LIP6 2000/005
- Soutenance de thèse
Construction et Exploitation de Réseaux Sémantiques Flous pour l'Extraction d'Information Pertinente : Le système RELIEFS - Ch. Brouard
- 213 pages - 07/01/2000- document en - http://www.lip6.fr/lip6/reports/2000/lip6.2000.005.ps.gz - 698 Ko
- Contact : brouardc (at) nullIRO.UMontreal.CA
- Ancien Thème : APA
- Mots clés : Pertinence, réseaux sémantiques, ensembles flous, fouille de données
- Directeur de la publication : Valerie.Mangin (at) nulllip6.fr
La notion de pertinence est d'un avis largement partagé une notion centrale pour l'Intelligence Artificielle. D'un point de vue cognitif, la pertinence est aussi décrite comme un concept clef et certains en font même un principe qui régit nos interactions avec l'environnement ou encore la façon dont nous communiquons. Actuellement, le foisonnement de données informatiques et le développement d'Internet en particulier, ont encore renforcé l'intérêt pratique de l'étude de cette notion. L'information est là, mais encore faut-il pouvoir l'extraire des gigantesques bases de données et la question récurrente est : quelle information est pertinente ?
Nous proposons ici une approche pluridisciplinaire de cette notion, tournée vers les sciences cognitives. La diversité apparente des problèmes et solutions proposés dans les différents domaines est exposée et nous avançons une solution pour rendre compte de la pertinence de façon plus globale. Cette solution est basée sur la construction et l'exploitation d'un réseau d'implications. Dans ce réseau, les noeuds correspondent à des conjonctions de propriétés éventuellement floues (au sens de la théorie des ensembles flous) et les connexions représentent des implications entre les différentes conjonctions.
Nous proposons ainsi une méthode de nature connexionniste basée sur un principe d'association pour la construction automatique de ce réseau ainsi qu'une méthode d'exploitation en vue de la sélection d'information pertinente à partir de requêtes. Le système implémentant ces méthodes, baptisé " RELIEFS ", a été appliqué à l'analyse de différents types de données (épidémies, évaluations sensorielles). Enfin, une étude montrant comment le système peut être utilisé dans le cadre de la communication Homme-Machine a aussi été réalisée.
Nous proposons ici une approche pluridisciplinaire de cette notion, tournée vers les sciences cognitives. La diversité apparente des problèmes et solutions proposés dans les différents domaines est exposée et nous avançons une solution pour rendre compte de la pertinence de façon plus globale. Cette solution est basée sur la construction et l'exploitation d'un réseau d'implications. Dans ce réseau, les noeuds correspondent à des conjonctions de propriétés éventuellement floues (au sens de la théorie des ensembles flous) et les connexions représentent des implications entre les différentes conjonctions.
Nous proposons ainsi une méthode de nature connexionniste basée sur un principe d'association pour la construction automatique de ce réseau ainsi qu'une méthode d'exploitation en vue de la sélection d'information pertinente à partir de requêtes. Le système implémentant ces méthodes, baptisé " RELIEFS ", a été appliqué à l'analyse de différents types de données (épidémies, évaluations sensorielles). Enfin, une étude montrant comment le système peut être utilisé dans le cadre de la communication Homme-Machine a aussi été réalisée.