GT RoCED
reasoning on complex and evolving data
Note: Le GT RoCED n'est plus actif, il a pris fin au 31 décembre 2023.
Responsables
- Nathalie Hernandez (IRIT, Université de Toulouse)
- Catherine Roussey (INRAE, Clermont-Ferrand)
- Fatiha Saïs (LISN, Université Paris-Saclay)
Thématiques et objectifs
Durant la dernière décennie la communauté scientifique s’est beaucoup intéressée aux processus de publication et de raffinement de données et de connaissances grâce à des initiatives comme le Linked Open Data et TeraData. Une multitude de méthodes et de systèmes ont été développés pour répondre aux problématiques liées à l’acquisition, la publication et l’exploitation des données et des connaissances. Des avancées considérables ont été réalisées pour la construction de graphes de connaissances, l’alignement d’ontologies, le liage de données, la prédiction/l’invalidation de liens dans les graphes de connaissances, mais aussi dans le domaine de la représentation de connaissances et le raisonnement via des systèmes liant données et connaissances comme l’OBDA (Ontology-based Data Access). Dans ce contexte, les différents algorithmes de raisonnement symbolique ont montré leur importance et leur efficacité pour différentes tâches, comme l’interrogation multi-sources, l’alignement de données et de connaissances et l’invalidation de liens dans les graphes de connaissances. Cependant, des efforts importants sont nécessaires pour prendre en compte toutes les dimensions qui caractérisent les données et les connaissances auxquelles les systèmes sont amenés à faire face.
Dans ce GT, nous nous focalisons notamment sur la complexité, l’hétérogénéité, l’incertitude et l’évolution des données et des connaissances. Des caractéristiques spécifiques à certains domaines comme l’aspect spatiotemporel, les données à caractère personnel et la qualité des données produites par des dispositifs électroniques dus à leurs contraintes physiques et matérielles (e.g. mémoires, CPU, énergie) vont également être déterminantes et doivent être prises en compte lors de la conception des systèmes de raisonnement exploitant ces données et connaissances.