Séminaire SESAME du 20 avril 2026
10H30, salle des conseils P.Raynaud du bâtiment 11 dit le château, 2 Place Pierre Viala Campus La Gaillarde, 34000 Montpellier
News du W3C en 10 minutes
par Pierre-Antoine CHAMPIN du W3C / INRIA / Université de Lyon
- la page du groupe de travail Dataset Exchange (DCAT, Variable Description, Data Cube...) https://www.w3.org/groups/wg/dx (qui le montre toujours comme expiré, mais devrait être mise à jour incessamment)
- le premier draft de Linked Web Storage Protocol 1.0 https://www.w3.org/TR/lws-core/
- Solid Symposim, la semaine prochaine à Londres https://sosy2026.eu/
- Premières Recommandations candidates du groupe de travail RDF & SPARQL https://www.w3.org/TR/rdf12-concepts/ https://www.w3.org/TR/rdf12-semantics/
- le premier draft de la nouvelle version de SSN SOSA https://w3c.github.io/sdw-sosa-ssn/ssn/ declaration des usages de cette nouvelle version https://raw.githack.com/w3c/sdw-sosa-ssn/usage-report/ssn/usage/index.html (chacun peut declarer ses usages contacter Maxime Lefrancois)
Approches neurosymboliques pour une intégration de graphes de connaissances généralisable, explicable et scalable.
par Ensiyeh RAOUFI de Polytech
Résumé:
Les graphes de connaissances (KGs) représentent des entités et leurs relations sous une forme structurée, mais leur alignement à travers différents domaines - afin de permettre leur intégration - reste un défi majeur. Dans cet exposé, je montrerai comment reformuler l’alignement d’entités comme un problème d’inférence en langage naturel (NLI) permet aux modèles neuronaux d’approximer un raisonnement logique sur les descriptions des KGs, et comment les grands modèles de langage (LLMs) peuvent étendre ce cadre pour traiter des cas plus complexes. Ensemble, ces approches ouvrent la voie à des solutions plus généralisables et explicables pour l’intégration de graphes de connaissances.
Biographie:
Ensiyeh RAOUFI est doctorante en informatique à l’Université de Montpellier (LIRMM, récemment rattaché à l’IRD, France). Elle a également récemment rejoint Polytech Montpellier en tant qu’ATER (enseignante-chercheuse). Elle a effectué ses études en informatique, de la licence au master, avec une spécialisation en théorie algébrique des graphes lors de son master. Ses recherches actuelles portent sur l’utilisation d’approches neurosymboliques, de modèles neuronaux et de grands modèles de langage pour relever les défis de l’alignement d’entités et de l’intégration de graphes de connaissances, avec pour objectif de proposer des méthodes plus généralisables et explicables.
Plus d’informations sont disponibles sur son profil LinkedIn : https://www.linkedin.com/in/ensiyeh-raoufi/