Update README.md

README.md

@@ -4,24 +4,98 @@ emoji: 🔍
 colorFrom: purple
 colorTo: blue
 sdk: docker
-pinned: false
-license: mit
 app_port: 7860
+pinned: true
+license: cc-by-4.0
+tags:
+  - credibility
+  - fact-checking
+  - neuro-symbolic
+  - information-retrieval
+  - E-E-A-T
+  - ontology
+  - knowledge-graph
+  - NLP
+  - hybrid-system
+  - RDFLib
+  - transformers
+  - docker
+datasets:
+  - DomLoyer/trec-ap-88-90
+  - ucsbnlp/liar
 ---
 
-# SysCRED - Credibility Verification System
 
-A hybrid neuro-symbolic system for credibility verification and fact-checking.
+# SysCRED — Système Hybride d'Évaluation de la Crédibilité
+
+[![DOI](https://img.shields.io/badge/DOI-10.13140%2FRG.2.2.22926.47680-blue)](https://doi.org/10.13140/RG.2.2.22926.47680)
+[![ORCID](https://img.shields.io/badge/ORCID-0009--0003--9713--7189-green)](https://orcid.org/0009-0003-9713-7109)
+[![License: CC BY 4.0](https://img.shields.io/badge/License-CC%20BY%204.0-lightgrey.svg)](https://creativecommons.org/licenses/by/4.0/)
+[![Space](https://img.shields.io/badge/🤗%20Space-SysCRED-yellow)](https://huggingface.co/spaces/DomLoyer/syscred)
+
+SysCRED est un **système hybride neuro-symbolique** d'évaluation de la crédibilité
+de l'information, développé dans le cadre d'une thèse de doctorat en informatique
+cognitive à l'UQAM. Il combine des **règles de prédicats ontologiques** (OWL/RDFLib)
+et des **modèles NLP neuronaux** (Transformers) pour produire un score de crédibilité
+multidimensionnel.
+
+🔗 **Demo live** : [domloyer-syscred.hf.space](https://domloyer-syscred.hf.space)
+
+## Description
+
+SysCRED évalue la crédibilité des sources et des contenus informationnels selon
+une approche hybride inspirée des critères **E-E-A-T de Google**
+(Experience, Expertise, Authoritativeness, Trustworthiness) et des métriques
+formelles de la recherche d'information (Précision, Rappel, F-measure, NDCG).
+
+## Fonctionnalités
+
+- 🔍 **Analyse URL et texte** : score de crédibilité sur contenu web et textuel
+- 🧠 **Analyse NLP** : cohérence sémantique via modèles Transformers
+- 📊 **Score SEO et réputation** : évaluation quantitative de la source
+- 🌐 **Visualisation Knowledge Graph** : graphe de connaissances interactif D3.js
+- 🔗 **Raisonnement ontologique** : règles de prédicats formels via RDFLib/OWL
+- 📈 **Métriques IR** : BM25, TF-IDF, NDCG, Précision@k, Rappel@k
+
+## Architecture
+
+
+```bash
+SysCRED/
+├── Couche symbolique/     → Ontologie OWL + règles SPARQL/SWRL (RDFLib)
+├── Couche neuronale/      → Modèles NLP Transformers (classification, NER)
+├── Couche agrégation/     → Score de crédibilité hybride pondéré
+└── Couche visualisation/  → Knowledge Graph D3.js + Dashboard Flask
+
+# version étendue
+
+SysCRED/
+├── ontology/                        → Couche symbolique
+│   ├── syscred.owl                  # Ontologie OWL principale
+│   ├── rules.sparql                 # Règles SPARQL
+│   └── swrl_rules.py                # Règles SWRL via RDFLib
+├── nlp/                             → Couche neuronale
+│   ├── classifier.py                # Classification Transformers
+│   └── ner.py                       # Named Entity Recognition
+├── scoring/                         → Couche agrégation
+│   ├── hybrid_score.py              # Score crédibilité hybride pondéré
+│   ├── eeat_metrics.py              # Critères E-E-A-T
+│   └── ir_metrics.py                # BM25, TF-IDF, NDCG
+├── visualization/                   → Couche visualisation
+│   ├── knowledge_graph.js           # Knowledge Graph D3.js
+│   └── dashboard/                   # Dashboard Flask
+├── data/
+│   ├── trec-ap-88-90/               # Dataset TREC AP 88-90
+│   └── liar/                        # Dataset LIAR
+├── app.py                           # Point d'entrée Flask
+├── Dockerfile                       # Déploiement HF Spaces
+├── requirements.txt
+├── README.md
+└── CITATION.cff
+
+```
+
+
 
-## Features
-- 🔍 URL and text credibility analysis
-- 🧠 NLP-based coherence analysis with Transformers
-- 📊 SEO and source reputation scoring
-- 🌐 Knowledge graph visualization with D3.js
-- 🔗 Ontology-based reasoning with RDFLib
 
-## Author
-**Dominique S. Loyer** - UQAM
 
-## Usage
-Enter a URL or paste text to analyze its credibility score based on multiple factors.