RÉALISATION D’UN MODÈLE DE FILTRAGE DE DONNÉES

Notre approche est divisée en 4 étapes : concevoir la base de connaissance, extraire des observations, apprendre ou inférer des connaissances à partir de ces observations et enfin génére

UNIVERSITE NATIONALE DU VIETNAM, HANOI

INSTITUT FRANCOPHONE INTERNATIONAL

POLLA DE NDJAMPA Félix-Bazin

RÉALISATION D’UN MODÈLE DE FILTRAGE DE DONNÉES

MEMOIRE DE FIN D’ETUDES DU MASTER INFORMATIQUE

HANOI – 2015

ATTESTATION SUR L’HONNEUR

J’atteste sur l’honneur que ce mémoire a été réalisé par moi-même et que les données et les résultats qui y sont présentés sont exacts et n’ont jamais été publiés ailleurs La source des informations citées dans ce mémoire a été bien précisée

LỜI CAM ĐOAN

Tôi cam đoan đây là công trình nghiên cứu của riêng tôi

Các số liệu, kết quả nêu trong Luận văn là trung thực và chưa từng được ai công bố trong bất kỳ công trình nào khác Các thông tin trích dẫn trong Luận văn

đã được chỉ rõ nguồn gốc

Signature de l’étudiant

POLLA DE NDJAMPA Félix-Bazin

Table des matières iii

Remerciements v

Résumé vi

Abstract vii

Liste des figures viii

Liste des tableaux ix

Introduction 1

Chapitre 1 3

Synthèse bibliographique 3

Contexte : 3

1.1 Langages de représentation des connaissances 3

1.1.1 Graphe conceptuel 4

1.1.2 Langage du Web Sémantique 4

1.1.3 Tableau comparatif des GC et OWL2 5

1.2 L’apprentissage automatique 6

1.2.1 Généralités sur la programmation logique inductive (PLI) 7

1.2.2 Apprentissage sur des ontologies (OWL) 8

1.2.2.1 DL-Foil 9

1.2.2.2 DL-Learner 10

1.2.2.3 YINYANG (Yet another INduction Yields to ANother Generalization) 12

1.2.2.4 Tableau comparatif 13

Conclusion 14

Chapitre 2 - Apports 15

Approche méthodologique 15

2.1 Etape de génération du modèle de situation 16

2.2 Étape1 : Modélisation de la base de connaissance 17

2.3 Étape 2 : Extraction d’exemples positifs 18

iv

2.4 Étape 3 : Apprentissage 19

2.4.1 Définition de quelques notions 21

2.4.2 Définition de l’opérateur de raffinement 22

2.4.3 Propriétés de l’opérateur de raffinement 24

2.4.4 Preuve des propriétés de l’opérateur de raffinement 25

2.4.5 Algorithme d’obtention de modèles 26

Conclusion 28

Chapitre 3 29

Expérimentation et analyses des résultats 29

3.1 Présentation des cas d’étude 29

3.1.1 Scénario d'apprentissage 29

3.1.2 Les paramètres d’expérimentations 30

3.1.3 Critères d’évaluation 31

3.2 Résultats d'expérimentations et interprétations 31

3.2.1 Résultat du scénario 1 32

3.2.2 Interprétations des résultats du scénario1 33

3.2.3 Résultat du scénario 2 34

3.2.4 Interprétations des résultats du scénario 2 36

Conclusion 38

Perspectives 39

Références 41

ANNEXES A : Présentation de tous les modèles de situation du scénario 1 44

ANNEXES B : Opérateur de DL learner 47

v

Nous tenons à saisir cette occasion pour adresser nos profonds remerciements

et notre profonde reconnaissance à :

§ Mme Claire LAUDY, Mme Gặlle LORTAL et Mme Yue MA, pour leurs précieux conseils et leurs orientations tout au long de notre recherche

§ Tout le personnel du laboratoire LRASC de Thales Research & Technology et celui du laboratoire LRI - Equipe LaHDAK pour leur assistance sur le lieu de stage

§ Tous les professeurs de l’IFI, qui ont assuré notre formation durant ces deux dernières années

§ Enfin, j’adresse mes plus sincères remerciements à ma famille, qui m’a toujours soutenue et encouragée au cours de la réalisation de ce mémoire

Je remercie les personnes qui ont, à des degrés divers, contribué à l’aboutissement

de ce travail

vi

L'étude qui est proposée dans ce mémoire s'intéresse aux problèmes d’acquisition et d'exploitation de bases de connaissances structurées de grande taille,

en vue d'appuyer le processus décisionnel dans des domaines aéronautique et aussi

d'améliorer celui de la fusion d'information qui est proposée dans (Claire et al ,

2007) Dans le cadre précis de nos travaux, nous sommes attachés à l'exploitation des bases de connaissance afin de déterminer des comportements communs que présente

un ensemble de données Notre approche est divisée en 4 étapes : concevoir la base de connaissance, extraire des observations, apprendre ou inférer des connaissances à partir de ces observations et enfin générer des modèles de situation Le modèle de situation est un ensemble d’informations qui décrit au mieux une situation précise ou

un ensemble d’observations en d’autre terme le modèle de situation est une extraction des informations pertinentes correspondant à des observations dans une base de connaissance La conception de système à bases de connaissances capable de réaliser les fonctions de raisonnements constitue à l’heure actuelle un champ de recherche en intelligence artificielle

L'approche que nous avons proposée au cours de notre stage consiste à créer et enrichir une base de connaissances structurée reposant sur le paradigme des données liées aux formalismes du Web Sémantique (OWL2) et aux graphes conceptuels Ensuite, un algorithme d'apprentissage fondé sur la Programmation Logique Inductive (PLI) est proposé pour déterminer les informations communes et pertinentes pour un groupe de données La sortie de l’algorithme est donc qualifiée de modèles de situation

Les résultats obtenus par notre approche sont satisfaisant au dire d'expert et en plus, l’algorithme proposé réussit à déterminer des modèles de situation dont la précision sur d’autres données est très proche de la précision du modèle obtenu (différence de 4%) Ces résultats constituent une avancée pour une proposition des modèles de situation aux utilisateurs Mais d’autres améliorations sont à prendre en compte afin de raffiner les modèles de situation obtenus Comme améliorations, on peut prendre en compte l’évolution de l’ontologie ou d’autres ontologies On peut aussi proposer un nombre réduit de modèles de situation afin de permettre une meilleure couverture de tous les exemples d’apprentissage

Mots clés : Ontologie, programmation logique inductive, fusion d'information

vii

In this work, we focus on the acquisition and exploitation of large structured knowledge bases problems for supporting the decision making process in the aeronautics fields We also focus our study on the improvement of information fusion

method proposed by (Claire et al., 2007) Particularly, we worked on the exploitation

of the knowledge databases in order to determine the common behavior of a set of data Our proposed approach is divided into four steps: design the knowledge databases, retrieve observations, learn or infer knowledge from these comments, and finally generate situation models The situation model is a set of information that best describes a particular situation or set of observations In other words, the situation model is the extraction of relevant information that corresponds to some observations

in the knowledge database

The design of knowledge system that be able to perform reasoning function is a challenging field of research in artificial intelligence The aim of our proposed approach is to create and enhance a structured knowledge database that belong to the data paradigm related to the Semantic Web formalisms (OWL2) and conceptual graphs Then, we proposed a learning algorithm based on the Inductive Logic Programming (ILP) in order to determine the common information for a data group (situation model)

The results of our approach are satisfying according to the expert and in addition, the proposed algorithm is able to identify situation models whose accuracy

on other data is very close to the accuracy of the resulting model (difference of 4 percents) These results represent a breakthrough for a proposal of situation models to users But other improvements are considered in order to refine the situation models obtained As improvements, we can take into account the evolution of ontology or other ontologies One can also provide a reduced number of situation models to enable better coverage

Keywords: Ontology, inductive logic programming, information fusion

viii

Figure 1: Exemple de graphe conceptuel 4

Figure 2 : Résultats expérimentaux de DL-Foil en termes de mesures IR standards: moyennes ± écart type [min ;max] 10

Figure 3: Architecture de DL learner 11

Figure 4: Étape de génération de modèle de situation 16

Figure 5: Visualisation graphique de l’ontologie ASRS 18

Figure 6: Exemple de requête SPARQL 19

Figure 7: Résultat de DL learner avec comme exemple <<Les incidents ambigus>> 20 Figure 8: Opérateur utilisé pour le langage de l'opérateur de raffinement 23

Figure 9: Définition de l'opérateur de raffinement 23

Figure 10: Illustration d'une recherche par raffinement d'opérateur 24

Figure 11: Illustration de la redondance de ࣋ ՝ 26

Figure 12: Exemple de requête SPARQL correspondant au scénario 1 30

Figure 13: Exemple de requête SPARQL correspondant au scénario 2 30

Figure 14: Différence d’exactitude entre les données d'apprentissage et celle de tests (Scénario1) 34

Figure 15: Différence d’exactitude entre les données d'apprentissage et celle de tests (Scénario2) 37

ix

Tableau 1: Comparaison GC et OWL2 6

Tableau 2: Comparaison DL-learner, DL-foil et YINYANG 13

Tableau 3: Description concernant l'ontologie utilisée pour les expérimentations 29

Tableau 4: Paramètres d'entrée pour la génération de modèles de situation 31

Tableau 5: Résultats d'apprentissage du scénario 1 32

Tableau 6: Modèles de situation du scénario1 33

Tableau 7: Résultats d'apprentissage du scénario 2 35

Tableau 8: Modèles de situation du scénario 2 36

1

Introduction

Le monde d’aujourd’hui est marqué par la présence de masses de données dont l’exploitation peut affecter de façon profonde grand nombre de secteurs (de l’e-commerce à la recherche scientifique en passant par la finance

et la santé) Les organismes, les entreprises, les particuliers ont généralement en leur possession un grand nombre de données et arrivent rarement à bien les exploiter Afin d’être capable d’extraire des informations dans ces bases de connaissances, on fait généralement appel aux experts et ingénieurs pour structurer et exploiter les données

L'exploitation de ces immenses masses de données nécessite des

techniques sophistiquées visant à extraire l'information pertinente Le mécanisme d’extraction d’informations pertinentes est porteur de nombreux défis qui requièrent une approche interdisciplinaire (statistiques numériques, apprentissage statistique ou machine learning) Ces approches vont de l’analyse

de données exploratoires aux techniques les plus sophistiquées comme l’inférence et la classification En général une vaste palette de méthodes statistiques mathématiques et d’apprentissage est mobilisée pour parvenir à mieux exploiter les données

Ainsi, l’objectif de notre étude est de proposer une approche permettant

de générer un modèle d’extraction des informations pertinentes dans une base

de connaissance Dans ce document, ce modèle sera appelé modèle de situation

car les informations extraites doivent décrire une situation correspondant à une réelle expertise

C’est dans cette optique que s’inscrit mon stage intitulé : « Réalisation d’un modèle de filtrage de données »

Les différentes tâches à accomplir sont les suivantes :

- Modélisation ontologique d’une base de données existante ;

- Création d’un algorithme pour générer un modèle de situation ;

- Evaluation du modèle de situation créé sur des données des cas d’utilisation

Notre travail s’inscrit en effet dans le cadre de la fusion d’information qui est l’un des thèmes de l’équipe du LRASC et dont l’objectif est d'améliorer

la connaissance du monde observé pour le décrire du mieux possible pour l’utilisateur Le modèle de situation sera ajouté comme entrée dans le processus

2

de fusion (Fossier, et al., 2013) Le travail effectué au cours de cette étude s’est déroulé au sein du LRASC (Laboratoire Raisonnements et Analyses dans les Systèmes Complexes) à Thales Research &Technology et du laboratoire LRI (Laboratoire de Recherche en Informatique) de l’université Paris-Sud, équipe LAHDAK dont les travaux portent sur des propositions d’infrastructures adaptées à la gestion de données et de connaissances massives et hétérogènes plus ou moins complexe

Pour rendre compte du travail effectué tout au long de cette étude, nous avons rédigé ce rapport qui s’organise en trois sections Dans la section 1, nous ferons une synthèse bibliographique du domaine d’étude Dans la section 2, nous présentons l’approche proposée pour la réalisation du modèle de filtrage

ou encore pour l’obtention de modèles de situation Dans la section 3, nous

présentons les résultats d’expérimentations et les analysons Enfin, nous concluons ce rapport par le bilan des apports de notre contribution ainsi que par

la présentation rapide de quelques perspectives ouvertes par notre travail

3

Contexte :

Nos travaux s’inscrivent dans le domaine plus large de la fusion d’information Le terme « fusion d’information » est apparu dans les années 90 dans le but de gérer et de mettre en correspondance un ensemble d’informations provenant des données multi-sources et à les exploiter Depuis quelques années

de nombreux algorithmes de fusion ont été développés pour les applications dans des domaines tels qu’intelligence artificiel, imagerie satellitaire et aérienne

Cependant, pour pouvoir appliquer ou utiliser des algorithmes de fusion, les experts de domaines doivent filtrer de leur base de connaissance, les données qui sont les plus significatives avant d’effectuer le processus de fusion Ces données significatives sont celles qu’on qualifie de modèle de situation Le modèle de situation est ensemble de données structurées qui décrit des observations d’un utilisateur afin de lui donner une meilleure compréhension

En d’autres termes, le modèle de situation est une structure qui permet de décrire au mieux possible ce qu’ont en commun un ensemble de données

Avant de pouvoir obtenir le modèle de situation, il est important de trouver un formalisme de représentation des données et une méthode pour extraire les informations communes

Dans cette section, nous présentons quelques notions importantes en relation avec notre domaine d’étude à savoir : les langages de représentation de connaissance et l’apprentissage

1.1 Langages de représentation des connaissances

La représentation des connaissances est une discipline de l’IA destinée à représenter et à organiser un ensemble de connaissance dans le but de la partager, d’interroger et même de raisonner (combiner un ensemble d’informations préalablement connues afin obtenir une information qui en découle) La problématique de la recherche en représentation des connaissances est de fournir des modèles formels de représentation qui permettent d’une part,

de modéliser facilement la connaissance et d’autre part, d’exploiter cette connaissance lors de la résolution d’un problème donné Plusieurs formalismes

de représentation existent mais dans cette partie nous nous intéressons qu’aux

ou vocabulaire est principalement composé d’un treillis de concepts et d’un ensemble ordonnée de relations conceptuelles Le second niveau est dit assertionnel ou factuel et permet décrire les faits ou observations par des graphes cela en se basant des éléments du niveau terminologique Plusieurs extensions de ce modèle ont été proposées chacun dans le but d’enrichir la méthode de représentation de connaissance (les types conjonctifs, les règles, et des contraintes) Le modèle des graphes conceptuels, s’appuie sur une représentation graphique des connaissances et permet le raisonnement Le raisonnement étant réalisé par des algorithmes de graphes (principalement la recherche d’isomorphisme de graphe) Il dispose en plus d’une fonction d’interprétation logique qui permet de doter le modèle d’une sémantique formelle Ainsi tout graphe conceptuel peut être représenté en logique de description du premier ordre

Un graphe conceptuel est un graphe biparti orienté dans lequel les nœuds (concept et relation) sont liés par des arcs orientés

1.1.2 Langage du Web Sémantique

Les ontologies sont apparues au début des années 90 en ingénierie des connaissances, dans le cadre des démarches d’acquisition des connaissances pour les systèmes à base de connaissances Dans ce contexte, les chercheurs ont proposé de fonder ces connaissances sur la spécification d’une ontologie, ensemble structuré par différentes relations entre des objets du domaine dont l’élaboration relève du choix du modélisateur Les ontologies fournissent une capacité de stocker les connaissances générales, d’une manière qui est compréhensible à la fois par les humains et les ordinateurs Nous ne considérons qu’un sous-ensemble des ontologies : les ontologies OWL, permettant la

Figure 1: Exemple de graphe conceptuel

Type Concept: Marqueur relation Type Concept: Marqueur

5

production d’inférences de nouvelles données à partir des données déjà présentes dans la base Ces ontologies contiennent entre autre des axiomes permettant de spécifier des contraintes d’appartenances des individus à une classe

OWL2 est une recommandation du consortium du W3C Il vise également à rendre les ressources sur le Web aisément accessibles aux processus automatisés en les structurant d’une façon compréhensible et aussi en leur ajoutant des méta-informations (McGuinness & Harmelen, 2004) Pour cela, OWL offre des moyens puissants pour exprimer la signification et la sémantique que XML, RDF, et RDF-S n’offrent pas OWL ajoute des vocabulaires pour la description des propriétés et des classes, des relations entre

classes, des cardinalités, des caractéristiques de propriétés (symetry), et des

classes énumérées Tandis que RDF-S permet de définir seulement la hiérarchie entre les classes et propriétés OWL a été donc développé comme une extension du vocabulaire de RDF De plus, à l’aide nombreux plugin (OWL Api, Jena API) OWL permet l’intégration des ontologies c’est à dire permet la construction de nouvelle ontologie à partir de zéro ou à partir d’autre déjà existante, elle permet l’utilisation des ontologies dans les applications et enfin elle permet la fusion de plusieurs ontologie en une seule

1.1.3 Tableau comparatif des GC et OWL2

Dans (Raimbault, 2008) ces deux formalisent bien qu’ils soient similaires à la logique de description, ils ont des différences La plus notoire est

au niveau d’expressivité des connaissances Par exemple la notion de complémentarité est partiellement définie en graphe conceptuel tandis que celle d’énumération ne l’est pas D’après le tableau ci-dessous, on peut remarquer que pour la représentation des connaissances en OWL offre un vocabulaire le plus riche Ainsi, la majorité des notions d’un système sont donc généralement (totalement) instanciables dans les modélisations basées sur OWL2

Notions Graphe conceptuel OWL2

6

Restriction de cardinalité Oui Partiellement

Tableau 1: Comparaison GC et OWL2

Après avoir fait une brève présentation des formalismes de représentation de connaissances reposant sur le paradigme des données liées tel que la technologie du Web Sémantique « OWL » et les graphes conceptuels, nous présentons des méthodes qui permettent d’inférer des connaissances à partir des bases de connaissances

1.2 L’apprentissage automatique

L'apprentissage automatique (machine learning en anglais), champ

d'étude de l'intelligence artificielle qui concerne la conception, l'analyse, et l'implémentation de méthodes permettant à une machine d'évoluer par un processus systématique Grace à l’apprentissage, la machine devient capable de remplir des tâches difficiles ou impossibles à remplir par des moyens algorithmiques plus classiques L’objectif de l’apprentissage automatique est de produire automatiquement des règles Plusieurs méthodes sont utilisées pour y parvenir: les arbres de décision, la programmation génétique, les réseaux de neurones, la programmation logique inductive Dans cette partie nous nous intéressons seulement à l’apprentissage en logique de description puisque le formalisme de représentation de connaissances est aussi lié à la logique de description

7

1.2.1 Généralités sur la programmation logique inductive (PLI)

La Programmation Logique Inductive ou PLI (en anglais Inductive Logic Programming, ILP) peut se définir comme étant à l'intersection de

l'apprentissage automatique et de la programmation logique L'apprentissage automatique, et plus précisément de l'apprentissage inductif, permet de développer des outils et des techniques permettant d'induire des hypothèses et

de synthétiser de nouvelles connaissances à partir de l'expérience

La PLI hérite d'un langage de représentation des connaissances palliant les limitations des approches non logiques de l'induction (en particulier l'absence de prise en compte d'une théorie du domaine) et les techniques et théories bien établies de ce domaine La Programmation Logique Inductive avait à l'origine pour objectif l'inférence de programmes logiques à partir d'observations et relativement à une théorie du domaine Son application s'étend aujourd'hui à l'apprentissage de concepts en logique de description

Formellement, la programmation logique inductive est une combinaison

de l’apprentissage automatique et de la programmation en logique Elle est décrite de la façon suivante (Lavrac & Dzeeoski, 1994) :

Entrées : Trois ensembles࡮, ࡱା et ࡱି avec

· Une base de connaissance ࡮

· Un ensemble d’exemples ࡱା

· Un ensemble de contre -exemples ࡱି

Sortie : Trouver une hypothèse H vérifiant les propriétés suivantes

· La complétude ۶ ٪ ࢋ׊܍ א ࡱା

· La consistance ۶ ٮ ࢋ׊܍ א ࡱି

On cherche donc à trouver une hypothèse H qui permet d’expliquer au mieux les exemples positifs, tout en rejetant au maximum les exemples négatifs Elle se base souvent sur l’utilisation d’autres techniques liées à la programmation logique comme la substitution, la spécialisation, la généralisation, l’unification et la résolution

La complexité d’apprentissage d’une nouvelle hypothèse dépend du langage de la logique qui est choisi (Franz Baader, 2003) Plus le langage est complet, plus la complexité est grande

8

En programmation logique inductive, on distingue trois grandes approches pour l’apprentissage d’hypothèses La première approche, dite descendante ou top-down, consiste à partir d’une hypothèse générale et aller vers une hypothèse plus spécifique en respectant les règles définies dans la base

de connaissances Cette approche a pour principale but d’induire une nouvelle hypothèse Dans la littérature, on a plusieurs systèmes qui sont développés avec cette approche : CIGOL (Muggleton & Buntine, 1992), CLINT (De Raedt, 1992), GOLEM (Muggleton & Feng, 1990), ALEPH (Srinivasan, version4)

La seconde approche (bottom-up) qui est "l’inverse" de la première, consiste à partir d’une hypothèse plus spécifique et se diriger vers une hypothèse générale Elles sont généralement implémentées à l’aide des méthodes comme Least Subsumer Common et Most Specific Concept (Cohen

et al., 1992) ࡸࡿ࡯ሺ࡯૚ǡ Ǥ Ǥ Ǥ ࡯࢔ሻ ൌ ࡯ ó ܥ est le concept le plus spécifique qui

subsume tous les Ci (c’est à dire׊ܥ௜ א ሼܥଵǡ ǥ ǡ ܥ௡ሽǡ ݋݊ܽܥ௜ ك

ܥሺܥݏݑܾݏݑ݉݁ܥ௜ሻ

Cette approche est utilisée par des systèmes tels que : FOIL (Quinlan, 1995), PROGOL (Muggleton, 1995), CLAUDIEN (De Raedt & Dehaspe, 1996)

Et la troisième approche est juste une combinaison des deux précédentes

et on la retrouver dans le système PROGOLEM (Muggletton et al., 2010)

Le véritable problème en programmation logique inductive est la définition de l’espace de recherche des hypothèses L’espace de recherche d’hypothèses représente toutes les hypothèses existantes dans une base de connaissance Ainsi il est important de choisir et d’utiliser une méthode ayant une complexité raisonnable afin toutes ces hypothèses Le parcours de l’espace

de recherche est généralement effectué par le biais de l’opérateur de subsomption Chaque méthode de PLI diffère les unes des autres par deux grands facteurs, la taille de l’espace de recherche et la qualité de l’hypothèse trouvée (hypothèse couvrant au mieux les exemples positifs et aucun exemple négatif)

1.2.2 Apprentissage sur des ontologies (OWL)

Trois principaux algorithmes de la PLI permettent l’apprentissage sur des

ontologies OWL à savoir DL-FOIL (Fanizzi, 2008), DL-Learner (Lehmann et al., 2011) et YINYANG (Luigi et al., 2005) Dans cette sous-section, nous

présentons ces trois algorithmes et nous faisons une étude comparative afin de trouver lequel est mieux adapté pour résoudre notre problème

9

1.2.2.1 DL-Foil

DL-Foil est une approche d’apprentissage des concepts en logique de description ALC et elle est proposée dans (Fanizzi, 2008), Le principe de cette approche est de commencer avec une règle très générale Ensuite la spécialise en ajoutant des hypothèses jusqu’à ce que la règle ne couvre plus aucun exemple négatif Les grandes étapes de cette idée sont :

· La première étape consiste à définir l’opérateur de raffinement qui est un opérateur non complet pour la grande expressivité de la logique de description d’après les propriétés de raffinement d’opérateur (Hitzler & Lehmann, 2008) Ensuite par le biais de cet opérateur, la méthode effectue des spécialisations dans le but d’obtenir des hypothèses qui ne couvrent aucun exemple négatif ou du moins qui en couvrent très peu (inférieur à un seuil) Ceci marque la condition d’arrêt de l’algorithme

· La deuxième étape consiste à choisir l’hypothèse ó le concept ayant la plus grande fonction de gain Cette fonction est définie par :

Les résultats d’expérimentation montre que, en évaluant les résultats en utilisant la notion de précision/rappel, on a des résultats (autour de 65%) mais pas assez élevé (fig.2) La principale raison est due à l’hypothèse de monde ouvert qui ne peut pas dire qu'une chose n'existe pas tant qu'il n'a pas été explicitement statué qu'elle n'existait pas Un autre résultat d’expérimentation est que les concepts appris se chevauchent totalement avec les requêtes et par conséquent, les concepts retournés ont une certaine familiarité avec les

1 P-SPACE est la classe des problèmes qui peuvent être résolus en espace polynomial sur une machine déterministe (encyclopédie Wikipédia)

10

ontologies choisies Notons toutefois que la définition incomplète de l’opérateur

de raffinement ne permet pas de couvrir ou d’avoir tous les concepts possibles

de l’espace de recherche

Figure 2 : Résultats expérimentaux de DL-Foil en termes de mesures IR

standards: moyennes ± écart type [min ;max]

1.2.2.2 DL-Learner

DL Learner est un framework développé en Java pour l’apprentissage en

logique de description des données provenant des fichiers OWL, fichier

N-Triple, SPARQL end points) C’est un framework qui utilise l’approche ILP

donc pour un ensemble d’exemples (positifs et négatifs), il trouve une

expression de classe OWL couvrant au mieux les exemples Les résultats

fournis par DL learner sont les plus réduits possibles et faciles à comprendre par

les experts du domaine DL Learner prend en compte beaucoup d’autres aspects

pour l’apprentissage par exemple les données provenant de sparql endpoints2,

ou des N-triples Il contient aussi des raisonneurs (aussi des raisonneurs flous

(Lehmann & Iglesias, 2011)) propres à lui qui facilitent la réduction de l’espace

de recherche des hypothèses Notons que les résultats d’apprentissage sont

retournés en logique ALCN

DL learner est constitué de 4 principaux composants (fig.3)

- Le composant de source de connaissance qui définit tous les formats de

type de données pris en compte par le système

- Le composant « problème d’apprentissage » : composant dans lequel on

spécifie le type d’apprentissage souhaité Il peut s’agir un apprentissage

avec exemples positifs seulement, un apprentissage avec exemples

positifs et négatifs ou d’un apprentissage de définition de concepts

2 www.w3.org/wiki/SparqlEndPoints

11

- Le composant « algorithme d’apprentissage » est celui dans lequel est

développé tous les algorithmes d’apprentissage et dont CELOE (Class

Expression Learning for Ontology Engineering) est celui qui nous

intéresse

- Le composant « service de raisonneur » : c’est dans ce composant que

tous les algorithmes de raisonneurs sont disponibles Il offre la

possibilité d’inclure les raisonneurs tels que : Pellet, FaCT++, KAON2,

et Racer Pro

Figure 3: Architecture de DL learner

L’idée est la même que dans les approches top-down Pour chaque nœud

de l’espace de recherche, on calcule le score qui est donné par

12

Le nœud ayant la plus grande valeur d’exactitude (‘accuracy’) est choisi et l’algorithme continue jusqu'à trouver une hypothèse la meilleure hypothèse possible Au cas ó il n’y a pas d’hypothèse ayant une exactitude de 100%, le critère de temps est utilisé pour stopper l’exécution de l’algorithme

Ø Algorithme

L’apprentissage d’un concept va consister à mettre à jour l’espace de recherche (Lehmann & Hitzler, 2010) et de calculer le score de ces nœuds ajoutés après raffinement Le nœud ayant le plus grand score est exploré Ce processus s’arrête lorsqu’on obtient une exactitude (ݍ ൒ ȁܧȁ ൈܤݎݑ݅ݐܽݒ݁ܿܤݎݑ݅ݐ א  ሾͲǢ ͳሿ )

Sachant que les nœuds dans l’espace de recherche sont ordonnés grâce à l’opération de subsomption, l’algorithme ne s’intéresse qu’au n premiers nœuds

à chaque étape jusqu'à trouver une hypothèse ayant une bonne exactitude Ce choix des n premiers nœuds certes diminue la taille de l’espace de recherche mais empêche d’autres hypothèses de faire partir de la solution

1.2.2.3 YINYANG (Yet another INduction Yields to ANother Generalization)

Cette approche a été mise au point dans le but principal d’aider à la création manuelle des ontologies En fait le système se base sur des définitions déjà faites dans l’ontologie pour compléter celle souhaitée Donc, il prend en entrée les exemples et aussi une définition de concept qui peut être trop général

ou pas correct et ensuite déterminer une nouvelle définition Par contre, les deux

13

autres approches précédentes ont la possibilité d’apprendre juste avec des exemples qui leur sont fournis Il utilise aussi comme logique de description ALC La méthode est la suivante : pour chaque exemple il cherche d’abord le concept le plus spécifique (MSC=Most Specific Concept) correspondant Et la conjonction de ces concepts est utilisée pour désigner des exemples positifs et négatifs Ensuite une généralisation est faite sur les exemples tout en la spécialisant au mieux pour éliminer les exemples négatifs C’est pourquoi cette approche est qualifiée d’hybride car une spécialisation et une généralisation sont faites pour la recherche de meilleure hypothèse

1.2.2.4 Tableau comparatif

Nous présentons dans cette partie une petite comparaison des trois systèmes D’après le tableau DL learner est le système qui présente le plus d’avantage comparé aux deux autres

Algorithme DL-Learner DL-FOIL YINYANG

1 Format de

l’ontologie

triple/Sparql endPoints

Exemple positif et négatif

Exemple positif et négatif

4 Hypothèse retournée Une / plusieurs Une Une

Disponible

Tableau 2: Comparaison DL-learner, DL-foil et YINYANG

14

En effet, DL Learner permet d’apprendre des nouvelles définitions de concepts seulement avec des exemples positifs, il retourne des concepts compréhensibles par les humains, il présente avec plus de détail la définition de son heuristique qui facilite et réduit le parcours de l’espace de recherche et pour terminer il est un système open source Tous ces critères nous ont permis

de le comprendre et de pouvoir définir par exemple l’heuristique nécessaire pour apprendre seulement les exemples positifs

Conclusion

En somme, nous avons présenté deux approches de représentation de connaissances, et trois approches d’apprentissage logique basé sur les ontologies OWL

Pour notre problème nous optons donc pour le formalisme OWL pour la représentation de la base de connaissance et de l’algorithme DL Learner sera utiliser (modifié) pour obtenir le modèle de situation parce qu’il présente les avantages telles que décrit dans le tableau2 Comme par exemple, il peut nous retourner des modèles de situation Ces modèles de situation ou résultats de DL learner ne sont pas toujours pas idéale et intéressant pour les utilisateurs Nous allons décrire dans le chapitre précédent pourquoi doit-on modifier DL learner

et comment on peut obtenir un bon modèle tout en exploitant certains principes développées dans DL learner

15

Dans ce chapitre, nous souhaitons, pour une base de connaissance et un ensemble d’observation, déterminer ce qu’ont en commun et de pertinent les différentes observations généralement appelées exemples positifs Le but final est de déterminer des modèles de situation Un modèle de situation est décrit comme étant un ensemble d'informations pertinent correspondant à une situation Notons toutefois qu’une situation est mieux présentée si elle décrit au maximum tout ce qui est relaté dans les observations de l’opérateur

Pour résoudre ce problème, nous utilisons l’approche ILP, qui, à partir d’une base de connaissance K et d’un ensemble d’exemples ܧ ൌ ܧା détermine

une hypothèse qui satisfait au mieux tous les exemples positifs

ܪ ٪ ݁׊݁ א  ܧା

Comme mentionné dans l’état de l’art l’algorithme d’apprentissage de

DL Learner est choisi pour apprendre ou rechercher les concepts qui couvrent le maximum d’exemples, nous nous focalisons donc sur ce dernier pour proposer une approche de génération de modèles de situations

Dans la première partie, nous présentons le processus général choisit pour l’obtention du modèle de situation, ensuite, nous présentons la modélisation OWL de la base ASRS, et enfin nous présentons les étapes et algorithmes de génération de modèles

Intérêt du modèle proposé

Notre travail vise à concevoir des modèles permettant de donner de manière automatique une description d’un ensemble de donnée provenant d’une base de connaissance

Ces modèles permettront de comprendre et voir les points de similarité entre les différents exemples choisis Ils seront donc utilisés par les experts pour des prises de décision par rapport au phénomène observé Ils seront aussi utilisés comme paramètre d’entrée dans le processus de fusion d’information

16

2.1 Etape de génération du modèle de situation

Nous allons présenter une approche pour l’obtention d’un modèle de situation L’approche proposée est constituée de 4 étapes et elle utilise les formalismes discutés précédemment

· Étape 1 : Modéliser la base de connaissance sous une ontologie OWL (due à son grand pouvoir d’expressivité)

· Étape 2 : Extraction de la base de connaissance d’un sous-ensemble d’entités représentant les besoins de l’utilisateur Ces données sont appelées exemples ou observations et correspondent donc à une situation précise Cette extraction est faite par une requête SPARQL.3

· Étape 3 : Algorithme d’apprentissage qui pourra extraire les concepts qui correspondent au modèle de situation en logique de description C’est à dire que nos modèles de situation sont décrits en logique de description

· Étape 4 : Spécialisation des résultats d’apprentissage pour la recherche

de modèle

Le schéma (fig.3) ci-dessous présente un résumé des différentes étapes du processus d’obtention d’un modèle de situation Le processus d’obtention du modèle de situation étant très long nous nous sommes focalisé dans ce mémoire dans la proposition d’un algorithme d’apprentissage générant le modèle de situation en logique de description, c’est à dire à l’étape 3

Figure 4: Étape de génération de modèle de situation

3 Apprentissage

4 Modèle Situation

17

2.2 Étape1 : Modélisation de la base de connaissance

Dans cette partie, on s’intéresse à des bases de connaissances « dirigées par une ontologie », c’est-à-dire comportant deux grands types de connaissances Les connaissances structurelles ou axiomes ontologiques qui permettent de fixer la sémantique du vocabulaire à utiliser Et les connaissances factuelles qui décrivent des situations spécifiques relatives à une entité individuelle du domaine La diversité de formats de représentation de la connaissance pose parfois le problème de choix pour déterminer la structure la mieux adapter pour le problème Pour notre problème, il était question d’utiliser l’un des deux formalismes présenté au chapitre 1 Et le choix s’est donc porté sur le formalisme OWL qui présente un plus grand niveau d’expressivité des

données car il contient plusieurs familles de langage comme EL, ALC, SHOIN (Baader et al., 2003)

La base ASRS est une base de données en ligne 4 qui contient une description de différents événements (incident) dans le domaine aéronautique Elle décrit pour chaque événement, les conditions (climat, lieu, le type d’avion

…), les causes (anomalies), et les conclusions La base est exportable sous plusieurs formats : word, excel, csv Nous avons développé une méthode qui transforme un fichier excel en un fichier OWL

La base a été modélisée comme présentée sur la figure 5 En fait nous nous sommes basés sur la taxonomie déjà disponible (Annexe) pour représenter les connaissances structurelles et en parsant chaque ligne du fichier Excel, on extrait des données qui nous permettent de représenter des faits ou des observations La construction de la base est faite à l’aide de l’API OWL L’API OWL (OWLAPI1, 2015) est une interface Java mise en œuvre par le W3C qui est utilisée pour représenter les ontologies du Web Sémantique

4 www.asrs.arc/nasa.gov

18

Figure 5: Visualisation graphique de l’ontologie ASRS

2.3 Étape 2 : Extraction d’exemples positifs

Pour cette deuxième étape, on voudrait choisir les exemples dont on

souhaite trouver une description commune La méthode d’extraction

d’exemples utilisée est la requête SPARQL SPARQL est utilisé pour diriger

l’étape d’apprentissage et considérer un ensemble bien défini de types

d’incident Notons toutes fois qu’étant donné que l’utilisateur peut ne pas

maitriser comment définir sa requête, il peut entrer ses exemples sous la forme

« incident1, incident3, incident21 » La figure 6 présente un exemple de

requête dans la base ASRS La requête permet de sélectionner les incidents qui

dont le problème primaire est ambigu

PREFIX inc :

SELECT ?incident

WHERE {?incident inc: hasAssessment ?assessment

? assessment inc:hasPrimaryProblem inc:ambiguous

}