These: Laurie Serrano, Vers une capitalisation des connaissances orientee utilisateur

[Thierry Hamon]

Date: Mon, 13 Jan 2014 10:07:37 +0100
From: Laurie SERRANO <laurie.serrano at unicaen.fr>
Message-ID: <CACJRe1FK3Lv8an+xC6oQNc9Vn-4rmO5+GZjw609pm92-0Yd0cQ at mail.gmail.com>

Bonjour,

J’ai le plaisir de vous inviter à ma soutenance de thèse intitulée :

"*Vers une capitalisation des connaissances orientée utilisateur :
extraction et structuration automatiques de l'information issue de
sources ouvertes*",

qui aura lieu le *vendredi 24 janvier à 10h00* à l'Université de Caen
Basse-Normandie, dans la salle des thèses du bâtiment Sciences 3 (1er
étage) sur le campus 2.

Vous êtes également cordialement invités au pot de thèse qui suivra en
salle S3 351.

*Composition du jury :*

Laurence Cholvy, Directrice de recherche, DTIM - ONERA, Toulouse
(Rapporteur)
Thierry Poibeau, Directeur de recherche, LaTTiCe - ENS, Paris
(Rapporteur)
Fatiha Saïs, Maître de conférences, LRI - Université Paris 11
(Examinatrice)
Gaël Dias, Professeur des universités, GREYC - Université de Caen
Basse-Normandie (Examinateur)
Stephan Brunessaux, Senior expert, Cassidian - EADS (Co-directeur de
thèse)
Thierry Charnois, Professeur des universités, LIPN - Université Paris 13
(Co-encadrant de thèse)
Maroua Bouzid, Professeur des universités, GREYC - Université de Caen
Basse-Normandie (Directrice de thèse)

*Résumé : *

Face à l’augmentation vertigineuse des informations disponibles
librement (notamment sur le Web), repérer efficacement celles qui
présentent un intérêt s’avère une tâche longue et complexe. Les
analystes du renseignement d’origine sources ouvertes sont
particulièrement concernés par ce phénomène. En effet, ceux-ci
recueillent manuellement une grande partie des informations d'intérêt
afin de créer des fiches de connaissance résumant le savoir acquis à
propos d’une entité. Dans ce contexte, cette thèse a pour objectif de
faciliter et réduire le travail des acteurs du renseignement et de la
veille. Nos recherches s’articulent autour de trois axes : la
modélisation de l’information, l'extraction d’information et la
capitalisation des connaissances. Nous avons réalisé un état de l’art de
ces différentes problématiques afin d'élaborer un système global de
capitalisation des connaissances. Notre première contribution est une
ontologie dédiée à la représentation des connaissances spécifiques au
renseignement et pour laquelle nous avons défini et modélisé la notion
d'événement dans ce domaine. Par ailleurs, nous avons élaboré et évalué
un système d’extraction d’événements fondé sur deux approches actuelles
en extraction d'information : une première méthode symbolique et une
seconde basée sur la découverte de motifs séquentiels fréquents. Enfin,
nous avons proposé un processus d’agrégation sémantique des événements
afin d'améliorer la qualité des fiches d'événements obtenues et
d'assurer le passage du texte à la connaissance. Celui-ci est fondé sur
une similarité multidimensionnelle entre événements, exprimée par une
échelle qualitative définie selon les besoins des utilisateurs.


*Abstract : *

Due to the considerable increase of freely available data (especially on
the Web), the discovery of relevant information from textual content is
a critical challenge. Open Source Intelligence (OSINT) specialists are
particularly concerned by this phenomenon as they try to mine large
amounts of heterogeneous information to acquire actionable
intelligence. This collection process is still largely done by hand in
order to build knowledge sheets summarizing all the knowledge acquired
about a specific entity. Given this context, the main goal of this
thesis work is to reduce and facilitate the daily work of intelligence
analysts. For this sake, our researches revolve around three main axis:
knowledge modeling, text mining and knowledge gathering. We explored the
literature related to these different domains to develop a global
knowledge gathering system. Our first contribution is the building of a
domain ontology dedicated to knowledge representation for OSINT purposes
and that comprises a specific definition and modeling of the event
concept for this domain. Secondly, we have developed and evaluated an
event recognition system which is based on two different extraction
approaches: the first one is based on hand-crafted rules and the second
one on a frequent pattern learning technique. As our third contribution,
we proposed a semantic aggregation process as a necessary
post-processing step to enhance the quality of the events extracted and
to convert extraction results into actionable knowledge. This is
achieved by means of multiple similarity measures between events,
expressed according a qualitative scale which has been designed
following our final users' needs.

Cordialement,

Laurie Serrano
Doctorante CIFRE
Laboratoire GREYC / équipe MAD
https://www.greyc.fr/user/257

-------------------------------------------------------------------------
Message diffuse par la liste Langage Naturel <LN at cines.fr>
Informations, abonnement : http://www.atala.org/article.php3?id_article=48
English version       : 
Archives                 : http://listserv.linguistlist.org/archives/ln.html
                                http://liste.cines.fr/info/ln

La liste LN est parrainee par l'ATALA (Association pour le Traitement
Automatique des Langues)
Information et adhesion  : http://www.atala.org/

ATALA décline toute responsabilité concernant le contenu des
messages diffusés sur la liste LN
-------------------------------------------------------------------------