Acquisition des connaissances d'adaptation et traitement de l'hétérogénéité dans un système de RàPC basé sur une ontologie

par Amjad Abou Assali

Thèse de doctorat en Technologies de l'information et des systèmes

Sous la direction de Jean-Paul Barthès et de Dominique Lenne.

Soutenue en 2010

à Compiègne .

mots clés

• Raisonnement à partir de cas
• Acquisition des connaissances d'adaptation
• Alignement de cas hétérogènes
• Raisonnement par cas
• Ontologies (informatique)
• Acquisition des connaissances (systèmes experts)
• Systèmes experts (informatique)
• Structures de données (informatique)

Résumé

Ce mémoire porte sur la conception d'un système de raisonnement à partir de cas (RàPC) destiné aux problèmes de classification. Notre travail est appliqué actuellement au diagnostic de la défaillance de détecteurs de gaz mis en place sur des sites industriels. Nous nous intéressons principalement à deux aspects du RàPC : le premier concerne l'adaptation qui est une étape clé du cycle de RàPC. Cette étape permet de produire des solutions pour de nouveaux problèmes en réutilisant les solutions de problèmes déjà rencontrés. L'adaptation constitue un grand enjeu pour les systèmes de RàPC car elle nécessite des connaissances spécifiques au domaine qui sont généralement difficiles à acquérir. Le deuxième aspect concerne le traitement des cas hétérogènes qui soulève des problèmes à différents niveaux, notamment pour l'acquisition des connaissances d'adaptation et la remémoration de cas. Nous présentons notre approche d'acquisition des connaissances d'adaptation à partir de la base de cas, qui est une approche semi-automatique s'appuyant sur les techniques de l'analyse de concepts formels. Les connaissances acquises peuvent être ensuite affinées par l'utilisateur durant les sessions de résolution de problèmes. Nous présentons également notre approche d'alignement de cas pour traiter les problèmes liés à l'hétérogénéité. L'alignement de cas a pour objectif de trouver les correspondances entre les attributs des cas comparés. Nous distinguons l'alignement basé sur la similarité entre les attributs, et l'alignement basé sur les rôles des attributs. Notre travail a conduit au développement de COBRA, une plate-forme pour la construction de systèmes de RàPC basés sur une ontologie.

Titre traduit

Adaptation knowledge acquisition and heterogeneity treatment in an ontology-based CBR system

Résumé

This thesis is about the design of a case-based reasoning (CBR) system for classification problems. Our work is currently applied to the diagnosis of the failure of gas sensors set up at industrial sites. We are mainly interested in two CBR aspects: the first concerns the adaptation, which is a key phase in the CBR cycle. This phase aims at producing solutions to new problems by reusing solutions to problems already solved. Adaptation is considered as the bottleneck of CBR systems because it requires domain-specific knowledge which is generally difficult to acquire. The second aspect concerns the treatment of cases heterogeneity that leads to problems at different levels, especially during the acquisition of adaptation knowledge and the retrieval phase. In this thesis, we present our semi-automatic approach to acquire adaptation knowledge from a case base. This approach relies on the techniques of Formai Concept Analysis (FCA). The acquired knowledge can then be refined by users during problem solving sessions. We present also our case alignment approach to treat the problems related to heterogeneity. Case alignment aims to identify the mappings between the attributes of compared cases. We distinguish an alignment based on the similarity between attributes, and an alignment based on the yoles of attributes. Our work has led to the development of COBRA, a platform allowing to construct ontology-based CBR systems.