Habilitation to conduct research (Habilitation à diriger des recherches)

Raisonnement et connaissances:
équilibre entre expressivité et efficacité
Habilitation à diriger des recherches
Ana ROXIN
Discipline: Informatique
Soutenue publiquement le 15 novembre 2018 devant un jury composé de :
Pr. Bernd AMANN Université Pierre et Marie Curie Membre
Pr. Djamal BENSLIMANE Université Claude Bernard Lyon 1 Rapporteur
Pr. Frédérique LAFOREST Telecom Saint-Etienne Membre
Pr. Jean-Christophe LAPAYRE Université de Franche-Comté Membre
Pr. Pascal MOLLI Université de Nantes Rapporteur
Pr. Christophe NICOLLE Université de Bourgogne Membre
Pr. Michel PAINDAVOINE Université de Bourgogne Rapporteur
Pr. Florence SEDES Université de Toulouse Membre
Pr. Kokou YETONGNON Université de Bourgogne Membre invité

1e
Partie
Activités
enseignement
Encadrements
scientifiques
Diffusion des
résultats
2e
Partie
Problématique
Projets de
recherche
Perspectives
Plan de la présentation
Ana ROXIN - Présentation HDR - 15|11|2018 2

1e Partie
Activités
Enseignement / Encadrement / Diffusion
des résultats
3Ana ROXIN - Présentation HDR - 15|11|2018

Vue d'ensemble
Maître de conférences en informatique
○ A l’Université de Bourgogne, depuis septembre 2012
• UFR Sciences et Techniques – Département IEM
• Laboratoire LE2I
○ CNU Section 27 Informatique &
CNU Section 61 Génie informatique, automatique et traitement du
signal
○ Thèmes et mots clés de mon domaine de recherche :
• Logique, raisonnement, ingénierie des connaissances: logique de
description, clauses de Horn, alignement d’ontologies
• Web sémantique: ontologies, données liées, sensibilité au contexte
• Ingénierie des Systèmes d’Information: fédération de modèles,
interopérabilité sémantique
○ Titulaire de la PEDR depuis décembre 2017
Diplôme
Ingénieur Informatique
Juin 2006
UTBM
Filière: Réseaux Mobiles
et Systèmes Embarqués
Diplôme
Docteur Informatique
30 Novembre 2009
UTBM
Mention: Très honorable
Titre : Protocole de
découverte, sensible au
contexte, pour services
Web sémantiques
Directeurs Rapporteurs Examinateurs
Maxime WACK
MCF HDR 61e –
UTBM
Daniel JOLLY
PR 61e – Université
Artois
Alexandre
CAMINADA
PR 27e – UTBM
Jaafar GABER
MCF 27e – UTBM
Jean-Marie PINON
PR 27e – INSA de Lyon
Jacques SAVOY
PR 27e – UNINE

Chronologie des enseignements
2013 2014 2015 2016 2017 2018
ED SPIM
M2 BDIA
M1
LP
L3 / 3A
L2 / 2A
L1
UE4 "Adaptation de sites pour terminaux mobiles"
UE5 "Programmation pour terminaux mobiles Android"
UE9 "Programmation Android",
UE4 "Développement Web avancé"
ESIREM Module ITC315 "Introduction au développement Web"
IUT Info "Prog Android"
C2I Module Info12 "Programmation Web"
Module SCIn1B "Sciences et traitement de l’information"
Module WoD "Web of Data"
Module CCBD "Cloud Computing and Big Data"
Module "Web de Données Liées"
Module "Cloud Computing"
UE1 "Sécurité des données et Cloud Computing", UE3 "Web de
données liées", UE6 "Web mobile et Programmation Android"
M1 STIC Parcours Multimédia

Synthèse des activités d’enseignement
Répartition des heures ETD par type d’enseignement (CI/CM/TD/TP/Encadrement)
57,5
45
100
45
70,5
79,5
88,5
102
52,5
22
30
15,33
25
77
42
30
64
86
81
43
51
31,67
44
35
0 50 100 150 200 250 300
2013/2014
2014/2015
2015/2016
2016/2017
2017/2018
CI CM TD TP Encadrement

Synthèse des activités d’encadrement projets et stages
Heures ETD pour Projets Personnels Etudiants (PPE), Projets de fin d’Etudes (PFE), stages de niveau Licence et Master
6
37
6
41
29
2,67
12
21
6
9
14 15
16
0
5
10
15
20
25
30
35
40
45
M2 BDIA Licence Pro 2A cycle ingé 3A cycle ingé
2013/2014 2014/2015 2015/2016 2016/2017 2017/2018
2013/2014 2015/2016
2017/2018

Domaine de recherche
Intelligence artificielle au sens large (selon la définition de Prof. Barbara Grosz, Harvard University)
○ Les processus cognitifs et les représentations
nécessaires pour produire des comportements
intelligents, puis déterminer comment
implémenter ce comportement dans un système
informatique
○ Verrous:
• Comment bien modéliser
• Contraintes d’expressivité
○ Algorithmes et structures nécessaires pour
opérationnaliser la compréhension / la
connaissance modélisée précédemment
○ Verrous:
• Comment exploiter efficacement la connaissance
modélisée via des ontologies ?
• Contraintes de raisonnement, d’intégration…
Champ d'étude Méthode de calculInformation
Systems
Information
Systems
Applications
Decision
Support
Systems
Expert
Systems
Computing
methodologies
Artificial
Intelligence
Knowledge
representation
and reasoning
Ingénierie des connaissances
ou
Processus informatisés imitant le comportement et le raisonnement humain dans la résolution de problèmes

Chronologie des encadrements doctoraux et scientifiques
2012 2013 2014 2015 2016 2017 2018
J F M A M J J A S O N D J F M A M J J A S O N D J F M A M J J A S O N D J F M A M J J A S O N D J F M A M J J A S O N D J F M A M J J A S O N D J F M A M J J A S O N D
Damien ZOMAHOUNDamien ZOMAHOUN
Thèse de doctorat (50%) Thèse de doctorat (30%) Thèse de master (100%) Probatoire CNAM Master 2 Recherche
E. GUILLONE. GUILLON
Anett HOPPEAnett HOPPE
F. CHANTREUILF. CHANTREUIL
Tarcisio MENDES de FARIASTarcisio MENDES de FARIAS
M2M2
M2M2
M2M2
Claire PRUDHOMMEClaire PRUDHOMME
Muhammad ARSLANMuhammad ARSLAN
M. BARRUE BASSINM. BARRUE BASSIN
Projet MindMinings
Projet NomadBIM

Numérisation règles
CSTB, Sophia Antipolis
Evaluation H2020
LC-EEB-02-2018
Comité éditorial ISOComité éditorial ISO
ICDD ISO 21597 1&2
Semantic GIS for Disaster Management
Thèse financée par i3Mainz – encadrement à 30%
Semantic Architecture for Intelligent Context-aware Sensors in the Built Environment
Bourse Ministère – encadrement à 30%
Chronologie des projets soumis, en cours et à venir
Temps d'occupation recherche sur les 2 dernières années
2017
JAN FÉV
Soumission BigSTEP
H2020 ICT-16-2017
MAR AVR MAI JUIN JUIL AOÛ SEPT OCT NOV DÉC
2018
JAN FÉV
Début ANR McBIMDébut ANR McBIM
AAP Général 2017
MAR AVR MAI JUIN JUIL SEPT OCTAOÛ NOV DÉC
Soumission RIAAC
ANR AAP Générique
Normalisation BIMNormalisation BIM
AFNOR / CEN / ISO
Normalisation BIMNormalisation BIM
PTNB
Début DATAVIEWDébut DATAVIEW
NOBATEK / EEGLE
Atelier bSDD
Projet interne bSI
Début HERMESDébut HERMES
UBFC I-Site Blanc
Projet Réponse à
AAP
Activités
Expertise
Activités
Normalisation

Diffusion des travaux
Publications scientifiques
1
3
2 2
1
1
4
6
5
4
2
1
2
2
0
1
2
3
4
5
6
7
8
9
10
2012 2013 2014 2015 2016 2017 2018
Journaux Conférences Ch. d'ouvrages Autres
Journaux
8 (22%)
Conférences
23 (64%)
Ch. d'ouvrages
5 (14%)
21
29
38 42
52
64
58
2012 2013 2014 2015 2016 2017 2018
Citations par an

Séminaires et conférences invité
Semantic Web
Applications for
Mobility and
Social Interaction
29 février 2012
Séminaire sur
invitation de Jérôme
Euzenat à l’INRIalpes,
équipe EXMO (mOeX)
Grenoble, France
A Linked Data
Perspective for
BIM
27 octobre 2016
Présentation en session
plénière bSI
Jeju, Corée du Sud
MVD and Linked
Data (MVD
Whitepaper)
4 avril 2017
Présentation jointe
avec Matthias Weise
(AEC3) à bSI
Standards Summit
Barcelone, Espagne
Federated
Semantic Data
Management
25-30 juin 2017
Participation sur
invitation au séminaire
17262 Dagsthul,
Allemagne
Linked
(meta)Data –
Principles and
Applications for
BIM
26 mars 2018
Présentation en session
plénière bSI
Standards Summit /
BIMs Day,
Paris, France
Données liées
enjeux concrets
de la
normalisation
BIM
29 mars 2017
Invitation par
mediaConstruct en tant
qu'expert
normalisation BIM,
Salon BIM World
Paris, France

Collaborations nationales et internationales
2012 2013 2014 2015 2016 2017 2018
Equipe Connected
Intelligence / Laboratoire
Hubert Curien
Equipe OUN / Laboratoire ELLIADD – EA 4661 (UFC)
Contrat expert normalisation PTNB / CSTB
Department of Architecture and Urban Planning
(Ghent University, Belgique)
Department of Architecture and Urban Planning
(Ghent University, Belgique)
CERQUAL / Qualitel
Stardog (Etats-Unis) memorandum of understandingStardog (Etats-Unis) memorandum of understanding
Laboratoire TOPO (EPFL, Suisse)Laboratoire TOPO (EPFL, Suisse)

Activités d’évaluation de la recherche
Comités de
programme de
conférences
Comités éditoriaux
de revues internationales
Commissions
d’évaluation et
d’expertise
o Avril 2018 – Expert pour la
Commission Européenne
(LC-EEB-02-2018)
o Août 2017 – Atelier CSTB
(Expertise spécification de
règles formelles, évaluation
approche)
o Depuis 2017 – Expert français
en normalisation BIM (AFNOR,
mediaConstruct)
o Depuis juin 2016 – Membre
comité éditorial « Feuille de
route normalisation » du PTNB
ISWC (Int. Semantic Web
Conf.)
>2017 / 8 art.
ESWC (Extended Semantic
Web Conf.)
>2017 / 10 art.
Knowledge Management &
Information Sharing (KMIS)
>2016 / 6 art.
IEEE SITIS >2015 / 62 art.
LDAC >2015 / 6 art.
IEEE IoP (Internet of People) Publicity chair
OnTheMove >2013 / 3 art.
MCCT >2014 / 6 art.
Automation in
Construction
IF 2,919
Q1
Advanced Engineering
Informatics
IF 2,680
Q1
Data and Knowledge
Engineering
IF 1,694
Q2
Journal of World
Wide Web
IF 1,405
Q2
SoftwareX
SJR 3,724
Q1

Administration de la science
Exposition
Be Connected
Montage de l’exposition
"Objets connectés" avec
la MRI (Maison
Régionale de
l’Innovation) en 2014
IEEE SITIS (Signal
Image Technology and
Internet-based
Systems)
Responsable track LHNA
(Large Heterogeneous
Networks and their
Applications)
Membre comité de
programme
LDAC (Linked Data
for Architecture and
Construction)
Membre
comité organisation
Responsabilités de logistique organisationnelle de congrès internationaux et manifestations scientifiques nationales
Depuis 2015Depuis 2015 26-27 mai 2016
LDAC Dijon
Organisation à Dijon en
novembre 2017
Novembre 2017
Salon BIMoc (BIM et
objets connectés)
Participation au
montage du salon BIMoc
2016
3-20 juin 2014

Administration de la science
Participation à des organisations de normalisation
W3C
Membre Linked
Building Data CG
Montage du WG
associé
OGC
Membre de
Geosemantics DWG
Depuis 2014Depuis 2012
buildingSmart
Membre Technical
Room (Linked Data
WG)
o Lien avec la
Product Room
Membre bS Forums
Depuis 2012
AFNOR
Membre PPBIM
o GE1 “Feuille de
route”
o GE3 “Information
Delivery Manual”
o GE4 “Dictionnaires”
CEN
Membre CEN/TC 442
o WG2 “Formats
d’échange
d’information”,
o WG3 “Processus” et
WG4 “Dictionnaires
de propriétés”
ISO
ISO/TC 211
o ISO 21597
o WG08 / WG13
ISO/TC 59/SC 13
o ISO TR 23262
BIS/GIS
interoperability
Depuis 2017 Depuis 2017 Depuis 2017

2e partie
Recherches
Domaine de recherche
Approches (passées, en cours et prospectives)

Biotechnologies Matériaux avancés Intelligence artificielle Sciences comportementales Neurosciences
Internet des Objets Impression 3D Blockchain Réalité augmentée Amélioration de l’humain
Le contexte général
Singularité non, multiplicité oui !

Étude des terminaux percevant leur
environnement et définissant des actions à
entreprendre afin d’atteindre un but donné
Intelligence Artificielle
Machine
Learning
Vision
Robotique
Traitement
Langage
Naturel
Systèmes
Experts

Contraintes associées
Spécifier des
connaissances
À partir de données et
d'informations.
Spécifier un
raisonnement
A la spécification de systèmes pouvant raisonner et simuler un
comportement humain intelligent
Expliquer les
déductions
Aider
l'humain
Permettant de déduire
des faits implicites.
Au travers de
justifications logiques.
Système intuitif et
efficace.

Données
• Eléments obtenus à partir de
mesures de variables, capteurs,
actionneurs, etc.
Informations
• Données placées dans un
contexte
• Données analysées
Expérience ou Intelligence
• Actions ou faits déduits à partir
d'informations
Connaissances
• Faits, informations, vérités,
principes acquis grâce à
l'expérience ou à l'instruction
Passer de données aux connaissances
Besoin: spécifier une connaissance et une expérience humaine de manière qu'une machine puisse les manipuler
Disponibles
Explicites
Enfouies
Implicites
Approche: modèles de connaissances
explicites et formels

Apprentissage
non supervisé
Partitionnement: k moyennes, CAH
Réduction de dimension: ACP, réseaux de neurones
artificiels
Apprentissage
par renforcement
Algorithmes génétiques
TD Learning, Q Learning
Apprentissage
supervisé
Prédiction qualitative: classification
Prédiction qualitative : régression
Apprentissage
programmé
Apprentissage
programmé Systèmes à base de connaissancesSystèmes à base de connaissances
Approches pour l'ingénierie des connaissances
Besoin: pouvoir expliquer les déductions faites
Systèmes basés sur
l’apprentissage
automatique
Machine learning
Systèmes basés sur le
raisonnement
Trouver des structures sous-
jacentes pour des données
non-étiquetées
Apprendre les actions à
prendre en réponse à
chaque point de données.
La qualité de la prise de
décision est évaluée par un
signal de récompense
Apprendre une fonction de
prédiction en fonction
d'exemples annotés
Décrire le comportement
d'un expert humain face à
un problème particulier, et
sa manière de le résoudre

Les systèmes à base de connaissances
Besoin: aider l'expert
Moteur d'inférence
• Traite les règles pour
déduire des
connaissances implicites
Ensemble de règles
• Exploite un mécanisme de
logique formelle
Base de
connaissances
• Contient l'expérience, la
connaissance de l'expert
Moteur d'inférence
• Chaînage arrière
Ensemble de règles
• SWRL
Base de
connaissances
• Ontologies OWL 2 DL

Expressivité Efficacité
Algorithmes
rapides
Justification
des déductions
Représentation
numérique
fidèle à la
réalité
Expertise et
expérience
humaine
Problématique recherche
Equilibre entre expressivité et efficacité
Approche pour la
gestion de l'incertitude
Projet MindMinings
Approche pour la
fédération d'ontologies
Projet NomadBIM

Projet
MindMinings
"Enhancing Ontology-Based User Profiling
by Uncertainty Handling - An Application
to the Digital Advertising Domain"
○ Doctorante: Anett HOPPE (Nationalité allemande)
○ Thèse CIFRE N°2012-0926
○ Directeur: NICOLLE Christophe
○ Entreprise partenaire: ezakus (Bordeaux, France)
○ Du 01/10/2012 au 01/12/2015
○ Soutenance le 25/03/2016
○ % d'encadrement: 50%

Domaine d'application
Ecosystème de la publicité en ligne
Publicité • Groupe
d'audience
Segments
marketing
• Meilleure
audience par
campagne
publicitaire
Profil
Utilisateur
• Probabilité
d'appartenir
au segment
Questions recherche investiguées
Pondérer des relations sémantiques
Classifier une page Web par rapport à un ensemble d'univers
Spécifier un segment marketing
Modéliser le processus de profilage
Adapter la procédure de profilage aux campagnes marketing
Concevoir un système avec une maintenance aisée, facile à
mettre à jour
Est-ce qu'une approche à base d'ontologies permet de répondre
à toutes les contraintes du domaine ?
Évaluer la performance du processus de profilage en termes de
qualité, de vitesse et passage à l'échelle
Évaluer l'approche par rapport à une approche machine learning

Problèmes
Besoin de sémantique
Pour le journal de navigation des
utilisateurs
Pour le contenu des pages Web
Pour les connaissances des experts
marketing
Besoin d'intégrer
l'incertitude
Les résultats d'analyse de pages Web
sont incertains
L'interprétation du comportement des
utilisateurs est incertaine
Besoin d'une approche
dynamique
Permettre l'évolution du contenu d'un
profil utilisateur
Capturer la nature dynamique de la
connaissance du domaine

Ontologie OWL DL
Avec règles SWRL
Dans l'ontologie
Profil utilisateur Application
FeedbackAdaptation
Le profil et ses pondérations
sont adaptées en fonction du
retour de l'utilisateur.
Questions utilisateur /
observation du comportement
Tendance à aller au-delà des
mots-clés
Surtout avec des approches
Data Mining et Machine
Learning.
Utilise des données
utilisateur
simulées/collectées
○ Identification des
phases du processus
de profilage
○ Pour chaque phase,
état de l'art des
approches utilisées
○ Identification des
phases impactées
par notre approche
○ Application des
contraintes du
domaine
○ Choix des
composants de
notre approche
Approche
Représentation de
l'information
Exploitation du
profil
Evaluation du profilMise à jour du profil
Informations
Collecte
d'informations

Ontologie OWL DL
Besoin d'intégrer l'incertitude
Approche pour pondérer des relations
Besoin d'une approche dynamique
Raisonnement expert modélisé en SWRL
Contributions
Session
Web-
domain Partner
BID
Hit
Web-
page
Key-
word
Seg-
ment
Profile
Attribute
Uni-
verse
Dbpedia
Categ.
Dbpedia
-
URI
Navigation
Web Resource Information
Universes
User Profile
hasProfileAttribute
Weight-
HasProfileAttribute
hasProfileAttribute-
weight
hasWeight
BIDBID
Profile
Attribute
Profile
Attribute
WeightWeight
xsd:float
hasProfileAttribute-weight
o
weight-hasProfileAttribute
→ hasProfileAttribute
BID
Web-
page
Profile
Attribute
Universe
?w1
?w2
?w
=
?w1 * ?w2
  

Implémentation
Module
"Analyse
contenus
Web"
Ontologie
MindMinings
Navigation
log
Déduction
du profil
utilisateur
Profil
utilisateur
Extension
Inférence
Population
Linked Open
Data
Pages
Web
Module
« Log
analysis »
Population
Module
"Base de
règles"
Connaissances
expert
Population

Evaluation qualitative et quantitative
Processus de classification des pages Web
○ 3 approches de classification (mots-clés, étendue et
ontologique) appliquées à un ensemble de 28 pages Web
• Les résultats ont été comparés à la classification manuelle.
○ Le classificateur à base d'ontologie fournit une gamme de
classifications de catégories plus large (>5) que les alternatives
basées sur des mots-clés.
• Les classificateurs par mots clés trouvaient généralement 2 ou 3
univers avec de très hauts scores, les scores des autres univers restant
à 0.
○ Le classificateur à base d'ontologie est adapté aux contenus
présentant une diversité de sujets ou contenant un vocabulaire
non spécifique.
• Avec DbPedia en local ~1min / 1 page Web
• Avec DbPedia en ligne ~10min / 1 page Web
○ Déduction des pondérations des relations entre un
utilisateur individuel et des instances d'univers
• Plusieurs comparaisons d'entités, conditions sur des relations
et opérations arithmétiques
• Instances de 4 classes différentes et leurs relations
○ Résultats qualitatifs – les résultats correspondent aux
valeurs attendues (Tableau 18 page 104 du manuscrit)
○ Résultats quantitatifs – le nombre d'utilisateurs influe le
plus sur le temps nécessaire à la classification
(Tableau 19 page 104 du manuscrit)
Processus de profilage des utilisateurs
0,62364 0,58482 0,41994

Evaluation
Ecosystème de la publicité en ligne
Algorithmes
rapides
Justification
des déductions
Représentation
numérique
fidèle à la
réalité
Expertise et
expérience
humaine 


Pondérer des relations sémantiques
Classifier une page Web par rapport à un ensemble d'univers
Spécifier un segment marketing
Modéliser le processus de profilage
Adapter la procédure de profilage aux campagnes marketing
Concevoir un système avec une maintenance aisée, facile à
mettre à jour
Évaluer la performance du processus de profilage en termes de
qualité, de vitesse et passage à l'échelle
Évaluer l'approche par rapport à une approche machine learning
à toutes les contraintes du domaine ?









Rayonnement scientifique
Autre publication:
Anett Hoppe, "Automatic ontology-based User Profile
Learning from heterogeneous Web Resources in a Big
Data Context", Proceedings of the VLDB Endowment,
Volume 6, 2012-2013, available online:
http://www.vldb.org/pvldb/vol6/p1428-hoppe.pdf

Projet
NomadBIM
"FOWLA, a Federated Architecture for
Ontology Interoperability - An Application
to the Building Information Modeling"
○ Doctorant: Tarcisio MENDES de FARIAS (nationalité brésilienne)
○ Thèse CIFRE N°2013-1200
○ Directeur: NICOLLE Christophe
○ Entreprise partenaire: Active3D (Dijon, France)
○ Du 01/10/2013 au 30/09/2016
○ Soutenance le 3/10/2016
○ % d'encadrement: 50%

○ BIM = utiliser une « représentation numérique partagée d’un
objet construit pour faciliter les processus de conception, de
construction et d’exploitation et former une base fiable
permettant les prises de décision » (ISO29481-1 2016).
Domaine d'application
Building Information Modeling (BIM)
Pertinence d'une génération automatique pour les ontologies
Adapter d'autres standards BIM en ontologies
Implémenter une interopérabilité sémantique entre modèles BIM
Inférer de nouveaux alignements entre les ontologies
considérées
Intégrer des politiques d'accès aux données
à toutes les contraintes du domaine?
Niveau de performance atteint par notre approche en
comparaison avec les autres approches existantes ?

Problème
Pour transmettre une connaissance
expert
Pour d'autres formats d'échange
Pour spécifier les MVD
Besoin d'interopérabilité
sémantique
Pour la collaboration sans coutures
entre acteurs
Pour la fédération de données
hétérogènes
Besoin d'une approche
efficace
Pour fédérer des modèles
Pour l'extraction de données

Conversion
Nouvelle approche de conversion
EXPRESS 2x3 vers OWL
Utilisation correcte des
constructeurs sémantiques
Propriétés IFC en tant que
propriétés OWL
Utilisation de règles SWRL pour
définir des concepts nouveaux
(e.g. mur extérieur)
Sémantiques formelles
Ontologie COBieOWL
• Adaptation des règles de
validation COBie sous forme de
contraintes dans la TBox et sous
forme de règles SWRL.
Ontologie ifcWoD
• IfcRelationship en tant que
propriété
• Implémentation de l'ensemble
des PropertySets définis
Fédération sémantique
Architecture pour la
fédération d'ontologies
Algorithmes de sélection de
règles SWRL et suppression
de cycles de règles
Optimisation du temps
d'exécution des requêtes
SPARQL adressées au dessus
d'un tel alignement
Approche

Sémantique
Ontologies avec expressivité contrôlée,
respectant les concepts sémantiques
Interopérabilité sémantique
Fédération d'ontologies
Efficacité
Optimisation du temps d'exécution des
requêtes
Contributions
  Eléments de l’ontologie
COBieOWL
[CI10]
ifcOWL
[CI18]
Axiomes 19840 7216
Axiomes logiques 19658 4455
Classes 30 802
Propriétés objet 32 1177
Propriétés de type de données 125 247
Propriétés inverses 7 111
Instances 9416 0
Propriétés objet fonctionnelles 24 942
Domaines de propriétés objet 26 1073
Portées de propriétés objet 24 1070
Propriétés type de données
fonctionnelles
122 50
Domaines de propriétés de type de
données
124 260
Portées de propriétés de type de
données
123 247
Expressivité DL ALCHIF(D) ALUIF(D)
Déduction de
nouveaux
alignements
Pas de réplication
des données
interopérées
Maintenance
modulaire
Vocabulaires liés
e.g. Dublin Core,
foaf
Réduction du
temps d'exécution
des requêtes
FOWLA ~90%
Possibilité de
composer des
requêtes avec des
termes de
plusieurs
vocabulaires
Vue abstraite
•Définie via règles SWRL, pouvant
s'échanger d'un projet à l'autre
Vue concr
•Construite à
•A partir des
Système à base de règles pour définition et
extraction de vues IFC
 = {Ensemble de concepts C} U {Ensemble de
GUIDs G} U {Ensemble de relations IFC R}
Onto1
Onto2
OntoN
FOWLA

Evaluation
Domaine BIM
Algorithmes
rapides
Justification
des déductions
Représentation
numérique
fidèle à la
réalité
Expertise et
expérience
humaine


Pertinence d'une génération automatique pour les ontologies
Adapter d'autres standards BIM en ontologies
Implémenter une interopérabilité sémantique entre modèles BIM
Inférer de nouveaux alignements entre les ontologies
considérées
Intégrer des politiques d'accès aux données
à toutes les contraintes du domaine?
Niveau de performance atteint par notre approche en
comparaison avec les autres approches existantes ?






Rayonnement scientifique
Publications majeures:
[RIS5] Algorithmes sélecteur de règles, intégration dans
FOWLA
[RIS1] Alternative à l'approche MVD, exploitant les
règles – ne nécessite pas l'apprentissage d'OWL

Evaluation des contributions
Efficacité quantitative
Efficacité qualitative
Expressivité contrôlée Expressivité élevée
MindMinings
Ontologie du
profilage en ligne
MindMinings
Processus de
profilage --
MindMinings
Classification
ontologie ++
MindMinings
Profilage
optimisé
NomadBIM
ifcWoD
NomadBIM
Sélecteur de
règles
NomadBIM
Extraction vues
--
NomadBIM
COBieOWL
NomadBIM
FOWLA
NomadBIM
Extraction vues
optimisée

Les approches existantes n'imitent pas
assez bien la résolution de problèmes
telle que réalisée par les humains
L'informatique granulaire
Besoin de
conceptualisations
d'un domaine à
différents niveaux
et de mécanismes
pour passer d'un
niveau à l'autre
Les machines sont
performantes dans
des tâches
considérées difficiles
par l'homme et
médiocres dans des
tâches triviales pour
l'homme (Paradoxe
de Moravec, 1988)
Pour les humains –
comprendre les
principes sous-jacents
de la résolution de
problèmes
Pour les machines –
concevoir des
approches et
systèmes employant
ces principes
Les machines sont en train de remplacer les
humains dans un grand nombre de tâches
cognitives inhabituelles.
Besoin d'aller plus loin

Structure granulaire hiérarchique multi-niveaux
Décomposition
Un granule de niveau
supérieur peut être lié à
plusieurs granules de
niveau inférieure.
Même niveau,
même nature
Même schéma de
représentation par
niveau.
Plus le niveau est élevé,
plus le type des
granules est élevé.
Liens entre granules
Les granules d'un même
niveau peuvent être
interconnectés, se
chevaucher. Des
relations complexes
peuvent être utilisées.
Une hiérarchie,
un problème
Sous un angle donné,
avec différents niveaux
de granularité. Plusieurs
hiérarchies pour décrire
un même problème sous
plusieurs vues.
Niveau 1
Niveau N
Niveau N+1
Niveau N+3
Données brutes, non traitées
Granules en tant que
informations utiles
Granules en tant que règles
produisant des connaissances
Granules en tant que modèles
construits à partir des données
Exemple analyse de données

Informatique granulaire et…
… points de vue dans un SMA
Questions rechercheQuestions recherche
Intégration de points de vue
d'agents
Impact de la qualité des données
sur les résultats d'évaluation
ApprocheApproche
Données hétérogènes
spatiales et urbaines Système multi-agents
Evaluer des plans
réponse à
catastrophes
Projet "SemanticGIS"Projet "SemanticGIS"
Madame Claire
PRUDHOMME
Dir: C. Cruz / F.
Boochs
Encadrement à
30%
Questions rechercheQuestions recherche
Granules
d'informations
Apprentissage par
renforcement
Raisonnement sur les
données capteurs
ApprocheApproche
Architecture pour traiter des
données de capteurs
Piloter en temps-réel les capteurs,
selon leur environnement
Projet "Architecture capteurs sémantiques"Projet "Architecture capteurs sémantiques"
Monsieur
Muhammad
ARSLAN
Dir: C. Cruz / D.
Ginhac
Encadrement à
30%
… capteurs

Travaux prospectifs
Structurer la
connaissance
Identification de
modules/patterns dans
les structures existantes
Adapter en méta-
modèles liés
Décomposer les
ontologies
Définir des blocs de
connaissances, pouvant
être importés à la volée,
selon les besoins
Vers les
connaissances liées
Les concepts deviennent
des granules de
connaissances
Méta-modèles contenant
descriptions de granules
Vers
plus de confiance
Fossé entre la vérité
(comment les ressources
sont exploitées) et les
faits (comment les
ressources humaines
s’adaptent)
Niveau 1
Niveau N
Niveau N+1
Niveau N+3
Structures contrôlées
Méta-(méta-)modèles
Données liées

Algorithmes
rapides
Justification
des déductions
Représentation
numérique
fidèle à la
réalité
Expertise et
expérience
humaine
Equilibre entre expressivité et efficacité
Grâce à des approches granulaires
Consensus dans les modélisations
Les approches granulaires
permettent une adaptation du
niveau d'expressivité tout en
facilitant la fédération de
connaissances.
Granularité des justifications
Les approches granulaires sont
pertinentes pour la validation de
données RDF selon des contraintes
de topologie des nœuds RDF.

Contexte
Ontologies pour la
spécification du
contexte
Ontologies pour la
spécification du
contexte
Services sémantiques
Augmentation de OWL-S avec pris en
compte du contexte
Augmentation de OWL-S avec pris en
compte du contexte
Profilage en ligne
Avec ontologies et règles logiquesAvec ontologies et règles logiques
Publicité
Probatoire
CNAM
Probatoire
CNAM
Big Data
Probatoire
CNAM
Probatoire
CNAM
BIM
Interopérabilité sémantiqueInteropérabilité sémantique
buildingSmart Int.
Technical et Product Room
Membre délégation experts français
Participation active aux sommets
Technical et Product Room
Membre délégation experts français
Participation active aux sommets
Soumission H2020
Coordinateur BigSTEP
ICT-16-2017
Coordinateur BigSTEP
ICT-16-2017
PTNB
Feuille de
route
Feuille de
route
CSTB
Contrat
Expert
Contrat
Expert
AFNOR / CEN / ISO
Contrat Expert NormalisationContrat Expert Normalisation
CSTB
Atelier "Numérisation
règles"
Atelier "Numérisation
règles"
Début ANR McBIM
Resp. scientifique LE2IResp. scientifique LE2I
CE
Evaluateur
LC-EEB-02-
2018
Evaluateur
LC-EEB-02-
2018
ISO ICDD
Membre
comité
éditorial
Membre
comité
éditorial
Soumission ANR - RIAAC
Seul partenaire académique
Projet coordonné par le CSTB
Seul partenaire académique
Projet coordonné par le CSTB
Début DATAVIEW
Encadrement postdocEncadrement postdoc
Interopérabilité
sémantique
BIM/SIG (ISO)
La recherche n'est pas un fleuve tranquille…

Habilitation to conduct research (Habilitation à diriger des recherches)

Recommandé

Recommandé

Contenu connexe

Tendances

Tendances (20)

Similaire à Habilitation to conduct research (Habilitation à diriger des recherches)

Similaire à Habilitation to conduct research (Habilitation à diriger des recherches) (20)

Plus de Ana Roxin

Plus de Ana Roxin (20)

Habilitation to conduct research (Habilitation à diriger des recherches)