Plongement de graphe pour très grosses bases de données

Graph embedding for very large databases

• Auteur / Autrice : Félix Lefebvre
• Direction : Gaël Varoquaux
• Type : Projet de thèse
• Discipline(s) : Informatique mathématique
• Date : Inscription en doctorat le 01/01/2023
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication
• Partenaire(s) de recherche : Laboratoire : Centre INRIA Saclay - Île-de-France
• Partenaire(s) de recherche : Equipe de recherche : Parietal - Modélisation de la structure, du fonctionnement et de la variabilité du cerveau à partir d'IRM à haut champ
• Partenaire(s) de recherche : Référent : Faculté des sciences d'Orsay

Mots clés

Mots clés libres

Plongement vectoriel

Graphes de connaissance

Apprentissage statistique

Vector embeddings

Knowledge graphs

Statistical learning

Résumé

Des progrès récents extraient des représentations de bases de données ou graphes de connaissance en utilisant des plongements vectoriels de graphes. Cependant, ces techniques ne montent pas à l'échelle pour les grandes bases, entre autre parce que la mémoire des GPUs n'est pas suffisamment grande pour y stocker la représentation associée à chaque nœud du graphe ou entité. Le but de cette thèse est de développer des méthodes de plongement vectoriel adaptées aux très gros graphes de connaissance, par exemple en explorant des approches multiéchelles, et de générer ainsi des représentations numériques pour un très grand nombre d'entités. Il s'agira de concilier efficacité en temps de calcul, en mémoire, mais aussi qualité statistique des représentations obtenues pour une variété de tâches statistiques.

Recent advances extract representations from databases or knowledge graphs using vectorial graph embeddings. However, these techniques do not scale to large databases, among other reasons because the memory of GPUs is not large enough to store the representation associated with each node of the graph or entity. The goal of this thesis is to develop vector embedding methods adapted to very large knowledge graphs, for example by exploring multi-scale approaches, and to generate numerical representations for a very large number of entities. The objective is to conciliate efficiency in computation time and memory, but also statistical quality of the generated representations for a variety of statistical tasks.