Thèmes

Extraction et gestion de connaissances : fondements

  • Tâches :
    • Apprentissage supervisé : machines à noyaux, machines à vecteurs supports, réseaux de neurones formels,  modèles probabilistes, apprentissage de règles, méthodes d'ensembles, régression, ...
    • Classification non supervisée : regroupement conceptuel, méthodes de partitionnement et de recouvrement, méthodes neuronales, méthodes hiérarchiques , clustering multi-vues, multi-stratégies, incrémental, collaboratif
    • Sélection modèles
    • Extraction de motifs : itemset, séquence, arbre, graphe, ...
    • Détection d'outliers, d'inattendus et d'anomalies
    • Système de recommandations
    • Autres paradigmes : apprentissage semi-supervisé, apprentissage actif, apprentissage multi-stratégie, …
  • Méthodes :
    • Méthodes statistiques en fouilles de données
    • Apprentissage symbolique - Programmation logique inductive
    • Apprentissage topologique, variétés mathématiques
    • Fouille visuelle de données
    • Fouille de données et contraintes
    • Méthodes incrémentales de fouille de données
    • Algorithmes de fouille de données robustes au passage à l'échelle
    • Systèmes distribués/parallèles pour la fouille de données
    • Analyse des Données Symboliques
  • Données :
    • Données structurées, semi-structurées, textuelles,
    • Données hétérogènes sémantiquement / multimedia, spatiales, images, videos, audios, ... / peuplant des modèles de connaissances, données relationnelles, données en réseau, données de graphes
    • Données géolocalisées, temporelles, spatiales
    • Données annotées à l'aide d'ontologies, exploitées dans le cadre du Web sémantique,
    • Données volumineuses, complexes, dynamiques,
    • Données ouvertes
    • Données sociales

Extraction et gestion de connaissances : méthodologies

  • Acquisition, recueil, pré-traitement des données, filtrage, réduction des données, sélection et modification de caractéristiques
  • Critères et évaluation de la qualité des données et des connaissances
  • Intégration de données (entrepôt, OLAP, médiation, ...)
  • Intégration de connaissances dans le processus d'extraction
  • Gestion des connaissances et d'ontologies (acquisition, stockage, mise à jour, interopérabilité)
  • Visualisation analytique, interaction homme-machine en fouille de données
  • Traçabilité, sécurité et intégrité de l'information et des données
  • Plateformes et systèmes pour l'ECD
  • Etudes comparatives avec benchmark d'évaluation
  • Protocoles d'évaluation et validation de modèles à partir d'échantillon d'utilisateurs
  • Etudes expérimentales sur des données volumineuses

Extraction et gestion de connaissances dans des domaines émergents

  • Social : analyse de liens, communautés en ligne, réseaux sociaux et autres
  • Mobilité, géo-localisation, ambiant, ubiquitaire
  • Modélisation de comportements
  • Commerce électronique, publicité en ligne
  • Fouille de données d'opinions, de dépêches, de microblogging
  • Open data
  • Linked data
  • Crowdsourcing
  • ...

Applications de l'extraction et de la gestion de connaissances

  • Mémoires d'entreprise, veille technologique.
  • Détection d'intrusion, prévention de fraude.
  • Modélisation des épidémies, recherche clinique, surveillance de soins de santé.
  • Gestion de la relation client, des réseaux et des systèmes de gestion.
  • Développement durable, transports intelligents.
  • Autres applications dans des domaines comme la médecine, la biologie, la chimie, la finance, les assurances, …