JournŽe `` Raisonnements sur les donnŽes : besoins applicatifs et techniquesÕÕ

Jeudi 27 juin 2019,  Rennes

 

Cet atelier commun avec lÕaction LEMON du GDR MaDICS a lieu dans le cadre du symposium MadICS

 

 

 

Programme

 

13h30-17h (horaires et ordre des exposŽs ˆ prŽciser)

 

á      Olivier Rey (Airbus) : Using semantic web technologies for aerospace industrial data migration

á      Franois GoasdouŽ (IRISA) : Apprentissage de points communs entre donnŽes RDF et entre requtes SPARQL

á      Nicolas Seydoux (IRIT) : Impliquer les Žquipements en bordure de rŽseau pour raisonner ˆ l'Žchelle du Semantic Web of Things

á      Valentina Dragos (ONERA) : Pitfalls of social data exploration: Illustration on extremist content analysis

 

DŽtails des exposŽs 

 

 

Olivier Rey (Airbus) : Using semantic web technologies for aerospace industrial data migration

 

The aerospace industry is managing aircraft products with PLM (product lifecycle management) software. Most of the time, the PLM software used are very customized and very old. Moreover in the day to day life, people are using a mix of various PLM systems and Excel spreadsheets. In order to change the business practices for the 3 core businesses of the aerospace companies (design office, manufacturing, support and services), the PLM backbones must evolve on two dimensions: first they must gather all data spread across various tools per business, and second they must integrate the three businesses together (digital continuity) in order to perform efficient concurrent engineering and gain on lead times. New end to end PLM backbones are available on the market but the migration to those products is slowed down by the lack of method and tools to properly migrate the data. The main constraint of PLM data migration is to be able to keep all the semantic links of past data into the new system, because the aircraft certification is tied to those links and data. At the intersection of all those constraints, the semantic web technologies (RDF/RDFS, Triplestores, SPARQL-based rules, etc.) can help Airbus to convert its core industrial data to migrate them into new generations of PLM systems.

 

The presentation will expose a concrete industrial case and explain the status of the works and the tool chain involved in those works.

 

Nicolas Seydoux (IRIT) : Impliquer les Žquipements en bordure de rŽseau pour raisonner ˆ l'Žchelle du Semantic Web of Things        Slides

 

Le Semantic Web of Things est le domaine nŽ de la convergence de l'IoT et du Web SŽmantique. La motivation premire pour le dŽveloppement de ce domaine est le besoin d'interopŽrabilitŽ qui na”t de la grande hŽtŽrogŽnŽitŽ de l'IoT, autant dans les technologies mises en jeu que dans les domaines d'applications couverts. Cependant, intŽgrer les technologies et les principes du Web SŽmantique dans l'IoT n'est pas trivial, du fait des importantes contraintes sur les ressources dans l'IoT, ainsi que du volume important de donnŽes ˆ traiter, issues de systmes fortement dynamiques et distribuŽs. C'est pourquoi, en complŽment du Cloud computing, le calcul distribuŽ sur les Žquipements en bordure de rŽseau, aussi appelŽ fog computing, a fait son apparition en tant qu'infrastructure pour le SWoT. Dans cette prŽsentation, je prŽsenterai mes travaux abordant la distribution dynamique de rgles de dŽduction ˆ travers un rŽseau d'objet connectŽ, s'appuyant ˆ la fois sur les infrastructures Cloud et Fog.

 

Franois GoasdouŽ (IRISA) : Apprentissage de points communs entre donnŽes RDF et entre requtes SPARQL            Slides

La recherche de points communs entre des descriptions de donnŽes ou de connaissances est un problme de raisonnement fondamental en Machine Learning. Il a ŽtŽ formalisŽ par G. Plotkin dans les annŽes 70 comme le calcul de plus petits gŽnŽralisants de telles descriptions.
L'identification des plus petits gŽnŽralisants a un large panel d'applications en gestion de donnŽes allant de l'optimisation de requtes (par exemple pour matŽrialiser les points communs entre des requtes lors de la sŽlection de vues ou pour factoriser leur exŽcution dans un contexte d'accs concurrentiel) ˆ la recommandation dans le contexte des rŽseaux sociaux (par exemple pour crŽer de liens entre des utilisateurs en fonction des points communs de leur profil ou de leurs recherches).

Dans cette prŽsentation, je revisiterai la notion de plus petit gŽnŽralisant dans le contexte des formalismes du W3C pour le Web SŽmantique : le modle de donnŽes Resource Description Framework (RDF) et le fragment conjonctif de son langage de requtes associŽ SPARQL. Ceci revient ˆ caractŽriser le plus grand ensemble de points communs entre des bases de donnŽes incompltes et entre des requtes conjonctives, en prŽsence de contraintes dŽductives.

 

Valentina Dragos (ONERA) : Pitfalls of social data exploration: Illustration on extremist content analysis (titre provisoire)

 

Digital environments create the opportunity for a truly connected world and change the way people communicate and share their ideas. This paper investigates the analysis of social streams for extremist content detection and discusses main challenges of cyberspace exploration and relevant methods and technologies at state of art level. Challenges stem from the very nature of online content, a mix of multimodalities, heterogeneous topics, factual data, personal opinions and beliefs. Due to lack of lexical resources, scarcity of training sets, privacy restrictions and ethical constraints, the analysis of extremist content online is a challenging task for both academia and practitioners. The presentation does not break down how to make sense of social media data, but raises questions to be addressed before exploring social media as a resource for security applications.