Actualités du LIPN

Bonjour, j’ai le plaisir de vous inviter à ma soutenance de thèse qui aura lieu au LIPN - Université de Paris13, le mercredi 12 décembre à 14h30 en salle B311 de l’Institut Galilée. La soutenance sera suivie d’un pot en salle A201.

Le sujet de la thèse est :
"Apprentissage à base de Noyaux Sémantiques pour le Traitement de Données Textuelles"

Directeur de thèse : Younès Bennani.


Le jury sera composé des membres suivants :

-- Massih-Reza Amini (Maître de Conférences, LIP6 -- Université de Paris 6)
-- Younès Bennani (Professeur, LIPN -- Université de Paris 13)
-- Christophe Fouqueré (Professeur, LIPN -- Université de Paris 13)
-- Cyril Goutte (Agent de Recherche, CNRC -- Canada)
-- Jean-François Marcotorchino (Directeur Scientifique, Thalès Land & Joint)
-- Alain Rakotomamonjy (Professeur, INSA -- Université de Rouen)
-- Michèle Sebag (Directrice de Recherche, CNRS -- LRI -Paris 11)
-- Emmanuel Viennet (Maître de Conférences, LIPN, Université de Paris 13)

Résumé de la thèse :

Depuis le début des années 80, les méthodes statistiques et, plus spécifiquement, les méthodes d’apprentissage appliquées au traitement de données textuelles connaissent un intérêt grandissant. Cette tendance est principalement due au fait que la taille des corpus est en perpétuelle croissance. Ainsi, les méthodes utilisant le travail d’experts pour établir des règles de traitements sont devenues des processus coûteux perdant peu à peu de leur popularité au profit des systèmes d’apprentissage.

Les méthodes d’apprentissage supervisé permettent d’extraire automatiquement, à partir d’un échantillon d’apprentissage ("annoté"), des relations entre les données et le problème posé. Ces relations peuvent ensuite être généralisées à l’ensemble d’un corpus. Parmi les algorithmes d’apprentissage, les méthodes à noyaux connaissent un énorme succès depuis ces dernières années. Les noyaux sont des produits scalaires pouvant être perçus comme des fonctions de similarité. Ils peuvent être utilisés avec des algorithmes d’apprentissage linéaires tels que les Séparateurs à Vaste Marge (SVM) pour extraire des relations non-linéaires. En outre, ils permettent d’étendre les algorithmes d’apprentissage numérique aux données de tous types et notamment des types complexes tels que les arbres et les graphes.

Dans le cadre de cette thèse, nous nous intéressons principalement à deux axes :
- Le premier axe porte sur l’étude des problématiques liées au traitement de données textuelles structurées par des approches à base de noyaux. Nous présenterons, dans ce contexte, un noyau sémantique pour les documents structurés en sections notamment sous le format XML. Le noyau tire ses informations sémantiques à partir d’une source de connaissances externe, à savoir un thésaurus. Notre noyau a été testé sur un corpus de documents médicaux avec le thésaurus médical UMLS. Il a été classé, lors d’un challenge international de catégorisation de documents médicaux, parmi les 10 méthodes les plus performantes sur 44.
- Le second axe porte sur l’étude des concepts latents extraits par des méthodes statistiques telles que l’analyse sémantique latente (LSA). Nous présentons, dans une première partie, des noyaux exploitant des concepts linguistiques provenant d’une source externe et des concepts statistiques issus de la LSA. Nous montrons qu’un noyau intégrant les deux types de concepts permet d’améliorer les performances. Puis, dans un deuxième temps, nous présentons un noyau utilisant des LSA locaux afin d’extraire des concepts latents permettant d’obtenir une représentation plus fine des documents.

Une grande partie des travaux effectués dans cette thèse ont été menés dans le cadre du projet Infomagic du pôle de compétitivité Cap Digital.

Mots clés : Apprentissage, Noyaux, Séparateurs à Vaste Marge, Catégorisation de texte, Mesure de Similarité Sémantique.


Cordialement, Sujeevan Aseervatham.