Ingénierie des connaissances

Aller à : navigation, rechercher
Thème Ingénierie des Connaissances

Au sein de l'équipe BFO depuis Juillet 2012, le thème Ingénierie des Connaissances, porté par Cecilia Zanni-Merk, s'intéresse fondamentalement à la conception et réalisation de modèles formels pour le développement de Systèmes à Base de Connaissance ( SBC). Un SBC est un logiciel qui reproduit le comportement d'un expert humain accomplissant une tâche intellectuelle dans un domaine précis. Il est fondé sur la nature explicite de la connaissance, qui est formalisée de différentes manières. Parmi ces modèles formels, les ontologies sont des représentations formalisées et structurées du vocabulaire spécifique à un certain domaine étudié. Les ontologies sont généralement utilisées avec un ensemble de règles qui sont enchaînées pour simuler le raisonnement d'un expert humain.

L'originalité des travaux développés au sein du thème IC est fondée sur la proposition d'une architecture en couches Connaissances, Règles et Expérience pour gérer la complexité du développement d'un SBC. La couche Connaissances contient la connaissance du domaine à exploiter, c'est à dire, les ontologies du domaine développées; la couche Règles permet différents types de raisonnement (monotone, spatial, temporel, flou, ou autres) en fonction de l'application; et finalement, la couche Expérience permet la capitalisation et la réutilisation des connaissances antérieures, soit par CBR (Case-Based Reasoning), soit par SOEKS (Set Of Experience Knowledge Structure) et DDNA (Decisional DNA), soit par d'autres mécanismes.

Les principaux domaines d'application des ces outils sont :

  • l'analyse d'images de télédétection
  • l'analyse et diagnostic de PMEs
  • l'aide à la conception inventive
  • l'environnement et le développement durable



Projets et Collaborations

Les projets en cours incluent des collaborations au sein de l'équipe BFO et sur le site strasbourgeois.

FODOGECO : Fouille de Données et Gestion des Connaissances (en collaboration avec le thème Fouille de Données)

L'augmentation de la disponibilité des images satellite à haute résolution spatiale est une occasion pour caractériser et identifier des objets urbains. Des méthodes d'analyse d’images à l'aide d'approches orientées objet basées sur l'utilisation des connaissances du domaine, sont nécessaires pour classifier les données. Un problème important dans ces approches est l’exploitation et la formalisation des connaissances du domaine. L'utilisation d’ontologies formelles semble un choix judicieux pour traiter ces questions.

Par conséquent, le but de ces travaux est de définir une ontologie thématique pour l’étiquetage automatique des régions. Il s'agit ici de développer, à partir de documents thématiques, une ontologie du domaine afin d'aider un géographe dans son activité d'interprétation d'images provenant de satellites divers.

Les concepts qu'utilisent les experts sont fortement dépendants à la fois des outils de traitement d'images existants mais aussi et surtout de l'information sémantique contenue dans ces images. En effet tout n'est pas interprétable avec certitude dans la détection d'objets dans les images: sans données externes, on ne peut savoir de façon directe si un bloc d'habitation a 2, 3 ou 4 étages. Une ontologie devrait permettre d'améliorer l'interprétation d'une image satellite en cours d'étude. Elle devrait aussi permettre de gérer automatiquement un certain nombre de contraintes ou de règles portant sur des relations spatiales (par exemple relations de voisinage) possibles ou impossibles entre différents objets , et finalement d'assurer une meilleure cohérence des résultats. Même si dans le cas d'images urbaines, la combinatoire des couples (objet X, objet Y) se trouvant à côté l'un de l'autre est grande, les contraintes négatives (décrivant des impossibilités) seront très utiles. Pendant la phase de normalisation et la formalisation des connaissances vont s'opérer les choix de représentations liés à l'exploitation future de l'ontologie. Cette phase sera faite en liaison avec les experts en interprétation des images urbaines (géographes du LIVE et chercheurs de BFO).

En effet, l'ontologie à construire est à la croisée de deux ontologies : une ontologie du domaine urbain et une ontologie des outils de reconnaissance. L’ontologie complète comportera donc des concepts liés au domaine urbain (rue, blocs…), des concepts liés aux images (spectre, résolution…) et des concepts liés aux algorithmes de traitement et de reconnaissance existants. La représentation explicite des relations possibles entre ces différents types de concepts est un point crucial de cette ontologie. Il s’agit de stipuler que tel algorithme est adapté pour reconnaitre tel objet dans une image ayant telles caractéristiques. Ceci devrait permettre de compléter la reconnaissance d’objets incomplètement reconnus, par exemple, des maisons accolées ou des rangées d’arbres.

Nous en profiterons pour élaborer des scénarios d'usage de l'ontologie pour préciser sa fonction dans le processus d'interprétation des images et dans l'exploitation des résultats. Au niveau du formalisme de définition de l’ontologie, des extensions de OWL (standard fondé sur les logiques de description) seront étudiées pour prendre en compte des informations quantitatives (proximité, taille…) mais aussi qualitatives (degré de confiance et d’appartenance).

TSA : Optimisation guidée par des ontologies et par la capitalisation des connaissances préalables (en collaboration avec le thème Optimisation Stochastique)

L'optimisation de la gestion d'un parc de véhicules médicaux est essentielle, si l'on veut augmenter la réactivité vis-à-vis des appels, minimiser le nombre de kilomètres parcourus, le temps passé dans les embouteillages, tout en respectant les temps de travail, etc. La complexité de tels problèmes fait qu'il n'est pas possible de trouver de manière déterministe la meilleure solution dans un temps raisonnable Il faut donc s'en remettre à des algorithmes stochastiques efficaces tels que l'évolution artificielle, qui permet de rapidement converger vers des solutions acceptables.

Le projet cherche donc à optimiser les trajets réalisés par une flotte de véhicules dans un territoire, en fonction d'un nombre important de contraintes (l'état du trafic, le type de véhicule, des contraintes "sociales" ou "syndicales", etc.). Dans ce contexte, la structuration des données nécessaires pour représenter correctement une situation et prendre en compte les contraintes dans une optique d'optimisation multicritère devient essentielle. Nous proposons d'utiliser les techniques d’ingénierie des connaissances, et en particulier la création d'une ontologie du domaine pour formaliser le modèle de la base de connaissances.

Dans le but d'améliorer la performance de l'algorithme génétique, nous nous intéressons aussi à la formalisation des connaissances décisionnelles pour guider les solutions à ces problèmes concrets d'optimisation, en capitalisant les connaissances déjà acquises lors de l'utilisation préalable de l'algorithme d'optimisation développé et des "résultats" obtenus.

MAEOS : Formalisation des Connaissances Théoriques et Expérientielles pour l'Analyse et le Diagnostic des PME (en collaboration avec le LGECO - EA3938)

Ce projet concerne la Modélisation de l’Accompagnement de l’Évolution Organisationnelle et Stratégique des PME en Alsace et vise à construire un outil d’accompagnement des PME dans leur évolution stratégique et organisationnelle et, ainsi, contribuer à améliorer leur compétitivité. En particulier, le projet s'intéresse à l'articulation des modèles théoriques des sciences de gestion et les cas spécifiques d'entreprises réelles (dans leur évolution, les PME se retrouvant, parfois, dans des situations qui ne sont pas complètement cohérentes avec les modèles théoriques).

Pour ce faire, l'utilisation efficace de multiples ontologies au sein d'un même modèle s’avère importante et nécessite la mise en place d'un cadre de travail pour leur description détaillée. Ces travaux aboutiront, dans un premier temps, au développement d’un cadre pour l’utilisation conjointe des concepts liés aux méta-données, aux réseaux sémantiques et à l’utilisation de motifs structurels pour les ontologies, afin de permettre la gestion des informations contradictoires, inhérentes aux modèles qui proviennent des sciences de gestion.

Une fois ce cadre établi, nous nous proposons de développer des outils d'aide pour des conseillers en PME, mettant en jeu des connaissances théoriques en sciences de gestion et la capitalisation de l'expérience acquise lors des cas précédemment traités, pour améliorer la qualité de leurs conseils.

IDM : Technologies Sémantiques pour le Développent d'Outils d'Aide à la Conception Inventive (en collaboration avec le LGECO - EA 3938)

Ces travaux portent sur la modélisation du processus de formulation et résolution des problèmes de TRIZ (Theory of Resolution of Inventive Problems). L'objectif principal est la formalisation de l'ensemble des bases de connaissance de la TRIZ, pour compléter le modèle et le rendre cohérent par la définition des liens sémantiques manquants.

Cette formalisation doit permettre le développement d'un gestionnaire intelligent de ces sources de connaissance, avec le but d'assister l'expert TRIZ pendant son utilisation de la méthodologie.En effet, pendant le traitement d'un nouveau cas, les experts sont amenés à travailler avec divers modèles à des niveaux d'abstraction différents. Le gestionnaire des connaissances que nous développons dans le cadre de ces travaux leur proposera l'utilisation des sources de connaissance pertinentes, en cohérence avec le niveau d'abstraction du modèle qu'ils sont en train de construire. Le gestionnaire est aussi capable de compléter "automatiquement" le reste des modèles, par l'exploitation des liens obtenus entre les différentes bases de connaissance.

Environnement et Développement Durable

Nous utilisons le raisonnement à partir de cas pour l'aide à la gestion de territoires agricoles. Les cas considérés sont des exploitations ou des îlots de cultures sur lesquels certaines opérations (affectation de culture, mode de production …) sont pratiquées. Les connaissances sont recueillies auprès d'agriculteurs ou d'experts agricoles et sont formalisées par des ontologies et des systèmes de règles, pour la remémoration et l'adaptation.

Ce travail s'appuie également sur des modèles de raisonnement spatial qualitatif.


Publications

La liste complète des publications associées avec le thème peut être consultée à cet URL.