Apprentissage statistique hybride (génératif/discriminatif) de modèles multi-relationnels dynamiques et Applications

点击翻译按钮获取中文摘要

Ce programme de recherche vise la mise en oeuvre de méthodologies, d'algorithmes et de technologies pour la modélisation statistique de données multi-relationnelles. Il s'agit de développer des méthodes d'apprentissage statistique, basées sur des modèles de mélanges de distributions, capables de prendre en compte des dépendances entre entités, correspondant à plusieurs types de relations explicites ou implicites. Cette approche se démarque du cadre classique sur lequel se sont développées plusieurs approches d'apprentissage et qui postulent que les données sont indépendantes et identiquement distribuées. Dans ce contexte, nous proposons le développement de nouvelles approches robustes et effectives pour l'estimation de paramètres des mélanges, la sélection de caractéristiques surtout dans le cas de données de grande dimension, la sélection automatique de modèles et leurs mise à jour à chaque fois que de nouvelles données ou relations sont introduites. Nous favoriserons aussi le développement d'approches hybrides génératives discriminatives à partir de ces modèles de mélanges. Pour la validation de nos approches, nous proposons le développent de techniques pour l'extraction automatique d'entités et de relations à partir de données multimodales (textes, images, vidéos) générées par les réseaux sociaux d'internet (ex. facebook, Twitter, Flicker, MySpace, etc.). Le projet proposé est très prometteur, basé sur des formulations mathématiques et statistiques solides, et permettra l'avancement de connaissances en apprentissage statistique et prospection de données. Les applications sont diverses telles que l'identification des communautés et la modélisation du contenu multimodal dans les réseaux sociaux. Les résultats de la recherche que nous proposons peuvent être appliqués pour différents autres domaines et disciplines (biologie, science sociale, médecine, etc.). En effet, la modélisation statistique de données présentant des liens, porteur d'information, les unes entre les autres concerne toute la communauté scientifique et ont de plus en plus d'ubiquité dans notre société d'information.