Contact
Avec le volume important de données non structurées présentes dans les bases bibliographiques, mais aussi le développement de bases de connaissances ouvertes, accéder aux connaissances qu'elles contiennent nécessitent de produire une vision globale à partir de multiples sources hétérogènes. Pour cela, le projet MIAM vise à proposer des méthodes s'appuyant sur le Traitement Automatique des Langues, la fouille de textes, ainsi que la représentation et la modélisation de connaissances, afin d'agréger ces données et connaissances issues de bases de connaissances, de Linked Open Data ou de publications scientifiques. L'évaluation des résultats est réalisée avec cas d'usage réel : les interactions entre des médicaments et des aliments pouvant conduire à un effet indésirable. Ces informations sont généralement dispersées dans plusieurs ressources et les agréger aidera à formaliser et à visualiser la description de ces interactions pour éviter ce genre d'effets.
Financement : ANR - Projet de recherche collaborative - Entreprise (PRCE)
Coordinateur : Thierry Hamon, Maître de conférences en Informatique à l'Université Paris-Nord - Laboratoire d'Informatique pour la Mécanique et les Sciences de l'Ingénieur
Responsable scientifique pour la MESHS : Natalia Grabar, chercheur CNRS en Traitement Automatique des Langues - laboratoire Savoirs, Textes et Langages
Partenaires
- LIMSI (UPR3251) - Laboratoire d'Informatique pour la Mécanique et les Sciences de l'Ingénieur - CNRS, Université Paris-Sud
- STL (UMR 8163 CNRS) - Savoirs, textes, langage - Université de Lille - sciences humaines et sociales
- Université de Bordeaux
- CNHIM (Association) Centre National Hospitalier d’Information sur le Médicament
- ANTIDOT (Recherche & Développement)
