Pierre-Yves Genest Email & Phone Number

Lyon, Fr

Villeurbanne, Auvergne-Rhône-Alpes, France

Réalisation de ma thèse sur l'Extraction d'Information non-supervisée à partir de texte.L'objectif est de construire automatiquement des graphes de connaissances à partir de documents.– Développement d'extracteurs d'entités et de relations, basés sur les récentes avancées dans le domaine du NLP (BERT/PLMs, LLMs ...).– Focus particulier sur les méthodes peu supervisées (zero-shot, non-supervisé) et de taille raisonnable, pour déployer les modèles dans des scénarios réels.– En particulier, nous avons développé des modèles de NER et d'extraction de relation non-supervisés (PromptORE et CITRUN), basé sur du prompting de BERT, et du clustering, qui font mieux que les derniers LLMs tout en étant 100 fois plus petits.– Nous avons également créé le premier dataset manuellement annoté pour l'extraction d'information dans des documents (Linked-DocRED).En parallèle de ma thèse, je gère des projets de R&D valorisés en CIR autour du NLP.– Gestion d'une équipe de 4 personnes (profils IA, full stack et DevOps).– Organisation de la montée en compétence et de la formation de collaborateurs sur les technologies de l'IA et du NLP.– Encadrement de stagiaires IA et NLP.Publications– Pierre-Yves Genest, Pierre-Edouard Portier, Elöd Egyed-Zsigmond, and Martino Lovisetto. 2024. CITRUN: Cross-Domain Transfer-Learning for Unsupervised Named Entity Recognition. Under review.– Pierre-Yves Genest, Pierre-Edouard Portier, Elöd Egyed-Zsigmond, and Martino Lovisetto. 2023. Linked-DocRED - Enhancing DocRED with Entity-Linking to Evaluate End-To-End Document-Level Information Extraction Pipelines. SIGIR '23.– Pierre-Yves Genest, Pierre-Edouard Portier, Elöd Egyed-Zsigmond, and Laurent-Walter Goix. 2022. PromptORE - A Novel Approach Towards Fully Unsupervised Relation Extraction. CIKM '22.

Villeurbanne, Auvergne-Rhône-Alpes, France

Stage R&D sur le sujet de la détection d'émotion à travers le texte.L'objectif est d'ajouter une dimension empathique à des chatbots.– Contrainte du français. Nous avons construit un dataset de texte annotés par émotion en français pour entraîner et évaluer notre modèle.– Création d'un modèle de détection d'émotion en français, en utilisant BERT (PyTorch, transformers).– Développement d'une API et d'un démonstrateur, déployé en production.– Présentation des travaux lors de la conférence EGC 2022.Publications– Pierre-Yves Genest, Laurent-Walter Goix, Yasser Khalafaoui, Előd Egyed-Zsigmond, Nistor Grozavu,French translation of a dialogue dataset and text-based emotion detection. Data & Knowledge Engineering. 2022.– Pierre-Yves Genest, Laurent-Walter Goix, Előd Egyed-Zsigmond. Traduction d'un jeu de données de dialogues en français et Détection d'émotion à partir de texte. EGC 2022.

Rillieux-La-Pape, Auvergne-Rhône-Alpes, France

Développement d'un modèle de prédiction de la fréquentation du réseau de transport en commun de Tours.– Récolte, nettoyage des données de fréquentation.– Implémentation d'un modèle de Deep-Learning, basé sur des neurones récurrents (seq2seq).– Évaluation d'autres modèles stastistiques (ARIMA, Prophet) et de deep learning.– Développement d'un démonstrateur pour visualiser les données historiques et les prédictions (Angular, Plotly).Le modèle a été testé dans le contexte de la COVID avec l'effondrement de la fréquentation des transports en commun.– Les modèles statistiques ne s'adaptent pas du tout à ce changement.– Empiriquement, nous avons trouvé que les prédictions de notre modèle sont précises après deux semaines de données pendant la COVID seulement.

Doctorat, Artificial Intelligence

Doctorat CIFRE réalisé en collaboration avec Alteca. Sujet : Extraction d'Information à partir de texte.

Diplôme D'Ingénieur, Computer Science