Gilles Bisson

Chargé de Recherche CNRS
Email : Gilles.Bisson@imag.fr Phone : (33) 04-76-57-46-03 Fax : (33) 04-76-57-46-02 Bureau : C205

Thèmes de recherche

Mes travaux concernent le domaine de l'apprentissage automatique (Machine Learning) et sont principalement centrés autour du processus de classification conceptuelle, encore appelé processus de catégorisation. La catégorisation a pour but de découvrir les connaissances implicites, présentes au sein d'un ensemble de données (expérimentales ou autres) ou de documents, en détectant les similarités ou les dissemblances qui existent en leur sein. Ainsi, les méthodes de classification conceptuelle organisent et condensent l'information qui était présente dans les données initiales sous la forme d'une structure qui peut-être classiquement une partition, une hiérarchie stricte de classes, plus rarement un graphe acyclique (DAG). En pratique, la catégorisation apporte une aide efficace dans l'analyse d'un problème, la modélisation d'un domaine, ou encore l'indexation d'un ensemble de données ou de documents.

La catégorisation, qui se ramène toujours à la détection, et pratiquement à la mesure, de ressemblances empiriques entre les données, est cependant une opération de nature hautement inductive dont le résultat peut être facilement faussé si les informations initiales contiennent des connaissances inutiles ou, a contrario, si certaines connaissances pertinentes sont absentes. En pratique, il est donc nécessaire d’effectuer plusieurs itérations de type « essais/erreurs » au cours desquelles, en fonction des résultats obtenus, les données initiales sont révisées par l’utilisateur le conduisant à rajouter des instances, modifier le langage de description des instances ou encore changer les paramètres du système de catégorisation. Il est donc intéressant d’obtenir une caractérisation des regroupements effectués, exprimé sous une forme symbolique ou graphique tout en essayant de faire participer interactivement l'utilisateur afin de l'aider à évaluer la qualité sémantique des résultats produits.

Actuellement, ce travail sur la classification automatique est appliqué dans le cadre de plusieurs projets et collaborations :

• Dans le cadre du projet ACCAMBA qui se déroule dans le cadre de l'ACI IMPbio et qui porte sur l'étude des relations « fonction-structure » (SAR) dans les chimiothèques. le but de ce projet est de mettre au point un outil de « criblage virtuel ». (co-encadrement de la thèse de S. Wieczorek)
• Dans le cadre du projet CADERIGE qui est issu de l’action bio-informatique inter-EPST. Le but de ce projet est de fournir aux biologistes des outils « d’extraction d’informations » sur des bases documentaires comme MEDLINE qui sont écrites en langage naturel, afin de les aider à modéliser les réseaux d’interaction entre gènes. La classification est utilisé pour construire les ressources linguistiques.
• Dans le cadre du projet Cognitique-Algèbre portant sur la modélisation cognitive d’élèves en algèbre et la construction de stratégies d’enseignement. La classification permet de construire des groupes d'élèves similaires (co-encadrement de la thèse de D. Renaudie)
• Pour la construction d'un assistant personnel pour aider la recherche d'information sur le WEB ; l'idée étant de construire le "profil de l'utilisateur" par la classification des documents textuels qui se trouve dans son "bookmark" (co-encadrement de la thèse de JC. Bottraud)

Publications représentatives

• Guiding the Search in the NO Region of the Phase Transition Problem with a Partial Subsumption Test. S. Wieczorek, G. Bisson  and MB. Gordon. In proceeding of ECML 2006. LNCS 4212/2006. 18-22 september, Berlin. p 817-824. (Link).
• Partial Subsumption Test and Phase Transition. S. Aci, G. Bisson, MB. Gordon, S. Roy, S. Wieczorek. In proceedings of ILP conference, Santiago 24-27 august 2006. Spain.
• Modélisation de profils d'élèves à partir de traces de résolution de problèmes. V.Robinet, G. Bisson, B. Lemaire, MB. Gordon. Conférence Apprentissage CAp, 22-24 mai Trégastel 2006. (Disponible en rapport technique Cahier Leibniz n°150).
• Étude du comportement d’un indice de subsomption sur des données relationnelles. Wieczorek, G. Bisson  and MB. Gordon. Conférence Apprentissage CAp, 22-24 mai Trégastel 2006. (Disponible en rapport technique Cahier Leibniz n°149).
• Les méthodes d'apprentissages sur données de criblage. Bisson G. Chapitre de l'ouvrage "Le criblage pharmacologique automatisé : du haut-débit au haut-contenu d'information. Une introduction à l'usage des biologistes, des chimistes et des informaticiens". Maréchal E., Roy S., Lafanechère L.(éditeurs). (2006) En cours d'édition (EDP Sciences).
• E.Alphonse, S.Aubin, P. Bessieres, G. Bisson, T. Hamon,S. Laguarigue, A. Nazarenko, A-P. Manine, C. Nedellec, OA. Vetah , D. Weissenbacher. Event-Based Information Extraction for the Biomedical the CADERIGE Project. In proceedings of the JNLPBA COLING 2004 Workshop. August 28-29, 2004. University of Geneva, Switzerland. (preprint PDF)
• Expansion de requêtes par apprentissage automatique dans un assistant pour la recherche d’information. JC. Bottraud, G. Bisson, MF. Bruandet. Actes de CORIA (Conférence en Recherche d’Information et Applications). 10-12 mars, Toulouse.
• An Adaptive Information Research Personal Assistant. JC. Bottraud, G. Bisson, MF. Bruandet. Acte du workshop IJCAI 2003 : AI Moves to IA. (preprint PDF)
• Apprentissage de profils pour un agent de recherche d’information. JC. Bottraud, G. Bisson, MF. Bruandet. Actes de la Conférence Apprentissage (CAp 2003), 1-2 juillet, Laval. P 31-46 (PDF)
• Analyse statistique de comportements d’élèves en algèbre. G. Bisson, A. Bronner, M. B. Gordon, J-F. Nicaud, D. Renaudie. Actes du colloque colloque EIAH2003, Strasbourg.
• Aide à la conception de méthodes de classification pour la construction d’ontologie. G. Bisson, C. Nédellec. Actes des journées francophones d’Extraction et de Gestion des Connaissances (EGC 2001). (preprint PDF).
• Designing clustering methods for ontology building: The Mo’K workbench. G. Bisson, C. Nedellec, L. Cañamero. Ontology Learning workshop (ECAI 2000), Berlin, 22 août 2000. 6 pages. (preprint PDF)
• La similarité: une notion symbolique/numérique. G. Bisson. Apprentissage symbolique-numérique (tome 2). Eds Moulet, Brito. Editions CEPADUES. 2000. (preprint PDF)
• Une nouvelle approche pour la classification conceptuelle ascendante. G. Bisson. Actes 6e rencontres de la Société Francophone de Classification, Montpellier 1998 (preprint PDF)
• Why and how to define a similarity measure for object-based representation systems. G. Bisson. Proceedings of 2nd international conference on building and sharing very large-scale knowledge bases (KBKS). IOS press. Enschede (NL). 10-13 avril 1995. pp 236-246. (preprint PDF)
• KBG: Induction de Bases de Connaissances en Logique des Prédicats. Bisson, G. (1993). PhD thesis, Paris XI - Orsay. (PDF)
• BISSON G. 1992. Conceptual Clustering in a First Order Logic Representation. G. Bisson. Proceedings of 10th European Conference on Artificial Intelligence (ECAI). Vienna. pp 458-462. (preprint PDF)
• Learning in FOL with a similarity measure. G. Bisson. Proceedings of 10th National Conference on Artificial Intelligence AAAI 1992. p 82-87 (preprint PDF)

Pages personnelles

• Quelques utilitaires en Mac Common Lisp
• Et pour les Grenoblois souhaitant faire de la musique, il y a l'ACPM