Secteur militaire

Dans l’armée, il y a une multitude d’outils aux multiples fonctionnalités, apprendre ces fonctionnalités est fastidieux et c’est souvent la perte d’un temps précieux. Notre objectif est de créer un assistant facilitant l’interaction avec toutes les fonctions d’une application en exprimant les fonctionnalités en langage naturel. Résultat : L’utilisateur n’a plus besoin de connaître ou d’apprendre l’outil, seulement les fonctionnalités spécifiques à son métier.

 

Le plus ? Une optimisation par la création de raccourcis personnalisés en fonction de son activité !

Cas d’usage : L’interaction dynamique avec une carte géographique

Le cas se traduit par la recherche suivante : « Retrouver les bâtiments présents sur la zone méditerranéenne »

Alors des requêtes agiront dans la base de données sur tous les documents grâce aux métadonnées suivantes :

• Zones spatio-temporelles concernées
• Navires concernés

Nous sommes alors en mesure de gérer simultanément différentes typologies :

1- La recherche temporelle

IN : Directement, avec le calendrier, ou avec une requête du type « la semaine du 2 février »

OUT : Datetime (min/max)

2- La recherche géographique

IN : Directement, avec la carte, ou avec une requête du type «le canal de Gibraltar »

OUT : Latitude (min/max) / Longitude (min/max)

3- La recherche par caractéristique de navire

IN : Directement, avec les filtres proposés ou avec une requête du type « Les tankers de plus de 200 mètres de pavillon maltais »

OUT : Attribut et condition

Le concept de l’extraction automatique

Cette extraction automatique de concepts est basée sur des différentiels de fréquences sur les mots simples avec un calcul sur des ngrams de mots, le tout avec un dictionnaire fréquentiel de référence permettant d’obtenir un scoring de pertinence. Ainsi les expressions les plus caractéristiques du document sont détectées.

– Pertinence monitorée avec l’ajout simplifié de dictionnaire métier
– Compréhension de concepts simples et complexes dans des textes (juridiques, bancaires et autres)
– Restitution de concept par scoring
– Croisement d’informations et établissement de différences entre 2 documents (ex : V1 & V2)

Cette méthode permet donc une restitution et une recherche dynamique de concepts !

Schéma descriptif smart data