D'un modèle statistique à un modèle de connaissance : retour d'expérience

Rabia Azzi (1) , Sylvie Despres (1) , Jérôme Nobécourt (2, 1)

1 LIMICS - Laboratoire d'Informatique Médicale et Ingénierie des Connaissances en e-Santé
2 LIM&BIO - Laboratoire d'Informatique Médicale et de BIOinformatique

Les modèles statistiques sont couramment représentés sous forme textuelle, tabulaire et graphique dans des documents (rapports, articles, affiches et présentations) qui sont le plus souvent en format PDF. Même si ce format rend l'accès à l'information plus difficile, il est intéressant de traiter directement le fichier PDF. Dans cet article nous proposons une approche permettant le passage d'un modèle statistique de connaissances à un modèle de connaissances qui soit visualisable afin d'en permettre une exploitation plus aisée. Notre approche consiste à : (i) extraire les informations pertinentes sous forme de triplets RDF ; (ii) organiser les triplets pour construire un modèle conceptuel ; (iii) visualiser dynamiquement le modèle obtenu. Nous nous focalisons sur les deux premières étapes de la méthodologie.

Mots clés: Modèle statistique; Tableau statistique; Modèle conceptuel; Extraction sémantique d'information; RDF

Domaines: Intelligence artificielle [cs.AI]; Traitement du texte et du document

Rabia Azzi, Sylvie Despres, Jérôme Nobécourt. D'un modèle statistique à un modèle de connaissance : retour d'expérience. 29es Journées Francophones d'Ingénierie des Connaissances, IC 2018, AFIA, Jul 2018, Nancy, France. pp.105-119. ⟨hal-01839565⟩