Classification Automatique

The development of dynamic information analysis methods, like incremental clustering, concept drift management and novelty detection techniques, is becoming a central concern in a bunch of applications whose main goal is to deal with information which is varying over time. These applications relate themselves to very various and highly strategic domains, including web mining, social network analysis, adaptive information retrieval, anomaly or intrusion detection, process control and management, recommender systems, technological and scientific survey, and even genomic information analysis, in bioinformatics. The term "incremental" is often associated to the terms dynamics, adaptive, interactive, on-line, or batch. The majority of the learning methods were initially defined in a non-incremental way.

Résumé—Dans ce papier nous étudions deux approches de localisation de défauts, basée sur l'analyse en composantes principales (ACP). Un indice de détection calculéa partir des dernieres composantes principales est utilisé pour la détection de défauts. Une fois le défaut détecté, le principe de reconstruction des variables est utilisé pour localiser la variable en défaut. Cependant cette technique de localisation présente certaines limitations (liées au degré de redondance). L'autre alternative de localisation est basée sur le calcul des ...

Le cancer du sein est un problème de santé publique. L'imagerie médicale est l'un des éléments clés dans le diagnostic. Cependant, la qualité d'interprétation d'une mammographie reste variable. Une des caractéristiques de l'anatomie et de la physiologie du sein est la densité du tissu mammaire qui est importante pour deux raisons principales : (1) la densité mammaire accrue est associée à une diminution de sensibilité de la mammographie pour la détection du cancer du sein (Schetter, 2014), (2) la densité du sein est l'un des plus importants facteurs de risque connus pour le cancer du sein (Prevrhal et al., 2002 ; Boyd et al., 1995). Le classement automatique de la densité des tissus est donc un processus important dans le diagnostic. De plus, le système de classification BI-RADS identifie quatre niveaux de densité du sein, mais la base de données mini-MIAS est divisée en trois catégories de densité. Dans cet article, nous décrivons une méthode pour la classification de la densité globale du sein en utilisant les réseaux de neurones artificiels. Cette approche présente l'avantage de ne pas nécessiter d'étape de prétraitement et de s'adapter aux différentes bases de données de mammographies. La validité de notre méthode est démontrée en utilisant 240 mammographies de la base de données DDSM et 180 mammographies de la base de données mini-MIAS, avec un taux de classification correcte de 87,50 % et 86,11 %, respectivement. ABSTRACT. Breast cancer is an international public health concern. Medical imaging is one of the key elements in diagnosis. However, the quality of the interpretation of mammograms remains variable. One of the important characteristics in breast anatomy and physiology is breast tissue density. Density is important for two main reasons: first, increased breast density is associated with decreased mammographic sensitivity for the detection of breast cancer (Schetter, 2014). Second, breast density is one of the strongest known risk factors for breast cancer (Prevrhal et al., 2002; Boyd et al., 1995). For these reasons, automatic tissue density classification is an important process in diagnosis. Moreover, the BI-RADS (Breast Imaging-Reporting And Data System) classification system identifies four levels of breast density, but the mini-MIAS (Mammographic Image Analysis Society) database is divided into three density categories. In this article we describe a method for overall breast density classification using artificial neural networks. This approach has the advantages of not requiring a preprocessing step and the ability to be adapted to different mammography databases. The validation of our method is demonstrated using 240 mammograms from the DDSM database and 180 mammograms from mini-MIAS database, with the correct classification rate of 87.50% and 86.11%, respectively. MOTS CLÉS : classification automatique, réseau de neurones artificiel, histogramme.

Une memoire organisationnelle est un espace de capitalisation d’informations diverses circulant au sein d’une entreprise. L’objectif de nos travaux est d’assister les usagers dans le classement de ces informations au sein de cette memoire organisationnelle tout en limitant leur contribution. Pour ce faire, nous proposons un meta-modele de memoire organisationnelle sur lequel nous souhaitons faire reposer un processus de classification automatique.

HAL is a multidisciplinary open access archive for the deposit and dissemination of scientific research documents, whether they are published or not. The documents may come from teaching and research institutions in France or abroad, or from public or private research centers. L'archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des établissements d'enseignement et de recherche français ou étrangers, des laboratoires publics ou privés.

Cet article présente l’édition 2018 de la campagne d’évaluation DEFT (Défi Fouille de Textes). A partir d’un corpus de tweets, quatre tâches ont été proposées : identifier les tweets sur la thématique des transports, puis parmi ces derniers, identifier la polarité (négatif, neutre, positif, mixte), identifier les marqueurs de sentiment et la cible, et enfin, annoter complètement chaque tweet en source et cible des sentiments exprimés. Douze équipes ont participé, majoritairement sur les deux premières tâches. Sur l’identification de la thématique des transports, la micro F-mesure varie de 0,827 à 0,908. Sur l’identification de la polarité globale, la micro F-mesure varie de 0,381 à 0,823.

La classification (supervisee, non supervisee et semi-supervisee) est une thematique importante de la fouille de donnees. Dans cette these, nous nous concentrons sur le developpement d'approches d'optimisation pour resoudre certains types des problemes issus de la classification de donnees. Premierement, nous avons examine et developpe des algorithmes pour resoudre deux problemes classiques en apprentissage non supervisee : la maximisation du critere de modularite pour la detection de communautes dans des reseaux complexes et les cartes auto-organisatrices. Deuxiemement, pour l'apprentissage semi-supervisee, nous proposons des algorithmes efficaces pour le probleme de selection de variables en semi-supervisee Machines a vecteurs de support. Finalement, dans la derniere partie de la these, nous considerons le probleme de selection de variables en Machines a vecteurs de support multi-classes. Tous ces problemes d'optimisation sont non convexe de tres grande dimension e...

Cet article est une traduction de l'article Comparing Student Models in Different Formalisms by Predicting their Impact on Help Success publié dans les actes de la 16th International Conference on Artificial Intelligence in Education. Comparaison de l'impact de techniques de diagnostic des connaissances sur l'apprentissage d'une stratégie d'aide

Une série de programmes informatiques pour l'étude des circulations synoptiques à partir des cartes d'altitude du Bulletin Météorologique Européen (BME), a été mise au point par le Laboratoire de Climatologie de l'Université de Liège. Ces programmes permettent la numérisation des isohypses à partir d'un scanner A4 et l'interpolation des altitudes géopotentielles suivant un réseau de points répartis régulièrement L'utilisation de ces outils a conduit à une classification des circulations synoptiques propices aux développements des incendies sur le plateau des Hautes-Fagnes (Belgique).

HAL is a multidisciplinary open access archive for the deposit and dissemination of scientific research documents, whether they are published or not. The documents may come from teaching and research institutions in France or abroad, or from public or private research centers. L'archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des établissements d'enseignement et de recherche français ou étrangers, des laboratoires publics ou privés.

L'objectif de cet article est de montrer les intérêts et les inconvénients de deux approches classificatoires de courbes. La première est basée sur une représentation des courbes sous forme vectorielle, la seconde propose la distance de D'Urso et Vichi qui est basée sur les première et seconde dérivées finies. Cette dernière intègre au mieux les propriétés mathématiques des courbes. Ces deux approches seront appliquéesà la classification de sources de production d'énergie de type photovoltaïque. Mots-clés. classification automatique, analyse de courbes.

Une memoire organisationnelle est un espace de capitalisation d’informations diverses circulant au sein d’une entreprise. L’objectif de nos travaux est d’assister les usagers dans le classement de ces informations au sein de cette memoire organisationnelle tout en limitant leur contribution. Pour ce faire, nous proposons un meta-modele de memoire organisationnelle sur lequel nous souhaitons faire reposer un processus de classification automatique.

The development of dynamic information analysis methods, like incremental clustering, concept drift management and novelty detection techniques, is becoming a central concern in a bunch of applications whose main goal is to deal with information which is varying over time. These applications relate themselves to very various and highly strategic domains, including web mining, social network analysis, adaptive information retrieval, anomaly or intrusion detection, process control and management, recommender systems, technological and scientific survey, and even genomic information analysis, in bioinformatics. The term "incremental" is often associated to the terms dynamics, adaptive, interactive, on-line, or batch. The majority of the learning methods were initially defined in a non-incremental way.

La classification (supervisee, non supervisee et semi-supervisee) est une thematique importante de la fouille de donnees. Dans cette these, nous nous concentrons sur le developpement d'approches d'optimisation pour resoudre certains types des problemes issus de la classification de donnees. Premierement, nous avons examine et developpe des algorithmes pour resoudre deux problemes classiques en apprentissage non supervisee : la maximisation du critere de modularite pour la detection de communautes dans des reseaux complexes et les cartes auto-organisatrices. Deuxiemement, pour l'apprentissage semi-supervisee, nous proposons des algorithmes efficaces pour le probleme de selection de variables en semi-supervisee Machines a vecteurs de support. Finalement, dans la derniere partie de la these, nous considerons le probleme de selection de variables en Machines a vecteurs de support multi-classes. Tous ces problemes d'optimisation sont non convexe de tres grande dimension e...

Cet article présente l'édition 2018 de la campagne d'évaluation DEFT (Défi Fouille de Textes). A partir d'un corpus de tweets, quatre tâches ont été proposées : identifier les tweets sur la thématique des transports, puis parmi ces derniers, identifier la polarité (négatif, neutre, positif, mixte), identifier les marqueurs de sentiment et la cible, et enfin, annoter complètement chaque tweet en source et cible des sentiments exprimés. Douze équipes ont participé, majoritairement sur les deux premières tâches. Sur l'identification de la thématique des transports, la micro F-mesure varie de 0,827 à 0,908. Sur l'identification de la polarité globale, la micro F-mesure varie de 0,381 à 0,823.

In this work, we propose a new efficient agglomerative algorithm for hierarchical clustering analysis (HCA) of large networks. This algorithm, called Mod-Müllner, is an adaptation of an existing algorithm proposed by Müllner in 2011 and initially dedicated to HCA of pairwise dissimilarities. Mod-Müllner performs a greedy optimisation of the modularity, a widely used measure for network partitioning. We show that thanks to adapted data structures, Mod-Müllner achieves lower running times than other agglomerative algorithms, while producing comparable solutions. Finally, Mod-Müllner is compared to the Louvain method on simulated and real-world datasets. For both methods, the improved solutions obtained through single-level and multilevel refinements are studied.

This paper studies the problem of feature selection in the context of Semi-Supervised Support Vector Machine (S3VM). The zero norm, a natural concept dealing with sparsity, is used for feature selection purpose. Due to two nonconvex terms (the loss function of unlabeled data and the ℓ 0 term), we are faced with a NP hard optimization problem. Two continuous approaches based on DC (Difference of Convex functions) programming and DCA (DC Algorithms) are developed. The first is DC approximation approach that approximates the ℓ 0-norm by a DC function. The second is an exact reformulation approach based on exact penalty techniques in DC programming. All the resulting optimization problems are DC programs for which DCA are investigated. Several usual sparse inducing functions are considered, and six versions of DCA are developed. Empirical numerical experiments on several Benchmark datasets show the efficiency of the proposed algorithms, in both feature selection and classification.

This paper presents an original approach based on a recent metric called feature maximization for developing accurate diachronic analysis tools. In such process, querying of bibliographic databases is firstly exploited to provide a thematic corpus of scientific publications covering a large time period. In a second step, two strategies based on contrast graphs generated by the use of feature maximization metric are proposed. The first one is based on the direct use contrast graphs who relates time periods and publication contents. The second strategy combines a preliminary step of clustering with the use of contrast graph generated by feature maximization applied on cluster contents to highlight the relation between topics represented in clusters as well as to embed them in a temporal path. Both techniques are parameter-free and knowledge agnostic. We illustrate the efficiency and the complementarity of the proposed technique by experimenting then on a dataset related to gerontology...

Traditional quality indexes (Inertia, DB,. . .) are known to be method-dependent indexes that do not allow to properly estimate the quality of the clustering in several cases, as in that one of complex data, like textual data. We thus propose an alternative approach for clustering quality evaluation based on unsupervised measures of Recall, Precision and F-measure exploiting the descriptors of the data associated with the obtained clusters. Two categories of index are proposed, that are Macro and Micro indexes. This paper also focuses on the construction of a new cumulative Micro precision index that makes it possible to evaluate the overall quality of a clustering result while clearly distinguishing between homogeneous and heterogeneous, or degenerated results. The experimental comparison of the behavior of the classical indexes with our new approach is performed on a polythematic dataset of bibliographical references issued from the PASCAL database.

In this paper we first propose a state of the art on the methods for the visualization and the interpretation of textual data, in particular of scientific data. We then shortly present our contributions to this field in the form of original methods for the automatic classification of documents and easy interpretation of their content through characteristic keywords and classes created by our algorithms. In a second step, we focus our analysis on the data evolving over time. We detail our diachronic approach, especially suitable for the detection and visualization of topic changes. This allows us to conclude with Diachronic'Explorer, our upcoming tool for visual exploration of evolutionary data.

We introduce Diachronic'Explorer, a toolbox to produce and visualize diachronic results, which is based on a new complete theoretic framework for diachrony that we detail. This toolbox, which is dedicated to run diachronic algorithms from clustering results, allows also to explore complex diachronic results at all the granularity levels through a web application.

Cette presentation propose une description des caracteristiques intra-linguistiques des discussions Wikipedia, forum de discussion associe a chaque article de l'encyclopedie Wikipedia. Apres un expose des proprietes qui font de ces textes un objet d'etude particulierement interessant pour les linguistiques de corpus, nous presenterons la procedure de constitution du corpus de discussion et une premiere description quantitative du corpus constitue. Nous finirons sur une presentation rapide d'un ensemble d'etudes linguistiques envisagees sur ce corpus.

As regard to the evolution of the concept of text and to the continuous growth of textual information of multiple nature which is available online, one of the important issues for linguists and information analysts for building up assumptions and validating models is to exploit efficient tools for textual analysis, able to adapt to large volumes of heterogeneous data, often changing and of distributed nature. We propose in this communication to look at new statistical methods that fit into this framework but that can also extent their application range to the more general context of dynamic numerical data. For that purpose, we have recently proposed an alternative metric based on feature maximization. The principle of this metric is to define a measure of compromise between generality and discrimination based altogether on the properties of the data which are specific to each group of a partition and on those which are shared between groups. One of the key advantages of this method is that it is operational in an incremental mode both on clustering (i.e. unsupervised classification) and on traditional categorization. We have shown that it allowed to very efficiently solve complex multidimensional problems related to unsupervised analysis of textual or linguistic data, like topic tracking with data changing over time or automatic classification in natural language processing (NLP) context. It can also adapt to the traditional discriminant analysis, often exploited in text mining, or to automatic text indexing or summarization, with performance that are far superior to conventional methods. In a more general way, this approach that freed from the exploitation of parameters can be exploited as an accurate feature selection and data resampling method in any numerical or non numerical context. We will present the general principles of feature maximization and we will especially return to its successful applications in the supervised framework, comparing its performance with those of the state of the art methods on reference databases.

This paper deals with a new feature selection and feature contrasting approach for classification of highly unbalanced textual data with a high degree of similarity between associated classes. The efficiency of the approach is illustrated by its capacity to enhance the classification of bibliographic references into a patent classification scheme. A complementary experiment is performed on a non textual dataset issued form the UCI repository.

This paper presents the application of a new method of feature selection for the analysis of the evolution and interaction of scientific domains. The query of bibliographic databases provides a corpus of scientific publications in different fields. Every scientific field is considered as a class issued from a machine learning process, either supervised or unsupervised, and each document is represented by a bag of words. Therefore, it is possible to select the most significant words of every class (domain). We then represent the words-classes relationships by a graph whose edges are weighted by a function of contrast. Thus we highlight the specific words for each area and those that are multidisciplinary. In addition, the joint analysis of two periods of time allows us to appreciate the evolution of the scientific fields.

This paper focuses on a subtask of the QUAERO 1 research program, a major innovating research project related to the automatic processing of multimedia and multilingual content. The objective discussed in this article is to propose a new method for the classification of scientific papers, developed in the context of an international patents classification plan related to the same field. The practical purpose of this work is to provide an assistance tool to experts in their task of evaluation of the originality and novelty of a patent, by offering to the latter the most relevant scientific citations. This issue raises new challenges in categorization research as the patent classification plan is not directly adapted to the structure of scientific documents, classes have high citation or cited topic and that there is not always a balanced distribution of the available examples within the different learning classes. We propose, as a solution to this problem, to apply an improved K-nearest-neighbors (KNN) algorithm based on the exploitation of association rules occurring between the index terms of the documents and the ones of the patent classes. By using a reference dataset of patents belonging to the field of pharmacology, on the one hand, and a bibliographic dataset of the same field issued from the Medline collection, on the other hand, we show that this new approach, which combines the advantages of numerical and symbolical approaches, improves considerably categorization performance, as compared to the usual categorization methods.

Traditional quality indexes (Inertia, DB,. . .) are known to be method-dependent indexes that do not allow to properly estimate the quality of the clustering in several cases, as in that one of complex data, like textual data. We thus propose an alternative approach for clustering quality evaluation based on unsupervised measures of Recall, Precision and F-measure exploiting the descriptors of the data associated with the obtained clusters. Two categories of index are proposed, that are Macro and Micro indexes. This paper also focuses on the construction of a new cumulative Micro precision index that makes it possible to evaluate the overall quality of a clustering result while clearly distinguishing between homogeneous and heterogeneous, or degenerated results. The experimental comparison of the behavior of the classical indexes with our new approach is performed on a polythematic dataset of bibliographical references issued from the PASCAL database.

The disambiguation of named entities is a challenge in many fields such as scientometrics, social networks, record linkage, citation analysis, semantic web...etc. The names ambiguities can arise from misspelling, typographical or OCR mistakes, abbreviations, omissions... Therefore, the search of names of persons or of organizations is difficult as soon as a single name might appear in many different forms. This paper proposes two approaches to disambiguate on the affiliations of authors of scientific papers in bibliographic databases: the first way considers that a training dataset is available, and uses a Naive Bayes model. The second way assumes that there is no learning resource, and uses a semi-supervised approach, mixing soft-clustering and Bayesian learning. The results are encouraging and the approach is already partially applied in a scientific survey department. However, our experiments also highlight that our approach has some limitations: it cannot process efficiently highly unbalanced data. Alternatives solutions are possible for future developments, particularly with the use of a recent clustering algorithm relying on feature maximization.

Ce travail s'inscrit dans le cadre du programme de recherche QUAERO 1 , un vaste projet de recherche et d'innovation se rapportant au traitement automatique de contenus multimédias et multilingues. L'objectif abordé dans cet article est de proposer une méthode de classification automatique d'articles dans un plan de classement international de brevets relevant du même domaine. La finalité applicative de ce travail est de proposer une aide aux experts dans le processus d'évaluation de l'originalité et la nouveauté d'un brevet, en lui proposant les citations scientifiques les plus pertinentes. Ce problème soulève de nouveaux défis en catégorisation liés du fait que le plan de classement des brevets n'est pas directement adapté à la structure des documents scientifiques et que la répartition des exemples disponibles n'est pas nécessairement équilibrée entre les différentes classes d'apprentissage. Nous proposons pour les résoudre d'appliquer une amélioration de l'algorithme des K-plus-proches-voisins (K-PPV) se basant sur l'exploitation des règles d'associations entre les termes descripteurs des documents et ceux des classes de brevets. En utilisant conjointement comme référentiels une base de brevets du domaine de la pharmacologie et une base bibliographique du même domaine issue de la collection Medline, nous montrons que cette nouvelle technique de catégorisation, qui combine les avantages des approches numériques et ceux des approches symboliques, permet d'améliorer sensiblement les performances de catégorisation, relativement aux méthodes de catégorisation usuelles, dans le cas du problème posé.

Feature maximization is a cluster quality metric which favors clusters with maximum feature representation as regard to their associated data. This metric has already been successfully exploited, altogether, for defining unbiased clustering quality indexes, for efficient cluster labeling, as well as for substituting to distance in the clustering process, like in the IGNGF incremental clustering method. In this paper we go one step further showing that a straightforward adaptation of such metric can provide a highly efficient feature selection and feature contrasting model in the context of supervised classification. We more especially show that this technique can enhance the performance of classification methods whilst very significantly outperforming (+80%) the state-of-the art variable selection techniques in the case of the classification of unbalanced, highly multidimensional and noisy textual data, with a high degree of similarity between the classes. Our experimental dataset is a reference dataset of 7000 publications related to patents classes issued from a reference classification in the domain of pharmacology.

Cet article traite de la construction automatique et dynamique de dossiers consolidés. La construction de dossiers utilise plusieurs étapes : recherche des documents les plus significatifs à partir d'une requête par mots-clés, classification dynamique du résultat de la requête en utilisant plusieurs classifieurs aux comportements différentiés, combinaison des résultats de ces classifieurs pour mieux faire ressortir les thématiques extraites, et enfin personnalisation de l'organisation en introduisant les choix de l'utilisateur. Une évaluation statistique des paramètres utilisés par les classifieurs a permis de mesurer leur intérêt et surtout leurs incidences sur la constitution finale des classes thématiques. En sus de l'utilisateur, d'autres opérateurs de type plus large : groupes ou communautés peuvent intéragir avec le système pour l'enrichir. Le prototype présenté dans cet article est une plate-forme expérimentale d'observation sur l'organisation de documents et sur les méthodes de classification. L'application pilote concerne la consolidation des textes de loi de la Commission Européenne.

This paper presents an original approach based on a recent metric called feature maximization for developing accurate diachronic analysis tools. In such process, querying of bibliographic databases is firstly exploited to provide a thematic corpus of scientific publications covering a large time period. In a second step, two strategies based on contrast graphs generated by the use of feature maximization metric are proposed. The first one is based on the direct use contrast graphs who relates time periods and publication contents. The second strategy combines a preliminary step of clustering with the use of contrast graph generated by feature maximization applied on cluster contents to highlight the relation between topics represented in clusters as well as to embed them in a temporal path. Both techniques are parameter-free and knowledge agnostic. We illustrate the efficiency and the complementarity of the proposed technique by experimenting then on a dataset related to gerontology...

L'objectif de cet article est de montrer les intérêts et les inconvénients de deux approches classificatoires de courbes. La première est basée sur une représentation des courbes sous forme vectorielle, la seconde propose la distance de D'Urso et Vichi qui est basée sur les première et seconde dérivées finies. Cette dernière intègre au mieux les propriétés mathématiques des courbes. Ces deux approches seront appliquéesà la classification de sources de production d'énergie de type photovoltaïque. Mots-clés. classification automatique, analyse de courbes.

Le foisonnement des methodes a noyaux reside dans l’astuce du noyau, induisant implicitement une transformation non-lineaire a cout calculatoire reduit. Cependant, la transformation inverse est souvent cruciale. La resolution de ce probleme, dit de pre-image, permet de nouveaux domaines d’applications de ces methodes.L’objectif de cette these est de montrer que les recentes avancees en theorie de l’apprentissage statistique apportent des solutions pertinentes a plusieurs problemes souleves en traitement du signal et des images.La premiere partie porte sur la resolution du probleme de pre-image avec contraintes imposees par la physiologie. En particulier, la non-negativite est probablement la plus couramment enoncee. Les contraintes de non-negativite du resultat ainsi que celles de l’additivite des contributions, induisant une certaine parcimonie, sont etudiees.La seconde partie porte sur l’analyse de series temporelles, selon une approche predictive. Des modeles autoregressifs sont ...

Nous nous plaçons dans le cadre de la classification automatique. Nous abordons le problème de l'estimation du nombre de classes et des paramètres qui leurs sont associés. Nous proposons une méthode utilisant l'hypothèse contextuelle inhérente aux images pour discriminer les différentes classes. Cette méthode est validée à la fois sur le plan théorique et sur des images de synthèse et des images réelles. Nous montrons, en outre, que la méthode proposée a un domaine de validité plus étendu que les méthodes fondées sur une analyse des modes de l'histogramme. Nous discutons ensuite de la forme du potentiel d'attache aux données dérivé de cette classification dans le cadre d'une segmentation markovienne. Les résultats sont obtenus avec deux modèles a priori différents : le modèle de Potts et le chien-modèle. Segmentation d'images, Champs de Markov, estimation, mélange de distributions .

La Veille Technologique est au gout du jour. Et pour cause, le besoin en France se fait sentir. Les entreprises prennent conscience de l'indispensable necessite de gerer l'information qui les environne. C'est a ce titre qu'un Systeme d'Information Scientifique et Technique, developpe par une entreprise, prend toute sa fonction. Certains ont deja compris que pour survivre aux "attaques" de ses concurrents il faut integrer cette activite a celles deja existantes. Seule de grandes entreprises ont pu se le permettre jusqu'a present et souvent elles ont oriente ce service vers une unique gestion des portefeuilles de brevets. Actuellement les entreprise d'importance moyenne veulent aussi acceder a ces modes de surveillance et de prevision. La bibliometrie est devenu un outil accessible a tous grâce a l'evolution des nouvelles technologies de l'ordinateur. Le developpement de traitements automatiques etablis sur des methodes d'analyse des d...

La bibliométrie, ensemble de méthodes statistiques d'évaluation de l'information scientifique et technique, entre de façon déterminante dans les systèmes d'aide à la décision tels que la veille technologique. Elle permet une gestion dynamique des informations, donnant aux services documentaires les moyens de faire face aux mutations qui ont affecté le domaine de la documentation comme la transformation quis 'ensuivit des fonctions et des métiers du traitement de l'information. Devant cette situation mouvante en évolution rapide, onpeut en effet s'interroger sur la place des services documentaires : comment ne pas être marginalisé dans cette nouvelle distribution des tâches, comment se former, que faire, qui satisfaire ? Information stratégique, surveillance pourrait occuper le service documen-service devra de toute façon évoluer sectorielle, veille technologique ou taire dans cette nouvelle répartition sur le plan technique pour s'insérer technique, information critique, sys-des tâches. II est bien entendu que ce dans les dispositifs de demain. tème d'information, bibliométrie, scientométrie, infographie ... nous nous sommes progressivement éloignés du vocabulaire classique décri-MUTATIONS vant le service de documentation. Cette évolution linguistique souligne ET REDEFINITION DES FONCTIONS directement la mutation qui est en train de se ~r o d~i r e dans le domaine documenta'ire. Nous allons essayer d'analyser ces chaugements, en redéfinissant, dans la mesure du possible, la place que Les auteurs de cet article appartiennent au Centre de recherches rétrospectives de Marseille. Université Aix-Marseille III, 13397 Marseille Cedex 13, tél. 91.02.90.94. Henri Dou est par ailleurs président de la SociBté française de bibliométrie appliquée.

Background: Epileptic seizures anticipatory anxiety has not been assessed so far while it is a frequent complaint in patients with active epilepsy that may strongly impact their quality of life Our aim was to assess the prevalence and the determining factors of epileptic seizures anticipatory anxiety in patients with drug-resistant focal epilepsy, and the consequences on their quality of life. Methods: we conducted this observational and prospective study in the tertiary epilepsy center of Nancy, France. We enrolled consecutive patients with drugresistant focal epilepsy undergoing a pre-surgical evaluation between February 2016 and May 2017. A specialised and systematic evaluation of nonspecific and specific psychiatric disorders associated with epilepsy was performed. Data issued from selfassessment questionnaires which evaluated the anxiety, anticipatory anxiety of having an epileptic seizure and quality of life were also used. Results: 87 consecutive patients were enrolled. We found anticipatory anxiety of seizures in 46 patients (53%) and an anxiety experience during seizure in 35 patients (40%). There was a strong correlation between the anticipatory anxiety and the anxiety experienced during seizure (p=0,00003), as well as between their intensity (r=0,55 p<0.05). Patients suffering from anticipatory anxiety had more trauma in a lifetime (p=0.005). These patients reported more frequently a feeling of being in danger during their seizure (p=0,00002). We did not find a significant link between anticipatory anxiety and other psychiatric comorbidities. Patients with anticipatory anxiety had a significantly deteriorated quality of life compared to unaffected patients (QOLIE emotional well-being (p=0.03)).