Nos partenaires

CNRS

Rechercher





Accueil du site > Français > Thèmes de recherche > Thème 2 - Indexation et recherche d’informations > Equipe SIG

Equipe SIG

 

Systèmes d’Informations Généralisés
Responsable : Olivier Teste

Actualités rapides (Plus de détail ici)

 

Congrès INFORSID 2017

Mardi 30 Mai au Vendredi 2 Juin 2017 à la Manufacture des Tabacs, Université Toulouse 1 Capitole.

L’affiche : cliquer ici

Sur twitter : #inforsid2017 et @InforsidCongres

 

Prix du Meilleur papier à ICEIS 2017

Mahdi Washha, doctorant sous la direction de thèse de Florence Sèdes, vient d’obtenir le prix "Best Student Paper Award" à la 19e édition ICEIS 2017

 

Journées Multimédia, Géomatique, Enseignement & apprentissage

Lundi 30 et Mardi 31 janvier 2017 à Toulouse.

 

Démarrage projet Victoria - Mai 2017

Le projet Européen Victoria (Video analysis for Investigation of Criminal and TerrORIst Activities) début ce mois de mai.

Revue Des données à la décision

Parution prochaine aux éditions ISTE de la revue "Des données à la décision". Rédactrice en chef : Florence Sèdes.

 

J. Mothe a été invitée à l’université de Perm (26 au 30 septembre 2016).

Elle y a présenté le laboratoire IRIT dans son ensemble mais également plus spécifiquement les activités de recherche de l’équipe SIG.

 

Domaine scientifique

Nos recherches s’inscrivent dans le domaine des Systèmes d’Informations (« Information Systems »), et ont pour objet scientifique la donnée et l’utilisateur. Elles concernent notamment les problématiques d’accès à la donnée brute et élaborée pour les utilisateurs.

Ces recherches concernent plusieurs domaines scientifiques (ACM/CCS) relevant :

  • des Systèmes de Gestion de Données (« Data Management Systems ») : Conception et Modélisation des bases de données – Systèmes décisionnels, entrepôts et bases de données multidimensionnelles – Gestion de documents complexes, données géo-référencées, spatio-temporelles, métadonnées.
  • des Systèmes de Recherche d’Informations (« Information Retrieval Systems ») : Processus contextualisés de la recherche d’information – Systèmes de recommandation – Réseaux sociaux – Fouille dans les collections de documents et Apprentissage (« Machine Learning »).

L’équipe SIG se compose de 19 permanents, et d’une trentaine d’étudiants post-doctorants, doctorants ou stagiaires, et d’ingénieurs de recherche. Les travaux s’appuient sur les infrastructures informatiques du laboratoire, en particulier la plateforme OSIRIM (capacités de stockage, cluster de calcul, corpus et datasets, outils d’analyse, moteurs de recherche, outils d’évaluation).

Travaux de recherche

Nos travaux concernent toute la chaîne de traitement de la donnée. Ils visent à développer des méthodes, modèles et outils qui permettent un accès simple et efficace à l’information pertinente pour permettre ou en améliorer l’usage, faciliter l’analyse et aider à la prise de décisions.

 

Figure 1 : Chaîne de traitement de la donnée.


Nous traitons les masses d’informations, en particulier les mégadonnées (« Big Data »), numériques, textuelles ou multimédias pouvant être structurées, semi-structurées ou non structurées. Nos approches s’articulent selon deux axes :

  • Un premier axe consiste à collecter des ensembles de données qualifiées de données brutes, pour les Intégrer, les Modéliser et les Enrichir afin de constituer des ensembles de données élaborées.
  • Un second axe consiste à développer des mécanismes permettant d’Explorer, d’Analyser et de Restituer les données pour simplifier et adapter leur accès pour des utilisateurs spécialistes ou non.

 

Figure 2 : Exploitation des masses de données.


Mots Clés

Big Data management and analysis, Data and Document Warehousing, Evaluation Campaign (CLEF, TREC), Learning (« Machine Learning », « Meta-Learning », « Deep Learning »), Microblog Analysis, Multidimensional Modeling, NoSQL Databases, Recommender Systems, Rich-Content Documents, User-Generated Contents.

 

Collaborer avec SIG (stage étudiant, thèse, collaboration entreprise et transfert de technologies, autre).

Affiche Inforsid

Version grande taille téléchargeable

Lire la suite