Équipe KLaIM : extraction de connaissances et modélisation (knowledge learning and information modelling)

Extraction des connaissances

À partir d’entrepôts de données et de savoirs d’experts, de nouveaux algorithmes de fouille sont étudiés pour extraire des connaissances et les synthétiser sous forme de patrons (pattern mining). De nouvelles métriques (similarité, centralité, etc.) sont proposées pour comparer les activités humaines et les enrichir sémantiquement.

Modélisation des comportements

La modélisation des comportements humains étant complexe, il est nécessaire de proposer différents niveaux abstractions de l’individu, de ses interactions et de son environnement (graphes, topologie, systèmes multi-agents) pour mieux les appréhender.

Ces modèles et patrons sont ensuite appliqués dans différents processus d’aide à la décision pour l’analyse et la prédiction de risques, l’optimisation de la mobilité et de l’allocation de ressources.

Analyse de la mobilité

À partir d’entrepôts de données et de savoirs d’experts, de nouveaux algorithmes de fouille sont étudiés pour extraire des connaissances et les synthétiser sous forme de patrons (pattern mining). De nouvelles métriques (similarité, centralité, etc.) sont proposées pour comparer les activités humaines et les enrichir sémantiquement.

Modèles d’interactions géo-spatiales

La modélisation des comportements humains étant complexe, il est nécessaire de proposer différents niveaux abstractions de l’individu, de ses interactions et de son environnement (graphes, topologie, systèmes multi-agents) pour mieux les appréhender.

Ces modèles et patrons sont ensuite appliqués dans différents processus d’aide à la décision pour l’analyse et la prédiction de risques, l’optimisation de la mobilité et de l’allocation de ressources.