GDAC
Laboratoire de recherche en Gestion, Diffusion et Acquisition des Connaissances
201, av. Président-Kennedy | PK4285, PK5275 | Montréal, Québec, Canada

Événements scientifiques organisés par le GDAC


Agenda des conférences où publier...

  • The 18th International Conference on Artificial Intelligence in Education (AIED 2017) - Page web.
  • The 10th International Conference on Educational Data Mining (EDM 2017) - Page web.
  • The 25th Conference on User Modeling, Adaptation and Personalization (UMAP 2017) - Page web.
  • The 26th International Joint Conference on Artificial Intelligence (IJCAI 2017) - Page web.
  • The 26th International World Wide Web Conference (WWW 2017) - Page web.
  • The Thirty-First AAAI Conference on Artificial Intelligence (AAAI 2017) - Page web.

Évènements futurs

  • ITS2018 (The 14th International Conference on Intelligent Tutoring Systems)

Évènements organisés

  • WWW2016 (The 25th International World Wide Web Conference) - Page web .
  • UMAP2012 (The 20th conference on User Modeling, Adaptation, and Personalization) - Page web .
  • EDM2008 (The 1st International Conference on Educationa Data Mining) - Page web .
  • ITS2008 (The 9th International Conference on Intelligent Tutoring Systems) - Page web .

**** Séminaires et conférences ****

Séminaire 2

  • Date: Mercredi 15 février 2017 (12:00 - 13:30 au PK-4285) . Choisissez votre pizza >>>ici<<<
  • Conférencière invitée: Mme Schahrazed FENNOUH .
    • Titre: Une méthode de filtrage des treillis de concepts pour la restructuration d’ontologies par l’Analyse Relationnelle de Concepts

    • Résumé: Un modèle ontologique, comme la plupart des projets d’ingénierie des systèmes d’information (modèles conceptuels et code source), est sujet à des erreurs et des anomalies. Des travaux ont tenté de détecter ces anomalies et ont proposé des méthodes pour leur correction en passant par un processus de restructuration. Ce processus vise l’amélioration de la qualité d’une ontologie et par conséquent faciliter sa compréhension et sa maintenabilité. Des approches existantes ont abordé la restructuration dans différentes perspectives. Cependant, il n’existe toujours pas de méthodologie bien établie qui couvre tout le processus de restructuration et qui permet de faire un remaniement global de la structure de l’ontologie. De plus, ces approches se focalisent sur un seul niveau de la restructuration, soit la détection et la correction des erreurs existantes liées au modèle conceptuel de l’ontologie et ne tentent pas d’identifier d’autres connaissances aussi pertinentes pour le domaine modélisé et qui sont manquantes dans l’ontologie actuelle. Pour répondre à cette problématique, nous proposons une approche de restructuration des ontologies basée sur un cadre formel qui est L’Analyse relationnelle de concepts (ARC). Cette approche devrait assurer trois étapes principales: (1) le codage de l’ontologie initiale dans le format d’entrée de l’ARC; (2) l’application des méthodes de l’ARC pour l’analyse des données de l’ontologie et leur organisation sous formes de treillis de concepts formels; et (3) la génération de l’ontologie restructurée à partir des treillis construits. Notre principale contribution serait de gérer la complexité de ces treillis de concepts par le filtrage des éléments pertinents qui vont constituer les éléments de l'ontologie restructurée.

    • Biographie: Schahrazed FENNOUH détient un Ph. D en informatique de l’Université du Québec À Montréal (2016). Son travail porte sur la restructuration des ontologies OWL et l’Analyse relationnelle de concepts. Elle a participé au projet PRIOWS – Un programme de recherche appliquée en ingénierie ontologique pour le web sémantique. Ses domaines d’intérêts sont : ingénierie ontologique, extraction de connaissances, fouille de données, apprentissage machine et intelligence artificielle.

Séminaire 1

  • Date: Mercredi 25 janvier 2017 (12:30 - 13:30 au SH-3120) (Pizza et boisson à volonté à partir de 12:00 au PK-4285). Choisissez votre pizza >>>ici<<<
  • Conférencier invité: Mr Philippe Fournier-Viger .
    • Titre: Découvertes de motifs périodiques et profitables pour l'analyse du comportement des consommateurs.

    • Résumé: L'analyse du comportement des consommateurs est un problème classique en fouille de données. Dans sa formulation originelle, il consiste à analyser les transactions (achats) de consommateurs pour y déceler des motifs fréquents tels que des groupes d'items fréquemment achetés par des consommateurs. Ces motifs découverts peuvent être ensuite utilisés pour comprendre le comportement des consommateurs et aider la prise de décision. Bien que la découverte de motifs fréquents à de nombreuses applications, elle ignore des critères importants dans la sélection des motifs tel que le profit généré par les achats des consommateurs. De plus, les algorithmes traditionnels sont inadéquats pour a découverte de motifs cycliques (ex.: les habitudes d'achats de produits sur une base hebdomadaire ou mensuelle). Pour pallier ces limites, un nouvel algorithme nommé PHM (Periodic High-utility itemset Miner) est proposé pour la découverte de motifs périodiques générant un profit élevé. Une évaluation expérimentale démontre que l'algorithme est efficient et peut filtrer un grand nombre de motifs non périodiques pour ne présenter que les motifs périodiques et profitables à l'utilisateur. La présentation discutera également brièvement d'autres problèmes connexes.

    • Biographie: Philippe Fournier-Viger (Ph.D) est professeur titulaire au Harbin Institute of Technology (Shenzhen), en Chine. Il détient un Doctorat en informatique cognitive de l'Université du Québec à Montréal (2010). Il a participé à plus de 130 articles de recherche, qui ont reçu plus de 1,100 citations. Ses intérêts de recherche portent d'une part sur la recherche fondamentale en fouille de données (conception d'algorithmes de découverte de motifs intéressants de divers types dans des bases de données, analyse/prédiction de séquences), et d'autre part sur des problèmes appliqués liés au cyberapprentissage, l'analyse de réseaux sociaux, l'analyse de textes et la conception de produits industriels. Récemment, il a reçu la prestigieuse subvention "Youth 1000" de la National Science Fundation of China. Il est aussi le fondateur de la populaire librairie open source de fouille de donnée SPMF, citée dans plus de 400 articles de recherche depuis 2010. Il est éditeur en chef du journal Data Mining and Pattern Recognition et directeur du Center of Innovative Industrial Design.