EB GG CAIS 2006

Détecter l’innovant sur le web par des techniques non booléennes : méthode, outils, application: 

Détecter l’innovant sur le web par des techniques non booléennes : méthode, outils, application Eric Boutin, USTV, boutin@univ-tln.fr Gabriel Gallezot, UNS, gallezot@unice.fr Luc Quoniam, USTV, quoniam@univ-tln.fr

Le cycle de vie de l’information: 

Le cycle de vie de l’information émergence croissance maturité déclin temps Qté d’information perceptible Notre objet d’étude : l’émergent  KD Capacité à agir sur son environnement L’organisation doit subir des contraintes exogènes

Le KDD (Knowledge Discovery in Databases): Etat de l’art et perspective: 

Le KDD (Knowledge Discovery in Databases): Etat de l’art et perspective

Plan: 

Plan Etat de l’art (domaine médical) Méthode proposée Illustration expérimentale identifier des indicateurs de pertinence innovants dans le domaine des moteurs de recherche

Phases de recherche et développement d’un médicament : 

Phases de recherche et développement d’un médicament Un processus :  coûteux : 820 millions US$ par médicament (18% du chiffre d’affaires consacré à la R&D)  risqué : 1 molécule sur 10.000 deviendra un médicament  long : 10 ans d’efforts pour créer un médicament

Slide6: 

Médicament sur le marché Changement d’indication Utilisations possibles du KDD dans la création de nouveaux traitements D’après Pierret (2005)

Innovation mise en perspective historique: 

Innovation mise en perspective historique Connaissances disponibles Compartimentation des savoirs D’après Swanson (1986)

Principe de logique non booléenne :le modèle de Swanson: 

Principe de logique non booléenne : le modèle de Swanson l’huile de poisson est connue pour réduire la viscosité sanguine et l’agrégation plaquettaire la maladie de Raynaud est caractérisée par une grande viscosité sanguine et une forte agrégation plaquettaire Jusqu’en 1985, ces deux données n’étaient pas liées Maladie Effet physiologique Médicament

Modèle proposé : Context Problem Solution: 

Modèle proposé : Context Problem Solution Contexte A Etude de fonctions en mathématiques Solution A Algorithmes génétiques Problème optimisation Connu Ouverture Détecter une solution nouvelle ? Détecter un domaine applicatif nouveau ? Transitivité Potentielle Transitivité Potentielle

Étapes du traitement de l’information: 

Étapes du traitement de l’information S P P1 P2 Pn … Liste de mots clés THESAURUS (ex : Rameau) P1 P2 Pn Pa Pb Pc Réseau Pn Pb Métamoteur Classificateur (Clusterisation) 1 2 3 4 5 Connexion latente identification de plusieurs P Généralisation et abstraction Exploration : parents, enfants, frères Choix de termes et combinaisons possibles Génération de possibles Détection

Validation expérimentale : nouvel indicateur de pertinence de moteur de recherche ?: 

Validation expérimentale : nouvel indicateur de pertinence de moteur de recherche ? Contexte Moteurs de recherche Problème Pertinence, Évaluation … Ranking criteria Relevance indicator … Solution Indicateurs content centric Indicateur business centric Indicateur link centric Indicateur user centric …

Le recours au thésaurus: 

Le recours au thésaurus Repérage des CFC : Analyse de réseau Recherche opérationnelle => Pistes à suivre ? + Génération de nveaux mots clés : Hypergraphes Sociométrie Topologie floue

Le recours au méta moteur classificateurou moteur qui clusterise: 

Le recours au méta moteur classificateur ou moteur qui clusterise « sociometric network » « sociometric measures » « centrality measures » degree centrality, closeness centrality, information centrality Pistes potentielles

En guise de conclusion: 

En guise de conclusion Démarche de suggestion des possibles à un expert Subjectivité : biais des outils, biais de la langue (traduction), biais expert … Parallèle possible avec la méthodologie de la recherche documentaire : mais non booléen + introduction de la serendipity Evaluation de la méthode par l’analyse d’études de cas (différents outils, niveau d’expertise, …)