Programme Sessions Présentations Atelier SOSEM

Conférencier invité

Enrico Motta

Curriculum Vitæ

Prof Enrico Motta is a Professor of Knowledge Technologies at the Knowledge Media Institute (KMi) of the UK’s Open University. He also holds a part-time professorial position at the Department of Information Science and Media Studies of the University of Bergen in Norway. His work spans a variety of research areas including data science, semantic and language technologies, intelligent systems and robotics, and human-computer interaction. He has authored over 400 refereed publications and his h-index is 71. His current activities include the use of AI techniques in the academic publishing industry; the deployment of intelligent robots in healthcare and urban settings; and the use of AI techniques to enable large-scale news analytics and support data journalism.

• Linkedin

Présentations lors de PFIA

For over a decade my research group in scholarly and news analytics has developed a number of tools and methods which allow us to identify and make sense of the key trends and dynamics characterising academic research and, more recently, news media. Our solutions include (but are not limited to) methods that automatically generate granular ontologies characterising the space of research topics; visual analytics solutions that make sense of the dynamics of research communities; an innovative approach to forecasting the emergence of new research areas; large-scale knowledge graphs to support scientific research; an approach to capture the range of opinions about a topic, as expressed in the media; and others. A key feature of our solutions is the integration of large scale data analytics with knowledge-based analyses and techniques, to improve not just performance but also a system’s explanation capabilities. In this talk I will provide an overview of our research in these areas, presenting both the novel capabilities we have realised and the resulting user-centric deployments.

Présentation

Les journées francophones d’Ingénierie des Connaissances (IC) sont organisées chaque année depuis 1997, d’abord sous l’égide du Gracq (Groupe de Recherche en Acquisition des Connaissances) puis sous celle du collège SIC (Science de l’Ingénierie des Connaissances) de l’AFIA. Cette année encore, IC est hébergée par la plateforme PFIA, conjointement avec d’autres conférences francophones dans le domaine de l’intelligence artificielle (IA).

L’ingénierie des connaissances peut être vue comme la thématique de l’Intelligence Artificielle accompagnant l’évolution des sciences et technologies de l’information et de la communication qui engendrent des mutations dans les pratiques individuelles et collectives. Elle ambitionne de contribuer à son essor en développant les modèles, les méthodes et les outils pour l’acquisition, la représentation et l’intégration de connaissances afin de rendre possible leur exploitation dans des environnements informatiques aux caractéritiques variées. La représentation formelle de ces connaissances permet des raisonnements automatiques sur ces connaissances et sur les données qui leur sont associées, pouvant être complexes, hétérogènes et évolutives. Sa finalité est la production de méthodes et outils « intelligents », capables d’aider l’humain dans ses activités et ses prises de décisions.

La conférence IC est un lieu d’échanges et de réflexions, de présentation et de confrontation des théories, pratiques, méthodes et outils autour de l’ingénierie des connaissances. Cette communauté prend désormais en compte l’essor des algorithmes d’apprentissage automatique et leurs retombées sur les pratiques individuelles et collectives, tout en conservant l’humain au centre des systèmes de décision exploitant les données et les connaissances.

Cette année nous fêtons la trente-cinquième édition!

Thèmes de la conférence

Nous encourageons les propositions de communication sur des travaux, originaux ou déjà publiés à l’international, ayant une portée théorique, méthodologique ou pratique, sur l’un des thèmes listés ci-dessous (liste non exhaustive) :

Représentation des connaissances, ontologies

• Modèles de connaissances : conception, évolution, évaluation, exploitation, cycle de vie
• Modélisation et formalisation : langages formels et informels, standardisation
• Méthodes et outils pour l’ingénierie ontologique : alignement, intégration, modularité, fusion, métriques, patrons de conception, visualisation
• Conception et réutilisation d’ontologies fondatrices, ontologies de core-domaine, ontologies de domaine, interopérabilité, terminologies
• Ontologies et données FAIR

De la donnée à la connaissance

• Extraction et acquisition de connaissances, peuplement d’ontologies, annotation sémantique
• Acquisition de connaissances à partir de textes, à partir d’images, à partir de données non structurées, à partir d’interactions
• Ingénierie des systèmes collaboratifs, crowd-sourcing
• Traitements et raisonnements sur les connaissances
• Ingénierie des connaissances et fouille de données

Qualité des données et des connaissances

• Ingénierie des connaissances et données complexes : données multimédia, multilingues, temporelles, spatiales, multi-échelles, imprécises ou incertaines
• Propriété et sécurité dans les systèmes à base de connaissances
• Provenance et confiance dans les données, détection de vérité, incertitude
• Métrique et évaluation de la qualité des données et connaissances

Raisonnement et apprentissage

• Inférences et règles métiers
• Raisonnement logique, approximations, raisonnement statistique, raisonnement par analogie, raisonnement à partir de cas, raisonnement dans les logiques non classiques
• Calcul de plongements de graphes de connaissances
• Apprentissage profond et graphes de connaissances
• Apprentissage neuro-symbolique

Ingénierie des connaissances pour le Web

• Stockage et interrogation de connaissances distribuées
• Web sémantique, Web des données, Web social, Web des objets

Applications de l’Ingénierie des Connaissances et retours d’expérience

• Recherche d’information, indexation, recommandation
• Interaction Homme-Machine : visualisation de données, de connaissances et interconnexions, interface avec un système à base de connaissances, explications
• Systèmes multi-agents
• Agents conversationnels
• Systèmes de recommandation à base de connaissances
• Adaptation, personnalisation : profils utilisateurs, modèles de contexte et adaptation, modèles d’émotion
• Traitement de données massives, hétérogènes
• Applications aux sciences de la vie, à l’agriculture, la culture, l’éducation, l’industrie, l’économie, le droit, l’informatique décisionnelle (BI), etc.

Informations importantes

• Dates
• Soumissions
• Comité de programme
• Articles acceptés
• Actes