Action RoD – GdR IA (2017-2020)
Raisonner sur les données (Reasoning on Data)
Responsables
- Nathalie Hernandez, IRIT-Université de Toulouse Jean Jaurès, INS2i
- Catherine Roussey, INRAE
- Fatiha Sais, LRI-Université Paris-Saclay, INS2i
Thématiques
Cette action sest inter-GDR (MaDICS et IA), avec deux thématiques centrales :
- la gestion de données hétérogènes (sciences des données)
- la représentation de connaissances et les raisonnements (intelligence artificielle)
Données concernées
Nous considérons des données pour lesquelles l’ajout d’une couche « sémantique » a potentiellement une forte valeur ajoutée : Données hétérogènes (hétérogénéité des modèles de données et hétérogénéité sémantique) , Données du Web (Linked Open Data) , Données imparfaites (contradictoires, incomplètes, de fiabilité variable, …)
Mots clés
Algorithmes, Ontology-Based Data Access, Intégration de données hétérogènes, Liage de données et traitement de données liées, Raisonnements sur des données imparfaites
Contexte scientifique
Au niveau international, la question de l’exploitation de connaissances pour accéder à des données volumineuses et hétérogènes est très étudiée depuis quelques années. De nombreux travaux visent à prendre en compte des connaissances de nature ontologique (qui peuvent aller de la simple taxomomie à des connaissances décrites dans des langages logiques, comme les logiques de description, ou des langages à base de règles, organisés et étudiés en fragments d’expressivité variable) et à exploiter les inférences associées à ces connaissances dans tout le cycle de vie des données (accès, validation, enrichissement, etc.), le problème emblématique étant celui de l’interrogation (ou requêtage) des données (de nombreuses tâches complexes sur les données pouvant se reformuler en termes d’interrogation). On peut citer notamment la problématique d’Ontology-Based Data Access, très présente au niveau international dans les communautés Knowledge Representation and Reasoning, Data Management, et Semantic Web, mais dans une moindre mesure en France.
Cette action s’intéresse de façon générale au développement de techniques de représentation de connaissances et de raisonnements permettant de mieux tirer parti des données disponibles en masse dans différents formats, modèles et systèmes.
L’accent est particulièrement mis sur le développement d’algorithmes efficaces :
- pour l’interrogation de données prenant en compte des connaissances ontologiques
- pour l’intégration et l’analyse de données hétérogènes
- pour le traitement de données liées, et le liage de données issues de différentes bases
- pour raisonner sur des données incomplètes, pouvant être incertaines et de qualité variable (possiblement inconsistantes avec les connaissances ontologiques, issues de bases de diverse fiabilité, …).
L’objectif est de fédérer une communauté française sur le sujet.
Trois domaines d’application sont mis en avant, avec des fournisseurs de données prêts à mettre leurs données à disposition de la communauté de recherche :
- Agriculture numérique. L’institut de convergence #DigitAd (Human-Centred Digital Agriculture Convergence Lab) basé à Montpellier sera initié en janvier 2017. Son objectif général est de construire les briques scientifiques permettant le déploiement de l’agriculture numérique, en se basant sur une approche pluri-disciplinaire. En association avec #DigitAd, l’Irstea a été mandaté par les ministres de l’agriculture, de la recherche et de l’économie pour proposer un portail de données agricoles ouvertes. Dans ce domaine, de nombreuses bases de données relationnelles existent et stockent des données hétérogènes massives qu’il s’agit d’intégrer pour en faciliter l’accès à des usagers (décideurs, scientifiques, agriculteurs) ayant des besoins d’analyse très variés. Des ontologies, développées avec l’aide des experts du domaine, offrent un vocabulaire métier pour servir d’interfaces de requêtes adaptées au différents utilisateurs impliqués. Ce domaine est particulièrement adapté au développement d’approches de type Ontology-Based Data Access, et de méthodes de gestion d’inconsistances.
- Contenus pédagogiques en santé. La totalité des examens facultaires des facultés de médecine en France sont réalisés depuis plus de 3 ans sur une plate-forme numérique nationale dédiée intitulée SIDES. Il est offert aussi à tous les étudiants (60 000 actuellement) la possibilité de réaliser des entrainements avec correction automatique. Toutes ces activités sont tracées. L’unité élémentaire est un cas clinique, intitulé “dossier progressif”, constitué de 15 questions et devant être réalisé en 30 minutes par l’étudiant. Il existe aujourd’hui plus de 2000 dossiers de ce type dans une banque nationale dite d’entrainement alimentée par toutes les facultés de médecine de France. A titre indicatif et seulement sur la partie entrainement, plus de 4 millions de dossiers réalisés ont été enregistrés dans une base de données relationnelle de logs d’activités. Ce jeu de données sera anonymisé et permettra de tester la valeur ajoutée de l’enrichissement de ces données par des méta-données RDF et des connaissances ontologiques pour l’analyse personnalisée, et à la demande, des résultats, des lacunes et de la progression d’un étudiant ou d’un groupe d’étudiants. Les enjeux dépassent la formation initiale en Médecine car SIDES a pour vocation de s’élargir à toutes les formations en santé, y compris la formation continue.
- Données ouvertes du Web. DBpedia.fr regroupe 200 millions de triplets RDF extraits de Wikipedia francophone et le récent DBpedia historic représente toutes les révisions de pages depuis la création de Wikipedia Fr soit 1,9 milliard de triplets. Yago contient 120 millions de triplets RDF extraits également de Wikipedia. Web Data Commons met à disposition plusieurs gros jeux de données structurées extraites du Web sur des domaines variés. Ces jeux de données permettront de tester la faisabilité et l’apport d’algorithmes d’inférence pour améliorer la qualité et la complétude des données et des réponses aux requêtes, ainsi que pour le liage et la fusion de données. De plus, avec une moyenne de 70 000 requêtes par jour et des pics à 2,5 million de requêtes, le service DBpedia.fr publie des données sur le LOD depuis 2012 et place le chapitre francophone de DBpedia en deuxième position derrière l’Anglais. Dès lors il représente aussi un domaine d’application directe des recherches proposées ici.
Visitez le site web de l’Action RoD
Évènements à venir
Annonce en lien avec l’Action/le Réseau : BigData4Astro Thème : Ecole Thematique AstroInformatique 2021 (ANF) Présentation : L’astronomie a toujours été précurseur dans les problématiques de traitement de données (grands projets EUCLID, GAIA) et de[...]
Présentation La seconde édition du Symposium MaDICS aura lieu en distanciel du 6 au 9 juillet 2020. Chaque demi-journée propose un programme riche en exposés courts construit par nos responsables d’Actions et d’Atelier. Les sessions[...]
Annonce en lien avec l’Action/le Réseau : ATLAS Thème : Machine Learning applied to medical imaging Présentation : The research group ATLAS of GdR MADICS and the Paris Brain Institute (ICM) are organizing a workshop[...]
Annonce en lien avec l’Action/le Réseau : ReProVirtuFlow Thème : Reproductibilité des expériences d’analyse de données scientifiques Présentation : Face aux masses de données disponibles, à la multitude d’outils existants et au caractère complexe des[...]
Annonce en lien avec l’Action/le Réseau : ATLAS Thème : Machine learning and Medical data Présentation : This day will be dedicated to machine learning applied to medical data and to the presentation of real-world[...]
Session ‘Raisonnements sur les données : besoins applicatifs et techniques’ dans le cadre du symposium du GDR MaDICS 4 exposés invités : Olivier Rey (Airbus) : Using semantic web technologies for aerospace industrial data migration[...]
Workshop reporté à une date ultérieure Annonce en lien avec l’Action/le Réseau : ATLAS Thème : Machine Learning – Medical Data Présentation : This day will be dedicated to mathematical and algorithmic approaches for high[...]
3ème journée RoD – Programme en cours de construction – Tutoriel invité : Querying/reasoning on spatio-temporal data par Konstantina Bereta et Georgios Stamoulis (National & Kapodistrian University of Athens) – Sessions problèmes ouverts et démos[...]
Annonce en lien avec l’Action/le Réseau : ATLAS / Thème : Machine Learning – Statistics – Medical Data Présentation : Cette journée vise à se faire rencontrer des acteurs de la recherche en machine learning[...]
Annonce en lien avec l’Action/le Réseau : ReProVirtuFlow / Thème : Reproductibilité d’analyse de données Présentation : Dans le cadre de notre action, nous lançons l’organisation d’une série de ReproHackathons visant à tester les capacités[...]
Workshop lié à RoD et ouvert à la communauté internationale dans le cadre de la conférence The Web 2018URL : https://sites.google.com/site/2018rod/
Annonce en lien avec l’Action/le Réseau : ReproVituFlow Thème : Reproductibilité; bioinformatique Présentation : L’objectif de cette journée est de présenter les activités de l’action ReproVirtuFlow, fondée et soutenue par le GDR MaDICS, qui s’intéresse[...]
La Conférence sur l’Apprentissage automatique (CAp) est le rendez-vous annuel de la communauté francophone pour la présentation des résultats de recherche originaux, ainsi que l’échange et la diffusion d’expériences novatrices dans le domaine de l’apprentissage[...]
Annonce en lien avec l’Action/le Réseau : RoD / Action MaDICS Thème : Raisonner sur les données Présentation : Cette première journée RoD a pour objectif d’identifier les équipes intéressées, de faire interagir les équipes[...]
Annonce en lien avec l’Action/le Réseau : ReProVirtuFlow / Thème : Reproductibilité d’analyse de données Présentation : Dans le cadre de l’action Reprovirtuflow, nous lançons l’organisation d’une série de ReproHackathons visant à tester les capacités[...]
SnakeMake est un système de workflows scientifiques utilisé de façon croissante pour gérer les analyses scientifiques (bioinformatiques). L’objectif de cette journée est de fédérer la communauté francaise des utilisateurs de snakemake.URL : https://c3bi.pasteur.fr/news-journee-snakemake/
Annonce en lien avec l’Action/le Réseau : ReProVirtuFlow / Thème : Rassemblement des (futurs et actuels) utilisateurs du système Snakemake pour la gestion d’expériences scientifiques. Présentation : Snakemake est un nouveau système de workflows (utilisé[...]
Webinar sur la problématique de reproductibilité en bioinformatique dans le cadre de la serie de Webinars organisée par Arnaud Legrand (INRIA grenoble). Plus d’informations disponibles d’ici à la mi novembre !URL : https://team.inria.fr/polaris/mc-events/webinar-on-reproducible-research-by-arnaud-legrand/
Semaine de la Provenance (workshops TaPP et IPAW) et satellites. URL : http://www2.mitre.org/public/provenance2016/
Annonce en lien avec l’Action/le Réseau : ATLAS Thème : Journées d’ouvertures de l’action ATLAS Présentation : The ATLAS conference is an interdisciplinary workshop on mathematical and algorithmimcal approaches for high dimensional problems in data[...]
Annonce en lien avec l’Action/le Réseau : ReProVirtuFlow Thème : Vers un premier état de l’art sur les Workflows – Provenance – Machines virtuelles – approches émergentes – use cases Présentation : Vers un premier[...]