Direction de recherche : Christophe GONZALES
Co-encadrement : WUILLEMIN Pierre-Henri

Optimisation de la compilation de règles métier probabilistes à l’aide de PRM

Largement adoptées depuis plus de 20 ans par le monde de l’industrie, les règles métiers (business rules) offrent la possibilité à des utilisateurs non-informaticiens de définir des politiques de prise de décision de manière simple et intuitive. Pour faciliter leurs utilisations, des systèmes à base de règles, dits « systèmes de gestion des règles métier », ont été développés, séparant la logique métier de l’application informatique. S’ils sont adaptés pour traiter des données structurées et complètes, ils ne permettent pas aisément de travailler sur des données probabilistes.

Cette étude propose une nouvelle approche pour l’intégration de raisonnement probabiliste dans IBM Operational Decision Manager (ODM), le système de gestion des règles métier développé par IBM, notamment via l’introduction d’une notion de risque, complexifiant la compilation mais augmentant l’expressivité des règles métiers.

Soutenance : 13/04/2021

Membres du jury :

LERAY Philippe (Professeur/ Polytech Nantes, LS2N) [Rapporteur]
FAGES François (Professeur/ École Polytechnique, INRIA Saclay) [Rapporteur]
DELCROIX Véronique (Maitre de conférence/ Université Polytechnique Hauts-de-France, LAMIH)
NOUY Anthony (Professeur/ Centrale Nantes, LMJL)
GONZALES Christophe (Professeur/ Université Aix Marseille, LIS)
BONNARD Philippe (Ingénieur/ IBM France)
WUILLEMIN Pierre-Henri (Maitre de conférence/ Sorbonne Université, LIP6)

Publications 2018-2021

• 2021
  • G. Ducamp : “Optimisation de la compilation de règles métier probabilistes à l’aide de PRM”, soutenance de thèse, soutenance 13/04/2021, direction de recherche Gonzales, Christophe, co-encadrement : Wuillemin, Pierre-Henri (2021)
• 2020
  • G. Ducamp, Ch. Gonzales, P.‑H. Wuillemin : “aGrUM/pyAgrum : a toolbox to build models and algorithms for Probabilistic Graphical Models in Python”, 10^th International Conference on Probabilistic Graphical Models, vol. 138, Proceedings of Machine Learning Research, Skørping, Denmark, pp. 609-612 (2020)
  • G. Ducamp, Ph. Bonnard, A. Nouy, P.‑H. Wuillemin : “An Efficient Low-Rank Tensors Representation for Algorithms in Complex Probabilistic Graphical Models”, 10^th International Conference on Probabilistic Graphical Models, vol. 138, Proceedings of Machine Learning Research, Skørping, Denmark, pp. 173-184 (2020)
  • G. Ducamp, Ph. Bonnard, Ch. De Sainte Marie, P.‑H. Wuillemin : “Advanced Syntax and Compilation for Probabilistic Production Rules with PRM”, 14^th International Rule Challenge, 4^th Doctoral Consortium, and 6^th Industry Track, vol. 2644, Proceedings of the 14^th International Rule Challenge, 4^th Doctoral Consortium, and 6^th Industry Track, Oslo, Norway, pp. 103-110 (2020)
  • G. Ducamp, Ph. Bonnard, P.‑H. Wuillemin : “Uncertain Reasoning in Rule-Based Systems Using PRM”, FLAIRS 33 - 33^rd Florida Artificial Intelligence Research Society Conference, Miami, United States, pp. 617-620, (AAAI) (2020)
• 2018
  • G. Ducamp, Ph. Bonnard, Ch. De Sainte Marie, Ch. Gonzales, P.‑H. Wuillemin : “Improving Probabilistic Rules Compilation using PRM”, RuleML+RR Doctoral Consortium 2018 (2^nd International Joint Conference on Rules and Reasoning ), Esch-sur-Alzette, Luxembourg (2018)
  • G. Ducamp, Ph. Bonnard, Ch. De Sainte Marie, Ch. Gonzales, P.‑H. Wuillemin : “Optimisation de la compilation de règles métier probabilistes à l’aide de PRM”, 9^es Journées Francophones sur les Réseaux Bayésiens et les Modèles Graphiques Probabilistes (JFRB 2018), Toulouse, France (2018)