Appel à stages : pour le projet DataCatalogue, ALMAnaCH – Inria

Dans le cadre du projet DataCatalogue, l’équipe ALMAnaCH – Inria propose deux stages de 4 mois à destination de deux étudiant·e·s de master en humanités numériques.

Le projet DataCatalogue, lancé au début de l’automne 2021, est mené conjointement par l’équipe ALMAnaCH, la Bibliothèque nationale de France (BnF) et l’Institut national d’histoire de l’art (INHA). Il vise à passer d’une numérisation en mode image des catalogues de vente (monnaies, objets d’art, etc.) conservés à la BnF et l’INHA à une base de données textuelle et requêtable.

DataCatalogue s’attache à adapter la suite logicielle GROBID (GeneRation Of BIbliographic Data – https://github.com/kermitt2/grobid) au format des catalogues de vente. GROBID utilise des modèles CRF en cascade pour segmenter les zones d’information d’un document PDF et en produire un encodage XML-TEI. Grâce à l’encodage fin à grande échelle que permet un outil automatique comme GROBID, les catalogues de ventes bénéficieront d’un nouvel accès aux informations qu’ils contiennent. Cela passera notamment par la publication des fichiers obtenus dans une plateforme requêtable, ouverte aux publics.

Offres de stage

Le premier stage s’inscrit dans le contexte de l’extraction automatique d’information dans les catalogues de vente.

Le second porte sur la mise en place d’une plateforme de publication de fichiers XML-TEI avec l’application open source TEI Publisher.

Conditions des stages

• Lieu de travail : Inria – 2 rue Simone Iff, 75012, Paris
• Temps de travail hebdomadaire : 35h
• Gratification mensuelle : env. 538 €
• Durée du stage : 4 mois
• Début du stage : 4 avril 2022
• Fin du stage : 22 juillet 2022

Contacts

• Pour toute question concernant le stage et son déroulé, merci d’envoyer un mail à hugo.scheithauer@inria.fr.
• Merci d’adresser votre candidature avec un CV et une lettre de motivation à hugo.scheithauer@inria.fr et laurent.romary@inria.fr.

---

---