BIOTIM

Exploitation de Gisements Texte-Image en Biodiversité

Description du projet

Le projet BIOTIM s’intéresse aux obstacles qui entravent l’exploitation riche des masses de données regroupant textes et images, issues de fonds scientifiques ou d’expérimentations à grande échelle. Cette exploitation doit pouvoir aller de la simple interrogation et comparaison à la découverte de connaissances. Des obstacles importants ont été identifiés au niveau de l’analyse automatique fine des données primaires, ainsi qu’au niveau de l’établissement et de l’exploitation de relations étroites entre textes et images.

L’objectif de BIOTIM est de concevoir des méthodes génériques d’analyse automatique de masses volumineuses de données regroupant textes et images pour acquérir une sur-couche sémantique commune et, à partir de ce premier résultat, développer des méthodes génériques d’interrogation pluri-modale des données ainsi structurées. Ces méthodes seront mises au point et évaluées dans deux contextes différents, le premier s’inscrivant dans la valorisation de fonds scientifiques botaniques et le second dans l’étude de données d’expression des gènes suite à une expérimentation à grande échelle. Les deux corpus comportent un nombre important d’images (50 000 et respectivement 1 000 000) avec des textes associés et sont représentatifs de problématiques très actuelles.

Les aspects innovants du projet BIOTIM concernent notamment :

• l’analyse sémantique incrémentale des contenus textuels pour l’extraction automatique d’une ontologie et d’informations détaillées associées,
• la mise en relation sémantique des textes et des images basée sur l’apprentissage de « profils visuels » de concepts issus de l’ontologie, permis par une description fidèle de l’aspect visuel de parties d’images,
• l’exploitation de cette relation pour une analyse sémantique des contenus visuels et pour la recherche interactive pluri-modale.

Les principaux résultats scientifiques attendus sont :

• méthode d’extraction automatique d’ontologies et de connaissances à partir des contenus textuels,
• nouvelles méthodes de caractérisation locale de parties d’images et de description fidèle associée,
• méthode de construction automatique d’une couche sémantique commune entre textes et images,
• méthode de recherche interactive hybride et langage de requêtes pluri-modal travaillant sur la couche sémantique.

Par rapport au domaine de recherche concerné, le caractère pionnier de BIOTIM et l’impact potentiel des méthodes génériques qu’il entend développer ressortent du choix des « Semantic-based knowledge systems » comme un des objectifs stratégiques du 6ème PCRD. Par rapport aux contextes d’application, BIOTIM aura un impact significatif sur la mise au point d’ontologies multimédia pour la botanique, sur la valorisation de fonds scientifiques francophones et sur les études concernant l'élucidation des fonctions des gènes de plantes.

Ces contextes d'application sont également représentatifs d'autres domaines de connaissances liés à la biodiversité.

Coordinateur du projet

CRUCIANU Michel – Projet IMEDIA – INRIA Rocquencourt

Partenaires

• Projet IMEDIA « Images et Multimédia : Indexation, Navigation et Recherche », INRIA Rocquencourt

§ Projet ATOLL « Atelier d’Outils Logiciels pour le Langage Naturel », INRIA Rocquencourt

• Equipe « Bases de Données » (VERTIGO), CEDRIC EA 1395 CNAM Paris
• Unité de Recherches en Génomique Végétale, INRA
• Laboratoire d’Informatique Fondamentale d’Orléans LIFO, FRE 2490 CNRS, Université d’Orléans