Explorer l’évolution de topics dans les grandes archives scientifiques avec des graphes pivot

Exploring Topic Evolution in Large Scientific Archives with Pivot Graphs

• Auteur / Autrice : Ke Li
• Direction : Bernd Amann, Hubert Naacke
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 22/06/2021
• Etablissement(s) : Sorbonne université
• Ecole(s) doctorale(s) : École doctorale Informatique, télécommunications et électronique de Paris (1992-....)
• Partenaire(s) de recherche : Laboratoire : LIP6 (1997-....)
• Jury : Président / Présidente : Clémence Magnien
• Jury : Examinateurs / Examinatrices : Nathalie Aussenac-Gilles
• Jury : Rapporteurs / Rapporteuses : Nicolas Travers, Mírian Halfeld Ferrari Alves
• DOI : 10.70675/6acb40dcz979az43c6z8ab4z48b9461b7208

Mots clés

Mots clés contrôlés

Exploration de données

Sciences -- Documentation

Sciences -- Histoire

Bases de données -- Interrogation

Apache Spark (langage de programmation)

Représentations de graphes

Mots clés libres

Modélisation de sujets

Réseaux d'évolution de sujet

Évolution de science

Big data

Ida

Topic modelling

Topic evolution networks

Science evolution

Résumé

Il existe une demande croissante d'outils pratiques pour explorer l'évolution de la recherche scientifique publiée dans des archives bibliographiques telles que le Web of Science, arXiv, PubMed ou ISTEX. L’extraction de topics et de leur évolution à partir de ces archives documentaires a de nombreuses applications et peut être étendue pour synthétiser des récits à partir d'ensembles de documents dans plusieurs domaines, y compris les flux d’actualités, les articles de recherche, les textes juridiques et les œuvres littéraires. Dans cette thèse, nous proposons un modèle de données et un langage d'interrogation pour la visualisation et l'exploration de réseaux d'évolution de sujets de recherche scientifiques. Notre modèle est indépendant d'une méthode particulière d'extraction et d'alignement de topics et propose un ensemble de métriques sémantiques et structurelles pour caractériser et filtrer des motifs d'évolution de domaines scientifiques. Ces métriques sont particulièrement utiles pour la visualisation et l'exploration de grands réseaux d'évolution de topics. Nous présentons également une implémentation de notre modèle sur Apache Spark et les résultats expérimentaux obtenus pour quatre archives de documents représentatives.

There is an increasing demand for practical tools to explore the evolution of scientific research published in bibliographic archives such as the Web of Science, arXiv, PubMed or ISTEX. Revealing meaningful evolution patterns from these document archives has many applications and can be extended to synthesize narratives from datasets across multiple domains, including news stories, research papers, legal cases and works of literature. In this thesis, we propose a data model and query language for the visualization and exploration of topic evolution networks. Our model is independent of a particular topic extraction and alignment method and proposes a set of semantic and structural metrics for characterizing and filtering meaningful topic evolution patterns. These metrics are particularly useful for the visualization and the exploration of large topic evolution networks. We also present a prototype implementation of our model on top of Apache Spark and experimental results obtained for four representative document archives.