BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//LORIA - ECPv6.17.4//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALNAME:LORIA
X-ORIGINAL-URL:https://www.loria.fr
X-WR-CALDESC:Évènements pour LORIA
REFRESH-INTERVAL;VALUE=DURATION:PT1H
X-Robots-Tag:noindex
X-PUBLISHED-TTL:PT1H
BEGIN:VTIMEZONE
TZID:Europe/Paris
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20180325T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20181028T010000
END:STANDARD
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20190331T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20191027T010000
END:STANDARD
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20200329T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20201025T010000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20191216T133000
DTEND;TZID=Europe/Paris:20191216T153000
DTSTAMP:20191128T163739Z
CREATED:20191128T163716Z
LAST-MODIFIED:20191128T163739Z
UID:8707-1576503000-1576510200@www.loria.fr
SUMMARY:Soutenance HDR par Adrien Coulet
DESCRIPTION:English version at the end \nTitre :  « Mises en correspondances de données\, textes et connaissances pour la découverte de connaissances biomédicales”. \nRapporteurs :\nNathalie Aussenac-Gilles IRIT\, CNRS\nSarah Cohen-Boulakia LRI\, Université Paris-Sud\nOlivier Curé IGM\, Université Paris-Est Marne-la-Vallée \nExaminateurs :\nOlivier Dameron IRISA\, Université de Rennes 1\nMarie-Dominique Devignes LORIA\, CNRS\nAnne Gégout-Petit IECL\, Université de Lorraine\nAmedeo Napoli LORIA\, CNRS \n  \nRésumé : \nLes connaissances peuvent revêtir des formes multiples en informatique : elles peuvent être écrites en langage naturel dans des textes\, un format difficile à manipuler pour les machines ; elles peuvent être formalisées dans des bases de connaissances alors appréhendables dans une certaine mesure grâces aux outils du Web Sémantique ; ou encore être présentes\, de façon sous-jacente\, dans un ensemble de données en attente d’analyse. Ces trois types de représentations de connaissances plus ou moins formalisées\, plus ou moins explicites coexistent dans de nombreux domaines\, et c’est notamment le cas dans le domaine biomédical auquel nous nous intéressons particulièrement. Malgré cette coexistence\, ces types de connaissances ne sont généralement pas confrontés les uns aux autres. Il paraît pourtant très utile d’être capable de les comparer et cela pour les quatre raisons suivantes : cela permet d’intégrer un panorama de connaissances disponibles et de proposer un accès unique à celui-ci ; de détecter des accords et désaccords entre les sources ; d’évaluer des extraction de connaissances à partir de données ; et enfin de faciliter l’extraction de connaissances en s’appuyant sur des connaissances pré-existantes. Sans forcement les atteindre tous les quatre\, nous présentons dans ce mémoire différentes contributions qui mettent en correspondance données\, textes et ontologies avec ces objectifs en vue. Dans un premier temps nous abordons les mises en correspondances entre ontologies et données ou textes. Dans un second temps nous considérons l’utilisation de ces correspondance pour l’analyse de données et en particulier de données cliniques. Enfin\, nous présentons des approches de fouille de données appliquées à des graphes de connaissances\, un contexte particulier où données et connaissances sont déjà liées. Nous nous attacherons dans tous les cas à expliquer comment les connaissances peuvent guider la découverte de connaissances. \n————— \nTitle : “Mappings between data\, texts and knowledge for biomedical knowledge discovery” \nAbstract: \nIn computer science\, knowledge can take many forms: it can be formalized in text\, a format difficult to handle for machines; it can be represented in knowledge bases\, then interpretable to some extend by machines; or being latent in a set of data awaiting to be analysed. These variously formalized representations of knowledge coexist in many fields\, and in particular in biomedicine\, our domain of interested. However they are most of the time not compared with each other\, eventhought this comparison has many potential. Comparison would allow to provide a unique access to available knowledge; to detect agreements between various sources; to evaluate knowledge discovery; and to reuse knowledge to guide knowledge discovery. Without achieving all of them\, we present in this manuscript several contributions that use mappings between data\, texts and ontologies with these goals in mind. First\, we consider data and text annotations\, i.e.\, mappings between data\, text and ontologies. Then\, we consider annotations of Electronic Health Records and how these can help analyse clinical data. Finally\, we explore the mining of knowledge graphs\, a particular setting where data and knowledge are already connected. In each case\, we will explain how knowledge may guide knowledge discovery. \n 
URL:https://www.loria.fr/event/soutenance-hdr-par-adrien-coulet/
LOCATION:A008
CATEGORIES:Soutenance
END:VEVENT
END:VCALENDAR