Ecosystème

Actualités

Soutenances

Soutenance d'Olivier Gracianne le 13 décembre à 14h à l'IRD : "Exploration de micro-posts d’actualité : représentation, structuration et description"

Les réseaux sociaux où sont échangés des messages courts sont devenus des sources de premier choix pour le suivi d'objet d'actualité. Les sources de ce relais d'information sont ainsi très variées, permettant de couvrir la grande majorité des aspects de ces objets. De plus, l'information est diffusée quasiment en temps réel. Traiter les données issues de ce type de plate-forme est donc devenu un objectif clef pour le monde de la recherche comme celui de l'industrie.

Les présents travaux portent sur l'exploitation de ces données. L'objectif est de décrire les données issues de tels réseaux pour permettre de les rendre accessibles à un utilisateur final. Nous proposons de traiter le problème à travers la représentation, la structuration et finalement la description des données reçues. 

Pour pouvoir baser nos raisonnements et procédures sur la sémantique véhiculée par les données, nous procédons à leur changement de représentation. Cette étape est opérée avec un modèle d'apprentissage automatique adapté à nos besoins, Doc2Vec, produisant des représentations sémantiques raffinées. 

Ces vecteurs peuvent ensuite être exploités pour détecter la structuration sous-jacente de ces données. Cette étape prend la forme d'un clustering basé sur la mesure de similarité accessible dans l'espace de représentation des micro-posts captés. Ce découpage permet d'identifier les manifestations de la cible écoutée que l'on peut repérer dans les données.

Nous proposons finalement d'exploiter cette partition et le contenu des messages pour identifier des composants de descriptions pertinents. Ces descripteurs, issus du corps même des messages, doivent être représentatifs de l'ensemble où ils ont été sélectionnés. Ils permettent ainsi la construction de description de la partition. Nous introduisons d'abord à cette fin un modèle de Programmation Linéaire en Nombres Entiers, et ensuite une méthodologie basée sur le clustering et la mesure de l'impact des mots sur la position du vecteur de leur document.

C'est finalement à travers l'ensemble formé par les descriptions des aspects de la cible écoutée sur les réseaux que nous proposons de la décrire.

Soutenance de Sofiane Elguendouze le 11 janvier 2024 à 14h à l'IRD : "Explainable Artificial Intelligence approaches for Image Captioning"

Les algorithmes à base d'intelligence artificielle (IA) / apprentissage automatique se sont distingués par leur puissance en termes de résultats et de prédictions, cependant les modèles générés sont généralement opaques ou manquent de transparence. En d'autres termes, la plupart des modèles produits sont sous forme de boîtes noires complexes : leur logique interne et leur fonctionnement sont cachés à l'utilisateur et même aux experts. Cela empêche un humain, expert ou non, de vérifier, d'interpréter et de comprendre le raisonnement du système et la manière dont les décisions sont prises. Dans ce contexte, l'intelligence artificielle explicable (IAX) est apparue comme un domaine de recherche à part entière, qui vise à faire un nouveau pas vers une IA plus compréhensible. A cet effet, diverses techniques sont utilisées permettant d'établir une sorte de compromis entre la haute performance des modèles et leur grande explicabilité.

Cette thèse s'inscrit dans le contexte de sous-titrage des images (sTI) et de l'IAX. Plus précisément, les méthodes de sous-titrage des images ont montré de bonnes performances dans la génération automatique des légendes, en particulier les techniques basées sur l'apprentissage profond. Cependant, ces techniques manquent d'interprétabilité, ce qui signifie que nous ne parvenons pas à comprendre les raisons derrière la génération de la séquence de mots qui constitue la légende en sortie. Ainsi, notre objectif est de proposer de nouvelles approches IAX pour aider à mieux comprendre les modèles sTI en répondant à des questions de type "Quelles parties de l'image ont été principalement impliquées dans la génération de cette légende ?" ou encore "A quoi correspond chaque mot de la légende générée en sortie dans l'image en entrée ?". Nous appelons ce domaine de recherche sous-Titrage Explicable des images (sTXI).