ENRICHISSEMENT DES DESCRIPTEURS SÉMANTIQUES PROFONDS POUR AMÉLIORER LESSYSTÈMES DE SURVEILLANCE

DEEP SEMANTIC FEATURE ENRICHING FOR ENHANCING SURVEILLANCE SYSTEMS

• Auteur / Autrice : Edmond Menya
• Direction : Mathieu Roche
• Type : Projet de thèse
• Discipline(s) : Informatique
• Date : Inscription en doctorat le 01/10/2022
• Etablissement(s) : Université de Montpellier (2022-....)
• Ecole(s) doctorale(s) : École Doctorale Information, Structures, Systèmes
• Partenaire(s) de recherche : Laboratoire : TETIS - Territoire Environnement Teledetection et Information Spatiale
• Partenaire(s) de recherche : Equipe de recherche : MISCA : Modélisation de l'Information Spatiale extraction de Connaissance et Analyse

Mots clés

Mots clés libres

Fouille de textes

Plongement de descripteurs

Information spatio-temporelle

Entité thématique

Épidémiologie

Sécurité alimentaire

Text mining

Feature embedding

Spatio-temporal information

Thematic entity

Epidemiology

Food security

Résumé

Les systèmes de surveillance des maladies fondés sur les événements ont dominé le domaine de l'intelligence épidémiologique. Ces systèmes de biosurveillance ont la capacité de détecter et d'alerter sur les maladies infectieuses (ré)émergentes en surveillant les événements sanitaires et connexes, contribuant à l'alerte précoce et à la réponse aux maladies, à leurs causes et à leurs effets. Pour y parvenir, les systèmes de surveillance fondés sur les événements (event-based surveillance) recherchent des schémas épidémiologiques dans des sources telles que les blogs, les dépêches en ligne et les comptes rendus d'experts. Ces sources non structurées présentent des informations riches mais difficiles à exploiter nécessitant d'améliorer la détection, l'efficacité et la précision des rapports issus des systèmes de biosurveillance. Notre recherche est concentrée sur l'enrichissement des descripteurs thématiques et spatio-temporels trouvés dans les corpus épidémiologiques pour améliorer les tâches du processus de surveillance des épidémies, à savoir la surveillance des maladies infectieuses et la sécurité alimentaire. Notre objectif est d'appliquer des méthodes de plongements de mots thématiques et spatio-temporelles basées sur des modèles de langues et des thésaurus pertinents pour améliorer les plateformes de surveillance des maladies et de sécurité alimentaire telles que PADI-WEB et KEOPS avec une approche générique.

Event based disease surveillance systems have dominated the field of epidemic intelligence. These biosurveillance systems have the ability to detect and alert on (re)-emerging infectious diseases by monitoring health and related events aiding in early warning and response to diseases, their causes and effects. To achieve this, event-based surveillance systems mines for epidemiological patterns in sources such as blogs, online news reports and curated expert accounts. These unstructured sources present a rich yet challenging information reservoir which can be data mined with novelty to improve detection, efficiency and reporting accuracy of biosurveillance systems. Our research presents such novel techniques curated in the enriching of thematic and spatiotemporal features found in epidemiological corpora to improve the critical epidemic surveillance pipeline tasks namely infectious disease surveillance and food security. Our goal is to apply deep thematic and spatio-temporal word embeddings features based on relevant language models and thesaurii to advance disease and food security surveillance platforms such as PADI-WEB and KEOPS with a generic approach.