Soutenance mémoire
Réseaux sémantiques
Origines La question de l’organisation des concepts est travaillée depuis l’antiquité. Aristote le premier considère que les mots doivent être clairement définis afin d’éviter des erreurs de raisonnement. Pour cela, il a proposé un modèle hiérarchique reflétant une approche logique de l’organisation des concepts. Le terme de réseau sémantique est employé pour la première fois par R. Quillian [72]. Cette approche a été développée dans le cadre d’une thèse portant sur la réalisation d’un programme capable de comprendre un texte. Le modèle utilisé, noté TLC pour Teaching Language Comprehenser, est un système d’apprentissage et de compréhension du langage. Le choix de représentation de la connaissance s’inspire de celui d’Aristote mais il y apporte deux points importants :
– Le modèle TLC introduit le typage des propriétés associées
– TLC est un modèle d’organisation, alors que la structure d’Aristote est purement logique
Graphes conceptuels
Avec l’évolution des réseaux sémantiques vers les schémas, John Sowa entreprend de joindre deux représentations afin d’en tirer les avantages. A une représentation conceptuelle il associe la logique [82]. La logique apporte la capacité d’inférence, la représentation conceptuelle son expressivité et sa simplicité. Pour Sowa, un concept est défini par un ensemble de propriétés. Une instance est un objet représenté par un concept. Par exemple, un animal est un concept. L’éléphant Jumbo est une instance d’animal. La principale différence entre un réseau sémantique et un graphe conceptuel est que le réseau sémantique s’appuie sur l’existence ou non de propriétés pour un concept. Dans un graphe conceptuel, les propriétés sont représentées par les attributs du concept. Les concepts sont énoncés en intention contrairement aux réseaux sémantiques pour lesquels c’est l’étude des objets qui valide l’énoncé d’un concept. On parle dans ce cas d’énoncé en extension. Les graphes conceptuels permettent l’ajout de nouvelles relations entre les concepts. Ces relations sont des noeuds du graphe liant un ou plusieurs concepts. La définition formelle de ces noeuds et des arcs qui leurs sont liés spécifie le type de relation décrit.
Syntaxe des logiques de description
La syntaxe de AL est composée d’un ensemble de concepts atomiques, d’un ensemble de rôles atomiques et d’une définition récursive pour les concepts et les rôles complexes. Formellement :
– Un concept atomique est un AL-concept ;
– ⊤ est un AL-concept ; (Le concept le plus général)
– ⊥ est un AL-concept ; (Le concept le plus spécifique)
– si A est un concept atomique alors ¬A est un AL-concept ; (le complément de A)
– si C et D sont des AL-concepts alors C ⊓ D est un AL-concept ; (l’intersection de C et D )
– si C est un AL-concept et R est un rôle alors ∀R.C est un AL-concept ; (La restriction de valeur pour le couple en relation pour le rôle)
– si R est un rôle alors ∃R.⊤ est un AL-concept. (Existence d’aumoins un couple en relation pour le rôle)
Fusion sans priorité de bases
Approche naïve Lorsque qu’un ensemble de bases de croyances E = {K1, . . . Kn} est tel que SKi,1≤i≤n est cohérent, la fusion est alors la conjonction de toutes les bases de croyances car l’ensemble des croyances disponibles forment le résultat de la fusion. Dans ce cas là cependant, aucune information relative à la redondance de croyance n’est conservée. Une approche plus prudente est de prendre comme résultat de la fusion la conjonction de toutes les bases. Cette approche ne permet pas quant à elle d’identifier les croyances partagées par plusieurs bases. Nous pouvons ajouter de plus que l’approche basée sur la disjonction entraîne un accroissement du nombre de formules dont la plupart ne sont pas utiles. Dans le cas où SKi,1≤i≤n est incohérent, il est impossible de considérer la conjonction des bases de croyances comme le résultat de la fusion, en effet, le résultat serait alors incohérent lui aussi. Prendre comme résultat de la fusion la disjonction des bases peut être une solution si celles-ci ne sont pas trop incohérentes (c’est à dire si l’incohérence ne touche pas une trop grande partie des croyances). Dans le cas contraire, le résultat de la disjonction de bases de croyances fortement incohérentes peut entraîner des bases inutilisables, par exemple contenant des tautologies et n’apportant donc aucune information.
Équivalence entre représentations sémantique et syntaxique
Nous présentons maintenant l’équivalence des approches sémantique et syntaxique pour la représentation d’état épistémiques. Cette équivalence est basée sur la capacité à construire la représentation syntaxique d’un état épistémique à partir de sa représentation sémantique ainsi que la capacité à construire la représentation sémantique d’un état épistémique à partir de sa représentation syntaxique. L’intérêt de cette équivalence est de permettre de définir des fonctions de pondérations et des pré-ordres au niveau sémantique, qui offre plus d’expressivité, et de les utiliser au niveau syntaxique, qui est plus adapté à l’inférence et pour lequel de nombreux algorithmes d’inférence et de détection d’incohérences sont définis.
|
Table des matières
1 Introduction
I Préliminaires
2 Logique propositionnelle, logique des prédicats et logique possibiliste
2.1 Logique propositionnelle
2.1.1 Le langage du calcul propositionnel
2.1.2 Aspect syntaxique du calcul propositionnel
2.1.3 Aspect sémantique du calcul propositionnel
2.2 Logique des prédicats
2.2.1 Le langage de la logique des prédicats : LPr
2.2.2 Aspect syntaxique du calcul des prédicats
2.2.3 Aspect sémantique du calcul des prédicats
2.3 Logique possibiliste
2.3.1 Distribution de possibilités
2.3.2 Bases possibilistes
2.3.3 Sous-sommation et inférence en logique possibiliste
3 Formalismes conceptuels et approche Objet
3.1 Concept
3.2 Réseaux sémantiques
3.2.1 Origines
3.2.2 Cadre conceptuel (Frame)
3.3 Graphes conceptuels
3.3.1 Définition formelle des graphes conceptuels
3.3.2 Structure de graphes conceptuels
3.4 Logiques de descriptions
3.4.1 Syntaxe des logiques de description
3.4.2 Sémantique des logiques de description
3.4.3 Base de connaissance en Logique de Description
3.5 L’approche Objet
3.5.1 Encapsulation
3.5.2 Héritage et polymorphisme
II Fusion de croyances dans le cadre propositionnel
4 État de l’art
4.1 Introduction
4.2 Fusion de croyances
4.3 Fusion avec contraintes d’intégrité
4.3.1 Familles d’opérateurs
4.3.2 Théorème de représentation
4.4 Différentes approches de la fusion
4.4.1 Fusion sans priorité de bases
4.4.2 Fusion avec priorités implicites
4.4.3 Fusion avec priorités explicites
4.5 Fusion en logique possibiliste
4.5.1 Fusion de bases possibilistes
5 Représentation de pré-ordres par des polynômes
5.1 Rappels et notations
5.2 Pré-ordres sur les polynômes
5.3 Représentation de pré-ordres par des polynômes à coefficients dans IF2
5.3.1 Représentation d’un pré-ordre
5.3.2 Combinaison de pré-ordres
5.4 Représentation de pré-ordres par des polynômes à coefficients dans VV
5.4.1 Représentation d’un pré-ordre
5.4.2 Combinaison de pré-ordres
6 Représentation d’états épistémiques
6.1 Introduction
6.2 Représentation d’ensembles d’états épistémiques
6.3 Représentation sémantique
6.3.1 Ensemble de pré-ordres sur les interprétations
6.3.2 Pré-ordre interne
6.3.3 Pré-ordre externe
6.4 Représentation syntaxique
6.4.1 Ensemble de base de croyances stratifiée
6.4.2 Pré-ordre interne
6.4.3 Pré-ordre externe
6.5 Équivalence entre représentations sémantique et syntaxique
6.5.1 De la représentation syntaxique à la représentation sémantique
6.5.2 De la représentation sémantique à la représentation syntaxique
6.5.3 Construction d’une base de croyances stratifiée
7 Fusion d’états épistémiques
7.1 Approche sémantique
7.1.1 Pré-ordres externes et internes
7.1.2 Calcul du poids global
7.1.3 Fusion dans le cadre réversible
7.1.4 Réversibilité du processus de fusion
7.2 Approche Syntaxique
7.2.1 Pré-ordres externes et internes
7.2.2 Calcul de la base pondérée globale
7.2.3 Fusion syntaxique et cadre réversible
7.2.4 Réversibilité du processus de fusion
7.3 Équivalence des approches
8 Generalisation de la fusion dans le cadre réversible
8.1 Introduction
8.2 Fusion à base de distances
8.2.1 Pré-ordre interne
8.2.2 Pré-ordre externe .
8.2.3 Distance globale et fusion
8.2.4 Représentation dans le cadre réversible
8.3 Révision réversible
8.3.1 Approche sémantique
8.3.2 Approche syntaxique
III Fusion de conaissances dans le cadre d’Arpenteur
9 Etat de l’art
9.1 La photogrammétrie
9.1.1 Histoire de la photogrammétrie
9.1.2 Principe de la photogrammétrie
9.1.3 Relevé photogrammétrique
9.2 Le projet Arpenteur
9.2.1 Historique
9.2.2 Mesure fondée sur la connaissance
9.3 Processus de restitution
9.3.1 Processus de mesure
9.3.2 Restitution des objets
10 Représentation des connaissances dans le cadre d’Arpenteur
10.1 Connaissances pluridisciplinaires
10.2 Fondements du projet Arpenteur et premier formalisme de représentation
10.3 Représenter les objets d’un domaine
10.4 Taxinomie d’objets mesurables
10.4.1 Notion d’item mesurable
10.4.2 Taxinomie d’items mesurables
10.4.3 Limite de la taxinomie et typologie
10.5 Contraintes sur les objets
10.5.1 Relations entre les objets et contraintes sur les relations
10.6 Représentation des connaissances dans Arpenteur
11 Fusion d’objets caractérisés par des entités
11.1 Cohérence et Formalisation de la connaissance
11.1.1 Cohérence d’un ensemble d’objets
11.1.2 Formalisation en logique des prédicats instanciés
11.2 Construction des ensembles E-incohérents
11.2.1 Méthode matricielle
11.2.2 Méthode basée sur la revision de croyances
11.3 Formalisation de la fusion d’ensembles d’objets
11.4 Restauration de la cohérence d’un ensemble d’objets
11.4.1 Fusion prudente
11.4.2 Fusion avec priorité entre les objets et les ensembles d’objets
11.4.3 Pré-ordre global pour les objets
11.4.4 Restauration de cohérence manuelle
11.4.5 Restauration de cohérence automatisée
IV Applications
12 Ametist : an Arpenteur ManagEment Tool for Interactive Survey Treatment
12.1 Introduction
12.2 Interface utilisateur pour le contrôle des résultats
12.2.1 Panneau de commandes
12.2.2 Panneau d’aperçu des photographies
12.2.3 Panneau d’informations générales
12.2.4 Espace de travail
12.3 Détection d’incohérences et fusion des résultats
12.3.1 Outil de détection d’incohérences
13 Relevé du site de Pianosa pour le projet Venus
13.1 Le projet VENUS : Virtual ExploratioN of Underwater Sites
13.2 Description du relevé du site de Pianosa
13.3 Aquisition des données
13.3.1 Relevé sonar
13.3.2 Relevé photogrammétrique
13.4 Utilisation d’Ametist pour la gestion et le contrôle des données
13.5 Résultats
14 Evaluation des ressources de corail rouge en Algérie
14.1 Introduction
14.2 Déroulement du projet
14.3 Relevés photogrammétriques
14.4 Gestion des données avec Ametist
14.5 Résultats
15 Conclusion générale et développements futurs
15.1 Conclusion
15.1.1 Définition d’un cadre réversible pour la fusion
15.1.2 Utilisation des techniques de fusion pour la construction d’un outil de gestion de relevés photogrammétriques
15.1.3 Développement d’applications utilisables en conditions réelles pour la gestion de relevés photogrammétriques
15.2 Développements futurs
Télécharger le rapport complet
