Portrait de Amal Zouaq

Amal Zouaq

Membre académique associé
Professeure titulaire, Polytechnique Montréal, Département de génie informatique et génie logiciel
Professeure agrégée, University of Ottawa, École de génie électrique et informatique
Sujets de recherche
Apprentissage de représentations
Apprentissage sur graphes
Graphes de connaissances
Modèles génératifs
Recherche d'information
Traitement du langage naturel
Site web

Biographie

Amal Zouaq est professeure titulaire à Polytechnique Montréal, au département de génie informatique et génie logiciel et membre académique associée à Mila. Elle est titulaire d’une Chaire FRQS (Double) en IA et santé numérique en plus dêtre professeure IVADO, membre du consortium CLIQ-AI (Computational Linguistics in Québec) et professeure associée à l'Université d'Ottawa.

Ses intérêts de recherche comprennent l'intelligence artificielle, le traitement du langage naturel et le Web sémantique. Elle est directrice du laboratoire de recherche LAMA-WeST, spécialisé dans tous les aspects du traitement du langage naturel et de l'intelligence artificielle, incluant les modèles de langage à grande échelle (LLMs) avec mémoires non paramétriques, les LLMs modulaires, les modèles neuro-symboliques et le Web sémantique.

Professeure Zouaq est membre du comité de programme de nombreuses conférences et revues sur l'ingénierie des connaissances et des données, le traitement du langage naturel, l'exploration de données et le Web sémantique.

Étudiants actuels

Edouard Albert-Roulhac
Maîtrise recherche - Polytechnique
Davide Baldelli
Doctorat - Polytechnique
Superviseur⋅e principal⋅e :
Sarath Chandar
Site web
Github
Google Scholar
Alexis Brissard
Maîtrise recherche - Polytechnique
Site web
Gaetan Butault
Doctorat - Polytechnique
Github
Arnaud Delage-Reid Delage-Reid
Maîtrise recherche - Polytechnique
arnaud.reid@gmail.com
Github
Karou Diallo
Doctorat - Polytechnique
diallokarou28@polymtl.ca
Google Scholar
Zacharie Garnier-Cuchet
Maîtrise recherche - Polytechnique
zacharie.garnier.cuchet@gmail.com
Github
Fabrice Lamarche
Doctorat - Polytechnique
Github
Gaya Mehenni
Maîtrise recherche - Polytechnique
Site web
Github
Aditya Sharma
Doctorat - Polytechnique
Co-superviseur⋅e :
Chris Pal
Site web
Github
Google Scholar

Publications

Local Structure Matters Most: Perturbation Study in NLU
Louis Clouâtre
Prasanna Parthasarathi
Amal Zouaq
Sarath Chandar
Recent research analyzing the sensitivity of natural language understanding models to word-order perturbations has shown that neural models … (voir plus)are surprisingly insensitive to the order of words.In this paper, we investigate this phenomenon by developing order-altering perturbations on the order of words, subwords, and characters to analyze their effect on neural models’ performance on language understanding tasks.We experiment with measuring the impact of perturbations to the local neighborhood of characters and global position of characters in the perturbed texts and observe that perturbation functions found in prior literature only affect the global ordering while the local ordering remains relatively unperturbed.We empirically show that neural models, invariant of their inductive biases, pretraining scheme, or the choice of tokenization, mostly rely on the local structure of text to build understanding and make limited use of the global structure.
2021-07-29
ArXiv (preprint)
doi.org
arxiv.org