Programme

Consignes aux auteurs

• Papiers longs (L) : 15 minutes de présentation + 5 minutes pour les questions
• Papiers courts/déjà publiés (C/DP) : 10 minutes de présentation + 5 minutes pour les questions
• Papiers longs et nommés : 3 minutes de vidéo pour la session « Minute of madness » pour présenter votre travail (par exemple, quelques transparents avec une voix off)
• Papiers posters : 1 minute de présentation lors de la session Minute of madness en + de la session Posters & démos
• Papiers démos : 1 minute de présentation lors de la session Minute of madness en + de la session Posters & démos
• Papiers nommés (aux prix du meilleur article applicatif et du meilleur article académique)  : 3 minutes de présentation lors de la session Minute of madness en + de la présentation dans la session

S'agissant uniquement des présentations lors de la session Minute of Madness, votre ou vos slides doivent être envoyés en amont à cecile.favre@univ-lyon2.fr (cf instructions du mail que vous avez dû recevoir, sinon la contacter) : pour le mercredi 11 janvier 16h pour les posters et démos, pour le jeudi 12 janvier au soir pour les papiers nommés

Programme général

Cliquer sur l'image ci-dessous pour l'afficher en plein écran. Le programme des sessions est détaillé à la section suivante.

Programme détaillé

S1A Fouille de données, découverte de motifs (session présidée par Bruno Pinaud)

• Lucas Potin, Rosa Figueiredo, Vincent Labatut and Christine Largeron. Extraction de motifs pour la détection d'anomalies dans des graphes : application à la fraude dans les marchés publics (C)
• Massimo Venuti, Ahmed Samet, Franco Giustozzi, Tedjani Mesbahi and Théo Heitzmann. Fouille de séries temporelles pour l'explicabilité de la dégradation de l'état de charge des batteries Lithium-ions (C)
• Alexis Baudin, Clémence Magnien and Lionel Tabourier. Énumération efficace des cliques maximales dans les flots de liens réels massifs (L)
• Hana Sebia, Thomas Guyet and Etienne Audureau. Une extension de la décomposition tensorielle au phénotypage temporel (L)
• Arnaud Soulet. Echantillonnage de motifs avec une contrainte de fréquence (L)

S1B Fondements de l'apprentissage automatique (session présidée par Nicolas Labroche)

• Mina Rafla, Nicolas Voisine, Bruno Cremilleux and Marc Boulle. Une approche bayésienne non paramétrique de sélection de variables pour la modélisation de l'uplift (DP)
• Gilles Audemard, Steve Bellart, Louenas Bounia, Frédéric Koriche, Jean-Marie Lagniez and Pierre Marquis. Sur les explications abductives préférées pour les arbres de décision et les forêts aléatoires (DP)
• Robin Cugny, Julien Aligon, Max Chevalier, Geoffrey Roman Jimenez and Olivier Teste. AutoXAI: Un cadre pour sélectionner automatiquement la solution d'XAI la plus adaptée (DP)
• Vincent Lemaire, Clérot Fabrice and Marc Boullé. Comparaison de calcul d’importance pour le classifieur naïf de Bayes (C)
• Sara Kebir and Karim Tabia. JCPC : Approche de calibration des probabilités des classifieurs basée sur la règle de Jeffrey (C)
• Sébastien Ferré. Le principe MDL au service de l'automatisation de tâches uniques d'abstraction et de raisonnement -ARC) à partir de peu d'exemples (L)

S2A Fouille de données, données hétérogènes (session présidée par Arnaud Soulet)

• Armita Khajeh Nassiri, Nathalie Pernelle and Fatiha Saïs. Enrichissement de règles de Horn par des predicats numériques (C)
• Charles Vernerey, Samir Loudni, Noureddine Aribi and Lebbah Yahia. Fouille de motifs sans seuil par optimisation multi-objectifs : application aux règles d’association (DP)
• Etienne Lehembre, Bruno Cremilleux, Bertrand Cuissart, Abdelkader Ouali and Albrecht Zimmermann. Wave k-Top d-Random Family Search: comment guider un expert dans un espace structuré (L)
• Bruno Pinaud, Maud Bénichou and Guy Melançon. Extraction d'un réseau criminel depuis un graphe d'enquête multivarié (L)
• Aymeric Ambert. Vers une méthode de caractérisation et de quantification des incertitudes dans le cadre d’une fusion de données hétérogènes multicapteurs dans le domaine de la pollution atmosphérique (C)
• Loujain Liekah, Yacin Gaci and George Papadakis. Déduplication sur des Types d'Attributs Hétérogènes (DP)

S2B Classification de textes (session présidée par Christine Largeron)

• Nicolas Béchet, Rémy Kessler, Gwen Icart and Gudrun Ledegen. Construction d'un corpus annoté en genre par apprentissage zero-shot. (C)
• Adrien Guille and Hugo Attali. Classification de documents par un réseau de neurones opérant sur des graphes dans l'espace hyperbolique (L)
• Haytame Fallah, Patrice Bellot, Emmanuel Bruno and Elisabeth Murisasco. Exploitation des dépendances entre labels pour la classification multi-labels de textes par le biais de transformeurs (L)
• Miguel Palencia-Olivar, Stéphane Bonnevay, Alexandre Aussem and Bruno Canitia. Topic modeling neuronal non-paramétrique pour l'extraction d'insight client : une application à l'industrie du pneumatique (DP)
• Davide Liu, George Philippe Farajalla and Alexandre Boulenger. BRec the Bank : encodeur auto-attentif sensible au contexte pour la recommandation de produits bancaires (DP)

S3A Graphes de connaissances, reconnaissance et liage d'entités nommées (session présidée par Sebastien Ferre)

• Anne Toulet, Franck Michel, Anna Bobasheva, Aline Menin, Sébastien Dupré, Marie-Claude Deboin, Marco Winckler and Andon Tchechmedjiev. ISSA, un graphe de connaissances au service de la recherche bibliographique (DP)
• Clemence Sebe, Aurelie Neveol, Sarah Cohen-Boulakia and Alban Gaignard. Extraction d'informations sur les workflows scientifiques à partir de la littérature (C)
• Karim El Haff, Wissam Antoun, Florence Le Ber and Véronique Pitchon. Reconnaissance des entités nommées pour l'analyse des pharmacopées médiévales (C)
• Tarek Benkhelif and Wissam Siblini. Résolution d’entités pour améliorer la qualité des données transactionnelles dans un système de santé (C)
• Clément Morand and Olivier Ridoux. Extraction dans des textes anciens d'entités nommées de type binômes de la classification linnéenne du vivant : une étude de cas (C)
• Maxime Prieur, Cédric Du Mouza, Guillaume Gadek and Bruno Grilheres. ELROND : Peuplement de base de connaissances, liage dynamique et système end-to-end (C)
• Cédric Pruski, Louis Deladiennee, Emmanuel Scolan and Marcos Da Silveira. Une plateforme de management des connaissances pour le domaine des ressources spatiales (L)

S3B Apprentissage supervisé et profond, Prédiction (session présidée par Florence Sedes)

• Hugo Le Baher, Jérôme Azé, Sandra Bringay, Pascal Poncelet, Nancy Rodriguez and Caroline Dunoyer. Modélisation de parcours patients : graphes temporels pour la supervision médicale (C)
• Thibault Falque, Bertrand Mazure and Karim Tabia. Prédire et expliquer les retards au décollage : Une étude de cas à l'aéroport international de Paris - Charles de Gaulle (L)
• Slimane Makhlouf, Avner Bar-Hen and Francois-Xavier Jollois. Prédiction des événements rares : application à la prédiction du clic. (L)
• Gabriel Ferrettini, François Queyroi and Mounira Harzallah. Prédiction de temps de parcours de bus par chaînage des données d'entraînement (C)
• Franck Anael Mbiaya, Christel Vrain, Frédéric Ros, Thi-Bich-Hanh Dao and Yves Lucas. Graphe de connaissances pour la classification d’images (L)

S4A Fondement de l'apprentissage non supervisé, clustering (session présidée par Mustapha Lebbah)

• Colin Troisemaine, Joachim Flocon-Cholet, Stéphane Gosselin, Sandrine Vaton, Alexandre Reiffers-Masson and Vincent Lemaire. Découvrir de nouvelles classes dans des données tabulaires (DP)
• Benoit Albert, Violaine Antoine and Jonas Koko. Optimisation de Fuzzy C-Means (FCM) clustering par la méthode des directions alternées (ADMM) (L)
• Chakib Fettal, Lazhar Labiod and Mohamed Nadif. Subspace co-clustering avec convolution bilatérale sur graphe (DP)
• Chakib Fettal, Lazhar Labiod and Mohamed Nadif. Biclustering basé sur le transport optimal (DP)
• Veronne Yepmo, Gregory Smits, Marie-Jeanne Lesot and Olivier Pivert. Vers des explications contextualisées des anomalies (L)
• Brendan L'Ollivier, Sonia Tabti and Julien Budynek. Analyse de shifts dans des données industrielles de capteurs par AutoEncodeur Variationnel parcimonieux (L)

S4B TAL, classification de textes (session présidée par Cédric Pruski)

• Safaa Menad, Saïd Abdeddaim and Lina Fatima Soualmia. BioSTransformers: Modèles de langage pour l’apprentissage sans exemple dans des textes biomédicaux (C)
• Edmond Menya, Mathieu Roche, Roberto Interdonato and Dickson Owuor. Extension et adaptation des modèles de langues pour la classification de corpus en santé animale (DP)
• Leonardo Moros, Sandra Bringay, Maximilien Servajean, Jérôme Azé, Pascal Poncelet and Caroline Dunoyer. Apprendre à classer des textes hospitaliers rédigés en anglais selon la classification CIM-9 avec une approche par budget (C)
• Abdelhamid Gaddari, Haytham Elghazel, Rakia Jaziri, Mohand-Saïd Hacid and Pierre-Henri Comble. Classification multi-label de données médicales par LSTM temporel et clustering flou (C)
• Corentin Duchêne, Pierre Guillaume, Réda Dehak and Henri Jamet. Benchmark pour la classification de commentaires toxiques sur le jeu de données Civil Comments (L)
• Géraud Faye, Sylvain Gatepaille, Guillaume Gadek and Souhir Gahbiche. Encodeur hybride pour la détection automatique de désinformation (L)

S5A TAL, classification de textes (session présidée par Cédric Lopez)

• Thomas Gerald, Sofiane Ettayeb, Ha Quang Le, Gabriel Illouz, Patrick Paroubek and Anne Vilnat. Sélectionner les ``bons'' passages pour créer les ``bonnes'' questions : Analyse et Évaluation d'un nouveau Corpus de Questions et Réponses pour l'Éducation (L)
• Guillaume Lefebvre, Haytham Elghazel, Théodore Guillet, Alexandre Aussem and Matthieu Sonnati. BERTheo : Une nouvelle approche de représentation sémantique dans le domaine de l'éducation et de la formation professionnelle (L)
• Rémy Decoupes, Mathieu Roche and Maguelonne Teisseire. GeoNLPlify : Une augmentation spatiale de corpus liés aux crises pour des tâches de classification (C)
• Baptiste Bohet and Nicole Vincent. Analyse comparative de méthodes d'apprentissage pour la catégorisation d'un texte selon sa langue de rédaction (C)
• Mira Ait-Saada and Mohamed Nadif. Etude approfondie des représentations de données textuelles dans l'apprentissage non supervisé (C)

S5B Fondements de l'apprentissage supervisé et profond (session présidée par Adrien Guille)

• Cheick Tidiane Ba, Roberto Interdonato, Dino Ienco and Sabrina Gaito. Une méthode à base de réseaux de neurones pour la simplification des graphes multicouches dans un contexte de classification des noeuds (C)
• Manvi Choudhary, Antoine Gourru, Charlotte Laclau and Christine Largeron. LEAVE : comment rendre un GNN plus équitable pour la prédiction de liens ? (L)
• Hugo Attali, Adrien Guille and Stephane Chretien. Amélioration de l'architecture GAT par la prise en compte de la courbure des arêtes du graphe (C)
• Bastien Giles, Christine Largeron, Baptiste Jeudy and Damien Saboul. Suspicious: un cadre semi-supervisé résilient pour la détection d’anomalie sur graphe attribué (L)
• Ben Crulis, Barthelemy Serres, Cyril de Runz and Gilles Venturini. Apports des alternatives à la rétropropagation dans l’apprentissage des réseaux de neurones binaires (C)