Bonjour à toutes et à tous,
J’ai le grand plaisir de vous inviter à la soutenance de mon HDR intitulée :
« La programmation par contraintes appliquée à la fouille de données et
au traitement automatique des langues »
le mercredi 14 mars 2018 à 10h30 dans l’amphi Herbrand, bâtiment 3IA,
Université d’Orléans.
Vous êtes aussi cordialement invités au pot qui suivra la soutenance et
qui aura lieu dans la salle SR1.
Jury :
• Bruno CRÉMILLEUX, Professeur, Université de Caen Basse-Normandie,
Examinateur
• François FAGES, Directeur de recherche, INRIA Saclay, Examinateur
• Jin Kao HAO, Professeur, Université d’Angers et Institut
Universitaire de France, Examinateur
• Luc DE RAEDT, Professeur, Katholieke Universiteit Leuven, Rapporteur
• Lakhdar SAÏS, Professeur, Université d’Artois, Rapporteur
• Christine SOLNON, Professeur, INSA Lyon, Rapporteur
• Christel VRAIN, Professeur, Université d’Orléans, Examinatrice
Résumé des travaux :
La programmation par contraintes est un paradigme puissant pour
résoudre des problèmes combinatoires. Je présente mes travaux sur
l’application de la programmation par contraintes au traitement
automatique des langues et à la fouille de données.
En traitement automatique des langues, nous nous intéressons à
l’analyse syntaxique des grammaires de propriétés, décrites par des
propriétés que doivent satisfaire les énoncés grammaticaux. Nous
définissons une sémantique formelle en théorie des modèles et
formalisons l’analyse syntaxique comme un problème d’optimisation sous
contraintes. Nous développons un modèle en programmation par
contraintes, ce qui amène à un analyseur entièrement à base de contraintes.
En fouille de données, nous considérons le problème de
classification non supervisée (clustering) sous contraintes utilisateur,
qui vise à partitionner les objets en groupes homogènes, étant donnés
une mesure de dissimilarité entre objets et un ensemble de contraintes
utilisateur à satisfaire. Nous développons un cadre déclaratif qui
intègre plusieurs critères d’optimisation principaux de clustering et
tous types de contraintes utilisateur populaires. Nous montrons que sa
flexibilité permet de trouver la frontière de Pareto pour des problèmes
de clustering bi-objectif sous contraintes. Nous améliorons davantage
l’efficacité l’approche en développant des contraintes globales dédiées
aux critères d’optimisation de clustering. Nous explorons plusieurs
nouveaux problèmes de clustering avec des contraintes et montre que la
programmation par contraintes constitue un cadre flexible et efficace
pour les résoudre.
Bien cordialement,
Bich Dao
———————————————————————
Desinscription: envoyez un message a: bull-ia-unsubscribe@gdria.fr
Pour obtenir de l’aide, ecrivez a: bull-ia-help@gdria.fr