Thomas Bonald

Je suis Professeur à Télécom Paris, Institut Polytechnique de Paris, responsable de l'équipe DIG (Data, Intelligence and Graphs) au LTCI.

Je travaille sur l'analyse de données et l'apprentissage automatique, en particulier pour les graphes, les bases de connaissances et le traitement du langage naturel.

Une nouvelle version de la base de connaissances YAGO est disponible!

Publications

Disponibles sur HaL

Quelques articles récents :

Y. Peng, T. Bonald, F. M. Suchanek, FLORA: Unsupervised Knowledge Graph Alignment by Fuzzy Logic, ISWC 2025
R. Plaud, A. Perez-Lebel, M. Labeau, A. Saillenfest, T. Bonald, Post-Hoc Optimal Decision Rules of Probabilistic Hierarchical Classifiers, ICML 2025
R. El Hamdani, T. Bonald, F. Malliaros, N. Holzenberger, F. Suchanek, The Factuality of Large Language Models in the Legal Domain, CIKM 2024
Y. Peng, T. Bonald, M. Alam, Refining Wikidata Taxonomy using Large Language Models, CIKM 2024
S. Delarue, T. Bonald, T. Viard, Link Prediction without Learning, ECAI 2024
F. Suchanek, M. Alam, T. Bonald, P-H. Paris, J. Soria, YAGO 4.5: A Large and Clean Knowledge Base with a Rich Taxonomy, SIGIR 2024
S. Delarue, T. Bonald, Sparse Graph Neural Networks with Scikit-network, Complex Networks 2023
T. Bonald, N. de Lara, A Consistent Diffusion-Based Algorithm for Semi-Supervised Graph Learning, Complex Networks 2023
A. Boschin, T. Bonald, Enriching Wikidata with Semantified Wikipedia Hyperlinks, Wikidata Workshop, ISWC 2021
T. Bonald, N. de Lara, Q. Lutz, B. Charpentier, Scikit-network: Graph Analysis in Python, JMLR 2020

Logiciels

Nous développons et maintenons scikit-network, une libraire Python en source ouverte pour l'analyse de graphes à large échelle.

Nous maintenons également torch-kge, une libraire Python en source ouverte pour la représentation vectorielle de graphes de connaissances.

Jeux de données

YAGO est une grande base de connaissances avec des informations générales sur des personnes, des villes, des pays, des films, des organisations et bien d'autres.