Interprétation des questions posées dans le moteur de recherche

[vincentporte]

Les mots clés soumis par les utilisateurs dans le moteur de recherche de la communauté dépassent souvent le seul cadre des QR des forums publics. L'objectif est d'identifier la soumission de termes connus pour suggérer des renvois vers d'autres produits du GIP.
Par exemple : croix rouge marseille, mulhouse, MSA Sud Champagne, eureka montfort sur meu ou Association initiative éco

Les types d'entités nommées à identifier sont :

• les organisations : Croix Rouge, MSA, Les jardins de Noemie
• les villes, codes postaux, départements
• les accronymes de l'insertion : PMSMP, CDDI, ASP, PASS IAE (abbréviations et nom complet)
• les métiers : jardinier, agent d'accuel

Les sources de données sont :

• api data insertion
• les emplois
• le glossaire de la commu

Un outillage candidat est spacy pour la reconnaissance d'entités nommées.
Out of the box, le modele fr_core_news_sm rend :

>>> doc=nlp('marseille')
>>> [(ent.text, ent.label_) for ent in doc.ents]
[('marseille', 'LOC')]
>>> doc=nlp('croix rouge marseille')
>>> [(ent.text, ent.label_) for ent in doc.ents]
[('croix rouge marseille', 'ORG')]

Après reentrainement, l'objectif est d'obtenir

>>> doc=nlp('marseille')
>>> [(ent.text, ent.label_) for ent in doc.ents]
[('marseille', 'LOC')]
>>> doc=nlp('croix rouge marseille')
>>> [(ent.text, ent.label_) for ent in doc.ents]
[('croix rouge', 'ORG', 'marseille', LOC')]

[vincentporte]

• collecter les listes de mots clés, par types
• génerer des données d'entrainement REALISTES en combinant les mots clés
• spécialiser le modèle fr_core_news_sm (ou fr_core_news_lg dans un second temps, selon les résultats obtenus)