UPSaclay_5.png  UPSud_1.png  UP8.jpeg  UCP_1.jpg  UPMC.gif 

Telecom.png  insa.jpg  ensta.jpg  CS.png  EISTI_2.png

IEEE France  systematic-paris-region  Cap Digital  optics valley 

CNRS  INRIA   cea list tech

Journée Nationale de l'Internet des Objets

Nouveaux défis de l’Internet des Objets: Interaction Homme-Machine et Facteurs Humains

29 Novembre 2016

Cité de l’Innovation, Nokia Paris-Saclay

Par auteur > Penon Antonin

Tagging automatique de données dans le cadre d'objets connectés, Fiabilité et impact sur la confiance
Antonin Penon  1, *@  , Laurence Devillers  2, *@  
1 : Laboratoire d'Informatique pour la Mécanique et les Sciences de l'Ingénieur [Orsay]  (LIMSI)  -  Site web
Université Paris XI - Paris Sud, CNRS : UPR3251
Université Paris Sud (Paris XI) Bât. 508 BP 133 91403 ORSAY CEDEX -  France
2 : Laboratoire d'Informatique pour la Mécanique et les Sciences de l'Ingénieur [Orsay]  (LIMSI)  -  Site web
Université Paris XI - Paris Sud, CNRS : UPR3251, Université Paris-Sorbonne - Paris IV
Université Paris Sud (Paris XI) Bât. 508 BP 133 91403 ORSAY CEDEX -  France
* : Auteur correspondant

Ce papier décrit un projet de thèse commencé en octobre 2016 avec la collaboration du LIMSI et de l'IRT SystemX. Il s'inscrit dans le projet TNC (Territoire Numérique de Confiance). L'apparition d'un grand nombre d'objets connectés a motivé la création de la plateforme TNC, centralisant ces derniers, tout en assurant un contrôle plus éthique des données utilisateur. Face à la quantité croissante de données extraites, une problématique importante est celle d'aider l'utilisateur à choisir lesquelles partager ou non. Nous proposons ici une solution basée sur l'étiquetage automatique des données (i.e. les tagger automatiquement): l'enrichissement des données est obtenu avec des outils de fouille de contenu: détection de topics, de sentiments, etc. Un rapide état de l'art sur les méthodes de classification pour divers types de données est effectué, et les premiers objectifs de la thèse sont posés. L'objectif des tags peut être double, à la fois de vérifier les données produites par les algorithmes des IoTs et d'enrichir les données de l'utilisateur pour qu'il décide de les diffuser ou non. Il s'agit de travailler sur l'explication et la transparence des données et des algorithmes, ainsi que sur la confiance des utilisateurs.

 


Personnes connectées : 1