Le forage de données, appelé également "Découverte de connaissance dans les bases de données" , est un jeune domaine de recherche interdisciplinaire. Le forage de données étudie les processus d'analyse de grands ensembles de données pour en extraire des connaissances, et les processus de transformation de ces connaissances en des structures faciles à comprendre et à utiliser par les humains. Cette thèse étudie deux tâches importantes dans le domaine du forage de données : la détection des anomalies et la recommandation de produits. La détection des anomalies est l'identification des données non conformes aux observations normales. La recommandation de produit est la prédiction du niveau d'intérêt d'un client pour des produits en se basant sur des données d'achats antérieurs et des données socio-économiques. Plus précisément, cette thèse porte sur 1) la détection des anomalies dans de grands ensembles de données de type catégorielles; et 2) les techniques de recommandation à partir des données de classements asymétriques. La détection des anomalies dans des données catégorielles de grande échelle est un problème important qui est loin d'être résolu. Les méthodes existantes dans ce domaine souffrnt d'une faible efficience et efficacité en raison de la dimensionnalité élevée des données, de la grande taille des bases de données, de la complexité élevée des tests statistiques, ainsi que des mesures de proximité non adéquates. Cette thèse propose une définition formelle d'anomalie dans les données catégorielles ainsi que deux algorithmes efficaces et efficients pour la détection des anomalies dans les données de grande taille. Ces algorithmes ont besoin d'un seul paramètre : le nombre des anomalies. Pour déterminer la valeur de ce paramètre, nous avons développé un critère en nous basant sur un nouveau concept qui est l'holo-entropie. Plusieurs recherches antérieures sur les systèmes de recommandation ont négligé un type de classements répandu dans les applications Web, telles que le commerce électronique (ex. Amazon, Taobao) et les sites fournisseurs de contenu (ex. YouTube). Les données de classements recueillies par ces sites se différencient de celles de classements des films et des musiques par leur distribution asymétrique élevée. Cette thèse propose un cadre mieux adapté pour estimer les classements et les préférences quantitatives d'ordre supérieur pour des données de classements asymétriques. Ce cadre permet de créer de nouveaux modèles de recommandation en se basant sur la factorisation de matrice ou sur l'estimation de voisinage. Des résultats expérimentaux sur des ensembles de données asymétriques indiquent que les modèles créés avec ce cadre ont une meilleure performance que les modèles conventionnels non seulement pour la prédiction de classements, mais aussi pour la prédiction de la liste des Top-N produits.

Les protéines sont des entités intrinsèquement dynamiques et de nombreuses études ont démontré l’importance de cette propriété à leurs fonctions. Plus particulièrement, la flexibilité protéique est essentielle dans le processus de reconnaissance moléculaire. Lors de tels évènements, les protéines peuvent subir des changements conformationnels mineurs (déplacement de chaînes latérales des acides aminés), majeurs (déplacement de domaines entiers de la protéine) et/ou même se replier. Mes travaux de thèse ont permis de démontrer que de tels réarrangements mineurs sont fréquents et ont aussi permis d’élucider certaines causes potentielles physiques et chimiques. De plus, mes travaux ont démontré l’importance de considérer la flexibilité des chaînes latérales lors de simulations de tels évènements de reconnaissance moléculaire. Plusieurs méthodes computationnelles, dont la dynamique moléculaire et l’arrimage moléculaire, peuvent être utilisées pour prédire la liaison d’un ligand à sa cible. D’un côté, la dynamique moléculaire permet de considérer la flexibilité protéique à toute échelle, mais nécessite un pouvoir computationnel énorme. D’un autre côté, l’arrimage moléculaire restreint le nombre de degrés de liberté considérés, entre autres imposés par la flexibilité protéique. Mes travaux de thèse, en ce qui a attrait au développement de la méthode d’arrimage moléculaire appelée FlexAID, ont permis d’inclure une certaine flexibilité protéique intrinsèque limitant ainsi le nombre de degrés de liberté requis, tout en offrant la possibilité d’ajouter des degrés de liberté supplémentaire pour les mouvements de plus grande envergure ne pouvant être accommodés par cette plasticité protéique. De plus, mes travaux démontrent que FlexAID est compétitive aux autres méthodes dans le domaine et obtient de meilleures performances dans le scénario où les conformations des protéines sous la forme liée sont inconnues. Dans un autre ordre d’idées, les nombreuses simplifications introduites par un logiciel d’arrimage lui permettent d’être une méthode rapide et applicable à la découverte de nouvelles molécules ayant un effet thérapeutique potentiel. Lorsqu’une méthode de repointage est utilisée, les résultats de FlexAID en enrichissement de composés se rapprochent des performances d’autres logiciels couramment utilisés lors de criblage virtuel. Mes travaux portant sur le système biologique de la Matriptase-2 montrent que la méthode FlexAID peut être utilisée à la découverte de nouvelles petites molécules.

Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.

Cette thèse porte sur l'exploitation des connaissances de domaine dans un processus de découvertes de sources de données biologiques sur le Web. Tout d'abord, des ensembles de métadonnées sont utilisés pour décrire le contenu et la qualité des sources de données. Ensuite, en s'appuyant sur ces métadonnées, les sources sont organisées dans un treillis de concepts en fonction de leurs caractéristiques communes. Le treillis de concepts constitue le support de la découverte de sources de données qui s'effectue de deux manières différentes et complémentaires : par navigation et par interrogation. Dans les deux cas la découverte de sources de données peut être guidée par des connaissances du domaine. Lors d'une découverte de sources de données par navigation, les connaissances sont utilisées soit pour réduire l'espace de recherche soit pour orienter la navigation vers des concepts sectionnés. Lors d'une découverte de sources de données par interrogation, les connaissances du domaine sont soit exprimées sous la forme de préférences entre métadonnées dans la requête soit utilisées pour l'enrichissement (ou reformulation) de la requête. Pour assurer une prise en compte des connaissances du domaine plus fidèle, nous avons introduit les treillis de concepts multivalués. L'organisation des sources de données sous la forme d'un treillis de concepts multivalués permet de contrôler la taille de l'espace de recherche et d'augmenter la flexibilité et les performances du processus de découverte dans ses deux modes. La navigation peut être effectuée dans des treillis de différents niveaux de spécialisation avec la possibilité d'effectuer des zooms dynamiques permettant le passage d'un treillis à l'autre. L'interrogation bénéficie d'une augmentation de l'expressivité dans les requêtes. / This thesis deals with knowledge-based biological data sources discovery. First, domain ontologies are used for encoding metadata describing the content of biological data sources. Then the data sources are organized into a concept lattice according to their common metadata. The data source discovery process can be performed either by navigation into the obtained concept lattice or by defining queries to be inserted into the concept lattice. In both cases, domain knowledge can be used to guide the discovery. In the case of navigation, domain knowledge is used to reduce the search space and/or to guide the navigation to some concepts rather than others. In the case of querying, domain knowledge is used to express preferences between the query keywords or to refine the query. In order to take more advantage of domain knowledge, we introduce many-valued concept lattices. Several many-valued concept lattices with different levels of precision can be built from the data sources metadata set based on domain knowledge. The use of such many-valued concept lattices allows to improve the discovery process in its both forms. In the case of navigation, it is possible to consider more than one lattice and to dynamically switch from one lattice to another in a zooming operation. In the case of querying, more complex expressive queries can be defined and inserted into the many-valued concept lattice.

La thèse se situe dans le domaine de la conception des architectures capables de garantir la QoS dans des réseaux multi-domaines et multi-technologies. Elle porte plus particulièrement sur les problèmes liés à l'acquisition de topologie pour alimenter les fonctions de contrôle d'admission d'appel. En effet, il faut que l'entité responsable de la fonction de CAC (Call Admission Control) détienne une cartographie réelle et synchrone du domaine qu'elle gère. Si dans certains cas d'utilisation, la topologie peut être renseignée et gérée manuellement, il est impossible d'accomplir une telle tâche sur de grandes topologies. Différentes solutions existent. Bien que ces techniques soient efficaces dans certains cas d'utilisation, elles sont en fait soit incomplètes soit inadaptées à nos besoins. Pour répondre à cette problématique nous avons d'abord implémenté notre propre modèle d'acquisition intégrée des données topologiques des couches 2 et 3. Il s'agit du protocole STAMP (Simple Topology Annoucement and Management Protocol), un protocole de signalisation permettant la diffusion des informations de topologie et de qualité de service dans un réseau quelque soit sa taille. Pour généraliser et optimiser notre modèle, nous avons ensuite développé et proposé des nouvelles méthodes d'agrégation des topologies réseau, en particulier appliquées aux topologies précédemment obtenues, afin de réduire, en conservant les paramètres de QoS, la volumétrie de la base de données et améliorer les performances de la CAC.

Dans le cadre de cette thèse, nous nous intéressons au problème général de la gestion et de la découverte de compétences dans des environnements hétérogènes. Nous avons étendu un langage de Logique de Description pour permettre la description et la gestion de compétences. Nos principaux apports sont :<br />1. définition d'un langage de la description de compétences ALNr+ , fondé sur les logiques de description, pour supporter de la gestion de compétence et les services d'inférence associés;<br />2. définition d'un algorithme de recherche de compétences dont la caractéristique est, en cas d'échec dans la recherche d'une réponse « exacte », d'essayer de déterminer des réponses composées, i.e. de trouver des individus dont la complémentarité des compétences satisfait la recherche ; <br />3. conception d'un système de médiation fédéré pour la validation expérimentale de nos propositions. Ce système a la particularité de prendre en compte les situations où les représentations des compétences sont distribuées et homogènes (i.e. les descriptions des capacités sont exprimés dans un langage de description unique) aussi bien qu'hétérogènes (i.e. les descriptions des capacités sont exprimés dans des langages de description différents).

Le sujet principal de cette thèse porte sur la fouille de données numériques et plus particulièrement de données d'expression de gènes. Ces données caractérisent le comportement de gènes dans diverses situations biologiques (temps, cellule, etc.). Un problème important consiste à établir des groupes de gènes partageant un même comportement biologique. Cela permet d'identifier les gènes actifs lors d'un processus biologique, comme par exemple les gènes actifs lors de la défense d'un organisme face à une attaque. Le cadre de la thèse s'inscrit donc dans celui de l'extraction de connaissances à partir de données biologiques. Nous nous proposons d'étudier comment la méthode de classification conceptuelle qu'est l'analyse formelle de concepts (AFC) peut répondre au problème d'extraction de familles de gènes. Pour cela, nous avons développé et expérimenté diverses méthodes originales en nous appuyant sur une extension peu explorée de l'AFC : les structures de patrons. Plus précisément, nous montrons comment construire un treillis de concepts synthétisant des familles de gènes à comportement similaire. L'originalité de ce travail est (i) de construire un treillis de concepts sans discrétisation préalable des données de manière efficace, (ii) d'introduire une relation de similarité entres les gènes et (iii) de proposer des ensembles minimaux de conditions nécessaires et suffisantes expliquant les regroupements formés. Les résultats de ces travaux nous amènent également à montrer comment les structures de patrons peuvent améliorer la prise de d écision quant à la dangerosité de pratiques agricoles dans le vaste domaine de la fusion d'information.

Avec l'avènement de la troisième génération, les réseaux de télécommunications mobiles entrent dans une nouvelle phase de leur évolution, d'un réseau omniprésent axé sur la téléphonie mobile, vers des systèmes de fourniture de services à grande échelle. Ces systèmes doivent permettre à des usagers (éventuellement mobiles) d'accéder à leurs services et leur environnement personnalisés quels que soient le réseau et le terminal qu'ils utilisent. Le constat actuel est que la mise en place de la fourniture de services pour ces systèmes nécessite la conception d'une plate-forme distribuée complexe faisant intervenir des éléments hétérogènes (grand choix de réseaux, plusieurs types de terminaux de capacités différentes, multiples opérateurs réseau et fournisseurs de services, contenus de services hétérogènes, etc.). Par ailleurs, l'évolution des terminaux mobiles (ordinateurs portables, assistants personnels, téléphones portables, etc.) et des réseaux mobiles (émergence des réseaux sans fil) permet le développement d'applications fondées sur la mobilité. L'environnement d'exécution de ces applications doit prendre en compte la variété des équipements et des ressources (ex: bande passante) ainsi que la mobilité de l'utilisateur. De plus, les usagers mobiles veulent pouvoir personnaliser les services et les utiliser de la même manière qu'en environnement fixe et ce, quel que soit le service à traiter et quelles que soient les capacités du terminal utilisé. L'objectif de cette thèse est de donner des éléments de solution à ces problèmes. Elle traite de la découverte et la fourniture de services adaptables dans les environnements mobiles. Elle a pour but de proposer une architecture permettant aux usagers mobiles de découvrir et d'exécuter des services sensibles au contexte de leur exécution. Les services proposés sont adaptés aux préférences de l'usager, aux capacités de son terminal, à sa localisation, et enfin, aux ressources réseau disponibles. Dans un premier temps, nous nous intéressons à l'utilisation des agents mobiles pour la fourniture de services dans les environnements mobiles. Ce modèle, bien adapté aux contraintes des environnements mobiles, s'avère intéressant, principalement, dans les applications qui entraînent la consultation de plusieurs services successifs sur le réseau (ex: visite de plusieurs prestataires de services dans le cadre d'une découverte de services). Par la suite, nous proposons une plate-forme de fourniture de services sensibles au contexte appelée CASP (Context Aware Service Provision). Dans cette plate-forme, la sensibilité au contexte est prise en compte dans les deux phases de fourniture de services suivantes: la découverte de services et l'exécution du service sur le terminal mobile. CASP utilise un mécanisme de découverte de services qui permet à l'usager mobile de personnaliser la fourniture de services et de l'adapter à ses exigences. Ce mécanisme, mis en oeuvre par un élément médiateur entre l'usager mobile et les fournisseurs de services, permet de ne proposer à l'usager que les services qui sont adaptés à ses préférences, aux capacités de son terminal et à sa localisation. L'implémentation de ce mécanisme de découverte de services est basée sur des concepts tels que VHE (Virtual Home Environment) et les profils, et utilise des outils standard tels que XML et CC/PP (Composite Capabilities/ Preference Profiles). La sensibilité au contexte dans la plate-forme CASP est également utilisée pour adapter les services, une fois découverts par l'usager, à leur environnement d'exécution. Cette adaptation est réalisée au moment de l'exécution du service sur le terminal mobile. La solution proposée est basée sur l'utilisation de serveurs intermédiaires (Serveur Proxy) entre le terminal mobile et le fournisseur du service. Un service multimédia a été développé pour valider les concepts proposés dans cette thèse. Enfin, nous terminons par une ouverture sur l'utilisation d'une approche de conception de services à base de composants.

Si l'immobilier est de loin la plus importante classe d'actifs de notre économie, elle est également l'une des dernières à ne pas disposer d'un marché de dérivés mature. Des études académiques récentes ont montré que le manque de compréhension de leurs prix en est la principale raison. Ce travail doctoral cherche à y remédier. Par la conduite d'études à la fois théoriques et empiriques, nous sommes parvenus à déterminer leurs caractéristiques statistiques, leurs facteurs de risque mais aussi à appréhender l'intérêt de ces produits en terme de fonction de découverte des prix. Si les dérivés immobiliers constituent un outil de paramétrisation du risque immobilier essentiel, ils offrent également la possibilité aux investisseurs comme aux pouvoirs publics de disposer d'informations qui ne seraient pas disponibles autrement

La mise en place de marchés électroniques, perçus comme des places publiques électroniques d'affaires où les partenaires ne se connaissant pas forcément, requiert la mise en place d'une sorte de registre public dans lequel les entreprises offrant un service donné viennent inscrire leurs services, et que les entreprises en quête de services viennent consulter. L'organisme de normalisation OASIS a proposé une norme pour la description et la fouille de services d'entreprises dans un registre public: la norme UDDI (Universal Description Discovery and Integration). Cependant, le type des requêtes supportées par cette norme reste primitif. Par exemple, la norme UDDI n'offre pas de mécanisme qui permette de choisir de manière intelligente un service Web en se basant sur des critères intrinsèques au service; on se base principalement sur des méta-données attribuées par un être humain. Plusieurs chercheurs ont proposé des extensions à UDDI pour supporter des requêtes de recherche plus complexes. Cependant, ces requêtes ne sont pas toujours exécutées au niveau du registre UDDI, et donc ne peuvent pas être partagées. Quand elles sont exécutées sur un registre UDDI, elles font défaut à la norme. Dans cette recherche, nous proposons une plate-forme d'extension générique de registre UDDI qui supporte, 1) l'ajout dynamique de nouvelles requêtes complexes, et 2) la co-existence de requêtes normalisées avec les requêtes étendues. Notre solution consiste en un intermédiaire (broker) qui agit comme un courtier entre les clients et les registres UDDI standards (Mili et al.,2005). Ce courtier peut être configuré à l'exécution pour supporter de nouvelles requêtes. Notre solution a comme avantages, 1) la rétrocompatibilité, et 2) l'extension dynamique. Nous décrivons notre implantation basée sur le registre jUDDI, une implantation de la fondation Apache du registre UDDI et AspectJ, une extension orientée aspect s de Java, développée par la fondation Eclipse™. ______________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : Services Web, Découverte et invocation dynamique, Standard UDDI, Extensions UDDI, jUDDI, AspectJ.