[Liste-proml] Annonce soutenance HDR

Massih AMINI Massih-Reza.Amini at lip6.fr
Mer 28 Nov 17:20:26 CET 2007


** Pardon d'avance pour les réceptions multiples **

Bonjour,

J'ai le plaisir de vous inviter à la soutenance de mon habilitation à 
diriger des recherches intitulée "Apprentissage de fonctions de 
classification et d'ordonnancement avec des données partiellement 
étiquetées" ainsi qu'au pot qui suivra.

http://webia.lip6.fr/~amini/HDR.html

La soutenance aura lieu le mardi 11 Décembre 2007 à 15h00 au Laboratoire 
d'Informatique de Paris 6, salle 847

Devant le jury composé de:

Stéphane CANU, Professeur INSA de Rouen, Rapporteur
Eric GAUSSIER, Professeur à l'université Joseph Fourier, Rapporteur
Françoise FOGELMAN-SOULIE, Vice Présidente de KXEN, Examinatrice
Patrick GALLINARI, Professeur à l'université Paris 6, Examinateur
Mario MARCHAND, Professeur à l'université Laval, Rapporteur
Jean-Philippe VERT, Directeur du centre bio-Informatique à l'Ecole des 
Mines de Paris, Examinateur

Résumé:

Avec le développement des technologies d'information on assiste depuis 
quelques années à une nouvelle impulsion pour la conception de nouveaux 
cadres d'apprentissage automatique. C'est le cas par exemple du 
paradigme semi-supervisé qui a vu le jour vers la fin des années 90 dans 
la communauté apprentissage. Les premiers travaux dans ce cadre ont été 
motivés par le développement du web qui a entraîné une production 
massive de données textuelles très hétérogènes. Ces masses de données 
sont généralement livrées sous forme brute, sans étiquetage a priori et 
pour les exploiter on était alors réduit à utiliser des techniques 
non-supervisées. Ces approches bien que totalement génériques ne 
permettent cependant qu'une analyse limitée des informations de contenu 
et ne répondent pas ainsi aux demandes de nombreuses tâches de Recherche 
d'Information (RI). L'idée pragmatique développée pour l'apprentissage 
semi-supervisé était née de la question; "comment réduire l'effort 
d'étiquetage et utiliser simultanément une petite quantité de données 
étiquetées avec la masse de données non-étiquetées disponible pour 
apprendre?" Un autre exemple de l'émergence de nouveaux cadres 
d'apprentissage concerne le développement de méthodes automatiques pour 
la recherche et l'ordonnancement d'entités d'information sur des corpus 
de grandes tailles. Récemment beaucoup de travaux se sont intéressés à 
la formulation des différentes formes de la tâche d'ordonnancement. Ces 
travaux ont proposé des algorithmes et développé des cadres théoriques 
pour la prédiction d'ordres totaux ou partiels sur les exemples. La 
Recherche d'Information est une fois encore le domaine par excellence où 
les modèles d'apprentissage de fonctions d'ordonnancement jouent un rôle 
prépondérant. Dans notre étude nous nous sommes intéressés à deux cadres 
d'ordonnancement d'instances et d'alternatives. Dans le premier cas il 
s'agit d'ordonner les exemples (où instances) d'une collection donnée de 
façon à ce que les exemples jugés pertinents soient ordonnés au--dessus 
des exemples non--pertinents et dans le second cas nous cherchons à 
ordonner les alternatives d'une collection donnée par rapport à chaque 
exemple d'entrée. Ce mémoire présente mes travaux de recherche depuis ma 
thèse soutenue en 2001 suivant les deux axes d'apprentissage 
semi-supervisé et d'apprentissage de fonctions d'ordonnancement évoqués 
plus haut. J'ai commencé à m'intéresser à la problématique 
d'apprentissage semi-supervisé pour la classification à la fin de ma 
thèse jusqu'à fin 2003. En 2004 et 2005 j'ai abordé la problématique 
d'apprentissage supervisé de fonctions d'ordonnancement avec comme 
application phare le résumé automatique de textes. En 2006 je me suis 
intéressé à l'apprentissage actif de fonctions d'ordonnancement et nous 
avons été parmi les premiers à proposer un cadre théorique pour 
l'apprentissage actif de fonctions d'ordonnancement d'alternatives.

Cordialement,

Massih Amini

-- 
Massih-Reza AMINI - Maître de Conférences
LIP6 - Pôle IA, Thème APA
104, Avenue du Président Kennedy - 75016 Paris
http://www-connex.lip6.fr/~amini/
tel : (33) 1 44 27 37 92 
fax: (33) 1 44 27 70 00








More information about the Liste-proml mailing list