillants de donn\u00e9es d\u2019entr\u00e9e, avec s\u00e9lection du contenu important et restitution synth\u00e9tique. Aussi, de par ses aspects apprentissage machine et par renforcement, il para\u00eet \u00e9galement entrer dans les th\u00e9matiques du projet f\u00e9d\u00e9rateur Open-Ended Learning.&nbsp;On aborde ici des probl\u00e9matiques autour de l\u2019apprentissage progressif, l\u2019interpr\u00e9tabilit\u00e9 des repr\u00e9sentations manipul\u00e9es, l\u2019apprentissage contre-factuel et le transfert de connaissances. Ses aspects \u00ab\u00a0Humains dans la boucle\u00a0\u00bb, visant la personnalisation des contenus produits par interactions avec les utilisateurs, le placent \u00e9galement dans une position centrale pour les th\u00e9matiques du laboratoire.<\/p>\n\n\n\n<hr class=\"wp-block-separator\"\/>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Contact r\u00e9f\u00e9rent du projet<\/strong> : Sylvain Lamprier, Chercheur \u00e0 l&rsquo;ISIR<\/p>\n","protected":false},"featured_media":7618,"template":"","isir_news_categories":[240],"class_list":["post-7615","isir_news","type-isir_news","status-publish","has-post-thumbnail","hentry","isir_news_categories-recherche"],"_links":{"self":[{"href":"https:\/\/www.isir.upmc.fr\/wp-json\/wp\/v2\/isir_news\/7615","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.isir.upmc.fr\/wp-json\/wp\/v2\/isir_news"}],"about":[{"href":"https:\/\/www.isir.upmc.fr\/wp-json\/wp\/v2\/types\/isir_news"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.isir.upmc.fr\/wp-json\/wp\/v2\/media\/7618"}],"wp:attachment":[{"href":"https:\/\/www.isir.upmc.fr\/wp-json\/wp\/v2\/media?parent=7615"}],"wp:term":[{"taxonomy":"isir_news_categories","embeddable":true,"href":"https:\/\/www.isir.upmc.fr\/wp-json\/wp\/v2\/isir_news_categories?post=7615"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}