Soutenance de thèse de Amirhossein Vahdat — Doctorat en sciences géomatiques — mardi 26 novembre à 9 h
Vous êtes cordialement invités à la soutenance de thèse de Amirhossein Vahdat au doctorat en sciences géomatiques. La séance aura lieu en mode hybride, le mardi 26 novembre 2024 à 9 h à la salle GHK-2320-2330.
Mardi 26 novembre à 9 h
GHK-2320-2330
Université Laval, Québec
Participer à la réunion Zoom
https://ulaval.zoom.us/j/68480996868?pwd=DnXXYsKiCaGA4hQyukU89tBQeNghTs.1
ID de réunion : 684 8099 6868
Code secret : 213960
Membres du jury
Président |
Alexis Achim |
Faculté de foresterie, de géographie et de géomatique, Université Laval |
Directrice de recherche |
Jacynthe Pouliot |
Faculté de foresterie, de géographie et de géomatique, Université Laval |
Codirecteur |
Thierry Badard |
Faculté de foresterie, de géographie et de géomatique, Université Laval |
Examinateur externe |
Matthieu Noucher |
Université de Bordeaux |
Examinateur
Examinateur supplémentaire |
Richard Fortier
Frédéric Hubert |
Faculté de géologie et de génie géologique, Université Laval
Faculté de foresterie, de géographie et de géomatique, Université Laval |
Title
A New Approach to Enhance Geospatial Data Selection in Geoportals: Application for Supporting Natural Hazard Early Warning Systems in Nunavik, Québec
Abstract
Despite the growing availability of geospatial data, particularly through geoportals, the ability for a user to find and select the suitable geospatial datasets for his or her needs remains a major challenge. Such demanding is faced by the QAUJIKAIRIT project (“alert” in Inuktitut) founded by the Sentinel North and led by the Centre de recherche en données et intelligence géospatiales (CRDIG) and the Centre d’études nordiques (CEN) that is dedicated to establishing a robust Early Warning System (EWS) for significant natural hazards in Nunavik. The pivotal role of geospatial data in issuing timely and effective early warnings is well recognized. However, current geoportals often fall short in addressing semantic heterogeneity, including the inability to perform effective semantic matching and interpret user intent, which frequently results in overwhelming users with irrelevant search results. Additionally, geoportals struggle to ensure the fitness-for-use of datasets and provide personalized search and recommendation features.
To meet these needs, the main objective of this thesis is to improve the discovery, ranking, and suggestion of geospatial data from well-known web geoportals. To this end, the research introduces the GeoFit approach that is built upon two key phases: an ontology-based framework and a collaborative filtering recommendation system. The ontology-based framework improves data discovery by aligning search results with user intent and thematic relevance, while the recommendation system provides personalized dataset suggestions based on historical behavior of previous users (like online stores). These phases were validated through the development of a geoportal prototype and tested across multiple scenarios, including the need of geospatial datasets for monitoring river flood in Nunavik.
The results of this research are 1) a geospatial metadata ontology (GMO) which introduces a uniform dataset representation, enabling semantic reasoning, hierarchical thematic classifications, 2) an ontology-based data discovery framework that integrates GMO into the data discovery process, providing ranked datasets and refined search capabilities within geoportals, 3) a semantic geospatial recommender system which enhances recommendations by tracking user behavior, semantic clustering, and association rule mining via user-based collaborative filtering, addressing scalability and sparsity while offering contextually relevant suggestions; and lastly and 4) an ontology-based search dedicated to natural hazard EWS which organizes essential geospatial data for natural hazard EWS, reducing the need for extensive domain knowledge and providing quick access to relevant geospatial datasets.
Titre
Nouvelle approche pour améliorer la sélection des données géospatiales dans les géoportails : Application pour soutenir les systèmes d’alerte précoce aux risques naturels au Nunavik, Québec
Résumé
Malgré la disponibilité croissante de données géospatiales, en particulier au travers de géoportails, la capacité pour un utilisateur de retrouver et de sélectionner les jeux de données géospatiales qui répondront adéquatement à ses besoins reste un défi important. Le projet QAUJIKAIRIT (« alerte » en inuktitut), fondé par Sentinelle Nord et dirigé par le Centre de recherche en données et intelligence géospatiales (CRDIG) et le Centre d’études nordiques (CEN), est confronté à un tel défi. Ce projet vise à établir un système d’alerte précoce robuste pour les risques naturels au Nunavik. Le rôle essentiel des données géospatiales dans la diffusion d’alertes précoces efficaces et en temps opportun est bien connu. Cependant, les géoportails actuels ne parviennent souvent pas à traiter l’hétérogénéité sémantique, notamment en raison de leur incapacité à effectuer une mise en correspondance sémantique efficace et à interpréter l’intention de l’utilisateur, ce qui a souvent pour effet de submerger les utilisateurs avec des résultats de recherche non pertinents. En outre, les géoportails peinent à garantir l’adéquation des ensembles de données aux besoins réels, et à fournir des fonctions de recherche et de recommandation personnalisées.
Pour répondre à ces besoins, l’objectif principal de cette thèse est d’améliorer la découverte, le classement et la suggestion de données géospatiales disponibles sur des geoportails Web connus. À cette fin, la recherche présente l’approche GeoFit qui repose sur deux phases soit un système d’appui à la découverte basé sur des ontologies et un système de recommandation par filtrage collaboratif. Les ontologies permettent d’améliorer la découverte de données en alignant les résultats de recherche sur l’intention de l’utilisateur et la pertinence thématique, tandis que le système de recommandation fournit des suggestions personnalisées de jeux de données basées sur l’historicité du comportement des utilisateurs précédents (à la manière des boutiques en ligne). Ces phases ont été validées par le développement d’un prototype qui recréé un géoportail et testées dans de multiples scénarios, notamment le besoin de données géospatiales pour le suivi de crue de rivière au Nunavik.
Les résultats de cette recherche sont les suivants : 1) une ontologie des métadonnées géospatiales (OMG) qui introduit une représentation uniforme des ensembles de données, permettant un raisonnement sémantique et des classifications thématiques hiérarchiques, 2) un cadre de découverte des données basé sur le concept d’ontologie qui intègre l’OMG dans le processus de découverte, fournissant des ensembles de données classés et des capacités de recherche affinées au sein des géoportails, 3) un système de recommandation géospatiale sémantique qui améliore les recommandations grâce au filtrage collaboratif basé sur le comportement des utilisateurs, au regroupement sémantique et à l’extraction de règles d’association, en tenant compte de l’extensibilité et de la rareté tout en offrant des suggestions contextuelles pertinentes, enfin, 4) une ontologie adaptée aux systèmes d’alerte précoce aux risques naturels, qui organise les données géospatiales essentielles pour les systèmes d’alerte précoce aux risques naturels, en réduisant la nécessité d’une connaissance approfondie du domaine et en fournissant un accès rapide aux ensembles de données geospatiales pertinentes.