Du 3 au 5 juillet, se tenait la 17ème édition du workshop international sur l’apprentissage et le raisonnement neuronaux-symboliques (NeSy23) à Sienne en Italie.
A cette occasion, Mouloud Iferroudjene, doctorant à l’Institut Fayol, à présenté un poster intitulé « FB15k-CVT: A Challenging Dataset for Knowledge Graph Embedding Models » coécrit avec Victor Charpenay et Antoine Zimmermann, chercheurs à l’Institut Fayol.
Ces travaux, dans le cadre d’une thèse CIFRE en partenariat avec COURBON Software portent sur les graphes de connaissances.
Leur contribution majeure réside dans la création d’un nouveau jeu de données baptisé FB15k-CVT, spécifiquement élaboré pour évaluer les performances des modèles de plongement de graphes de connaissances. À l’inverse des jeux de données existants, FB15k-CVT se veut plus complexe en réintroduisant des relations entre entités plus sophistiquées (relations n-aires).
Les résultats issus de cette étude ont conduit les chercheurs à constater que les modèles de plongement de graphes de connaissances fondamentaux démontrent des performances limitées sur cet ensemble de données. Ils ont relevé la nécessité de recourir à des modèles plus avancés pour améliorer les performances dans le contexte de cet ensemble de données complexe. En dernière analyse, l’objectif sous-jacent était de contribuer à l’amélioration de la précision de ces modèles et d’impulser les progrès dans le domaine de l’IA neuro-symbolique.
Si cette démarche suscite votre intérêt, vous avez la possibilité de télécharger le jeu de données FB15k-CVT via les liens suivants :
- Lien direct : Télécharger FB15k-CVT
- Lien GitHub : Dépôt GitHub FB15k-CVT
NeSy23 fut aussi l’occasion pour Mouloud Iferroudjene d’échanger avec des chercheurs du domaine et d’avoir des retours sur ses travaux.