Bonjour \u00e0 tous<\/p>\n\n\n\n
Nous avons le plaisir de vous inviter au deuxi\u00e8me s\u00e9minaire du LATECE de la session d’hiver 2019.<\/p>\n\n\n\n
Qui?<\/strong> Mickael Wajnberg, doctorat en informatique, sous la direction des professeurs Blondin Mass\u00e9 et petko valtchev, d\u00e9partement informatique, UQAM<\/p>\n\n\n\n Quand?<\/strong> mercredi 30 janvier 2019 \u00e0 12h30 <\/p>\n\n\n\n O\u00f9? <\/strong>PK-5115<\/p>\n\n\n\n Titre :<\/strong><\/p>\n\n\n\n Extraction et formalisation de la connaissance d\u2019une base de donn\u00e9es multi-relationnelle<\/p>\n\n\n\n R\u00e9sum\u00e9 :<\/strong><\/p>\n\n\n\n L\u2019extraction de connaissances est une discipline qui cherche \u00e0 d\u00e9tecter des tendances, des groupes ou des motifs dans les grandes jeux de donn\u00e9es. Elle a principalement \u00e9t\u00e9 d\u00e9velopp\u00e9e autour de cas de tables de donn\u00e9es uniques. Or, la plupart des syst\u00e8mes d\u2019informations actuels se basent sur une repr\u00e9sentation en base donn\u00e9es relationnelle multi-table, alias, jeu de donn\u00e9es multi-relationnel. La fouille de donn\u00e9es multi-relationnelles vise \u00e0 combler un certain manque de pr\u00e9cision et une perte de contextualit\u00e9 qui apparait lorsque les tables d\u2019un tels jeu de donn\u00e9es se font analyser s\u00e9par\u00e9ment ou, alternativement, en joignant toutes les donn\u00e9es dans une table unique.<\/p>\n\n\n\n L\u2019analyse relationnelle de concepts (ARC) est une m\u00e9thode capable d\u2019extraire des connaissances d’un jeu de donn\u00e9es multi-relationnelles et de les expliciter sous forme de : (1) motifs (patterns) et r\u00e8gles d\u2019association ou (2) groupes homog\u00e8nes (clusters). C\u2019est une extension du paradigme math\u00e9matique d\u2019analyse formelle de concept qui admet une seule table. ARC permet, notamment, de traiter plusieurs type d\u2019objets \u2014chacun repr\u00e9sent\u00e9 au sein de sa propre table, alias contexte\u2014 inter-reli\u00e9s au travers de relations binaires inter-contextes. Ce format est clairement compatible avec les donn\u00e9es li\u00e9es et le formalisme RDF. La m\u00e9thode analytique associ\u00e9e emploie des m\u00e9canismes de propositionnalisation. Ceux-ci sont inspir\u00e9s des logiques de description pour ramener les liens inter-objets \u00e0 des descripteurs propres de ces objets.<\/p>\n\n\n\n Un premier cas d\u2019application du proc\u00e9d\u00e9 d\u2019ARC est en cours : il consiste \u00e0 croiser les donn\u00e9es neurologiques d\u2019Imagerie par R\u00e9sonance Magn\u00e9tique fonctionnelle, spatialement pr\u00e9cises, avec les donn\u00e9es d\u2019\u00e9lectroncephalogrammes, temporellement pr\u00e9cises, pour fournir aux neurologues partenaires un outil d\u2019aide \u00e0 l\u2019interpr\u00e9tation.<\/p>\n\n\n\n En outre, l\u2019ARC permettrait aussi de confronter les connaissances contenues dans un jeu de donn\u00e9es \u00e0 ce qui est d\u00e9j\u00e0 connu sur le domaine d\u2019origine de celles-ci, exprim\u00e9, par exemple, sous forme d\u2019une ontologie. Notamment, en exhibant des sous-groupes d\u2019objets aux propri\u00e9t\u00e9s communes, l’ARC pourrait d\u00e9tecter l\u2019existence de sous-classes potentiellement pertinentes au sein d\u2019une classe connue. Alternativement, elle peut valider la pertinence de certaines restrictions de propri\u00e9t\u00e9s au sein d\u2019une classe. De plus, l\u2019ARC sugg\u00e9rerait des types plus restrictifs pour les objets peuplant une ontologie en utilisant les associations entre descripteurs.<\/p>\n\n\n\n