Découvertes de relations causales dans des séquences combinant des textes et des séries temporelles

par Karim Assaad

Projet de thèse en Informatique

Sous la direction de Éric Gaussier.

Thèses en préparation à Grenoble Alpes , dans le cadre de École doctorale mathématiques, sciences et technologies de l'information, informatique (Grenoble) , en partenariat avec Laboratoire d'Informatique de Grenoble (laboratoire) et de AMA (equipe de recherche) depuis le 01-05-2018 .


  • Résumé

    Découverte de relations causales à travers des séquences qui correspondent à des séries temporelles associées aux métriques surveillées, ainsi qu'aux informations de billetterie fournies par les utilisateurs. Pour ce faire, nous nous concentrerons sur le problème de la séparation des relations causales des simples corrélations. Nous comptons en outre sur des réseaux de neurones de séquence à séquence comme modèle de prédiction.

  • Titre traduit

    Discovering causal relations in sequences combining texts and time series


  • Résumé

    Study the discovery of causal relations across sequences that correspond to time series associated to the metrics monitored, as well as to ticketing information provided by users. To do so, we will focus on the problem of separating causal relations from mere correlations given the direction of the relations (temporal information can be used here to determine the causal direction of a causal relation). We will furthermore rely on Neural Networks as the underlying prediction model, as this model has been shown to provide state-of-the-art results on time series