STAGE Segmentation et détection automatique des situations conflictuelles en interview politique

Le stage vise principalement à l’amélioration de la segmentation automatique d’interviews politiques pour assister les travaux de recherche en science politique. Dans ce cadre, nous nous intéresserons notamment à la détection du brouhaha (parole superposée). De manière plus fine, nous aimerions pouvoir extraire des descripteurs du signal de parole [Eyben et al, 2015] corrélés au niveau de conflictualité des échanges, basés, par exemple, sur le niveau d’activation (niveau intermédiaire entre le signal et l’expressivité [Rilliard et al, 2018]) ou l’effort vocal [Liénard, 2019].
Le stage pourra s’appuyer initialement sur deux corpus totalisant 30 interviews politiques annotés finement en tours de paroles dans le cadre du projet OOPAIP. Il débutera par la réalisation d’un état de l’art de la diarization (segmentation et regroupement en locuteurs [Bredin et al., 2020]) et de la détection de la parole superposée [Chowdhury et al, 2019]. Il s’agira ensuite de proposer des solutions basées sur des frameworks récents pour améliorer la localisation des frontières de tours de parole, notamment lorsque la fréquence des changements de locuteurs est importante le cas limite étant la situation du brouhaha.
La seconde partie du stage se penchera sur une mesure plus fine du niveau conflictuel des échanges, via la recherche des descripteurs les plus pertinents et par la mise au point d’architecture d’apprentissage pour sa modélisation.
Le langage de programmation utilisé dans le cadre de ce stage sera Python. Le stagiaire aura accès aux ressources de calcul du LIMSI (serveurs et cluster avec GPU de génération récente).

Valorisation du stage
Différentes stratégies de valorisation des travaux du·de la stagiaire seront envisagées, en fonction du degré de maturité des travaux réalisés :
● Diffusion des outils d’analyse réalisés sous licence open-source
● Rédaction de publications scientifiques