Modélisation, création et analyse de métadonnées dans les lacs de données

Modeling, authoring and analyzing metadata in data lakes

• Auteur / Autrice : Rajae El-idrissi
• Direction : Jérôme Darmont, Sabine Loudcher
• Type : Projet de thèse
• Discipline(s) : Informatique
• Date : Inscription en doctorat le 01/10/2023
• Etablissement(s) : Lyon 2
• Ecole(s) doctorale(s) : InfoMaths - Informatique et Mathématiques de Lyon
• Partenaire(s) de recherche : Laboratoire : ERIC

Mots clés

Mots clés libres

Lacs de données

Données massives

Web de données

Métadonnées

Graphes

Apprentissage automatique

Data lakes

Big data

Web of data

Metadata

Graphs

Machine Learning

Résumé

À l'intersection de plusieurs domaines (données massives, apprentissage automatique, Web de données, graphes), l'objectif de la thèse sera de permettre la création assistée ou semi-automatique de métadonnées au moment de l'insertion de nouvelles entités de données dans un lac et ce grâce à l'extraction automatique d'informations depuis les données « primaires » par des méthodes d'intelligence artificielle ; la complétion de métadonnées par celles issues du Web de données et d'ontologies de domaine ; la création de liens entre les entités de données du lac modélisées en graphes ; une évaluation des possibilités et des performances des modèles et des langages de métadonnées utilisés dans le domaine des lacs de données comparée à celles des standards du Web sémantique ; l'interrogation des données du lac à l'aide de requêtes formulées sur les métadonnées ; l'industrialisation des systèmes de gestion de métadonnées pour différents projets de recherche. Cette thèse comprendra trois grand niveaux de réalisation : un niveau conceptuel ou théorique pour concevoir les différentes propositions, un niveau technique pour l'implémentation informatique des solutions et un niveau applicatif avec la mise en œuvre des propositions dans plusieurs projets de recherche en Humanités numériques du laboratoire ERIC.

Within several domains (big data, machine learning, Web of data, graphs), the aim of this thesis is to allow the assisted or semi-automatic creation of metadata at ingestion time in a data lake, by: automatically extracting information from ''primary'' data with artificial intelligence methods; complement medata by metadata from the Web of data and domain ontologies; the creation of links between the lake entities modeled as a graph; evaluate the possibilities and performance of the metadata models and languages used in data lakes with respect to semantic Web standards; search the lake data through queries formulated on metadata; and the industrialization of the metadata management systems for different research projects. This thesis lies at three broad level: a conceptual or theoretical level to design the different proposals, a technical level that leverages software solutions, and an application level with the implementation of several projects in the field of Digital humanities at ERIC.