Algorithmique

Visualisation de graphes de connaissances

Ce projet vise réaliser des visualisations, éventuellement interactives ou animées à partir de graphes de connaissances.

Les graphes de connaissances sont des sortes de bases de données. Elles contiennent un ensemble de ‘faits’ élémentaires qui relient des éléments à d’autres éléments ou à des valeurs (chaîne, entier…). Ces faits constituent des liens entre les éléments et, de ce fait, forment un graphe au sens mathématique. Ce graphe peut être exploré pour faire émerger des informations. Par exemple, le graphe DBPedia contient de nombreuses informations extraites de Wikipedia.

Générations de graphes d’attaque pour l’analyse de risque

Il existe un modèle adapté à la modélisation du déroulement d’une attaque : le graphe d’attaque. Intuitivement, un graphe d’attaque représente les enchaînements d’action qu’un attaquant peut tenter et les dépendances de type pré-requis / conséquences pour chaque attaque élémentaire. Dans ce contexte, les nœuds représentent des événements indésirés (e.g. mot passe connu de l’attaquant …), l’intérêt d’un tel graphe est de déterminer si il est possible pour l’attaquant de déclencher un événement à partir d’un état initial donné. Cela se traduit en une problématique de parcours de graphe.

Récolte de données sur des événements

Ce projet vise à récolter sur le web, nettoyer, consolider, structurer des données sur des événements culturels passés, présents ou futurs : dates, lieux, titres, thématiques, avis…

Il permettra au groupe de découvrir et d’exploiter des techniques d’extraction de données du web. Il leur permettra aussi de découvrir comment utiliser les techniques de représentation du web sémantique.

 

Des sources d’informations seront proposées comme base, mais le dispositif mis en œuvre devrait permettre d’ajouter d’autres sources d’informations.

Analyse de livres d’or électroniques de Musées et Monuments

Ordonnancement : solution exacte vs approximée, que gagne-t-on réellement ?

Le but de ce  projet est d'implémenter deux logiques de calcul d'ordonnancement (c'est un travail théorique), l'une exacte, l'autre approximée (via optimisation par algorithme génétique). 

Environnement de prototypage d’ordonnancement pour systèmes temps réel

Nous souhaitons concevoir en langage C un environnement de prototypage d’ordonnancement temps réel pour multi-coeurs. L’implémentation se basera sur les processus POSIX. Un processus hautement prioritaire se chargera d’exécuter les actions d’ordonnancement. Notamment il donnera des priorités moyennes aux processus utilisateurs qui auront été élus et laisseront les autres processus avec des priorités faibles. Il choisira également les cœurs sur lesquels les processus élus devront s’exécuter. L’ordonnanceur se chargera de faire exécuter des jeux de tâches classiques pour le temps réel.

Affiliations

Ce projet est une contribution au suivi du parcours géographique professionnel des chercheurs.

Le principe est d’utiliser une publication d’un chercheur, de récupérer la date de publication, d’extraire l’affiliation associée à l’article, de géolocaliser cette affiliation. Cette opération sera répétée sur une série de publications permet de déduire un parcours professionnel.

Cette tâche s’exprime simplement. Elle se révèle en fait complexe.

SemBoard, un tableau de bord pour la découverte de graphes de connaissances

Ce projet vise à fournir des outils interactifs et visuels pour explorer des graphes de connaissances : DBPedia , SemBib, DataMusées, Wikidata, FreeBase...

A partir de requête sur ces représentations sémantiques des connaissances, ce projet vise à proposer des analyses et des visualisations :

Système de recommandation de guides touristiques pour les libraires

Comment recommander des guides touristiques à des libraires, sachant que leurs stocks ne sont pas toujours accessibles, pas toujours à jour, et pas toujours présentés dans les rayonnages ?

Le but de ce projet est de développer une méthode permettant d'identifier les guides présents dans une étagère en les comparant à une base de données d'images pour trouver ceux qui ne sont pas présents et qui pourraient être conseillés au libraire.

Conception d’un algorithme de clustering collaboratif

Le clustering est un problème d’apprentissage qui consiste à grouper ensemble des données similaires. En général les algorithmes de clustering ont accès à l’intégralité des données pour travailler, mais dans certaines applications ils peuvent n’avoir qu’une visibilité limitée sur les données (par exemple pour des raisons de sécurité). Dans de telles circonstances, les algorithmes doivent travailler sur les données auxquelles ils ont accès uniquement, mais peuvent échanger des informations entre eux à propos des groupes qu’ils forment : cette tâche s’appelle clustering collaboratif.

Pages

Subscribe to RSS - Algorithmique