Introducing
Your new presentation assistant.
Refine, enhance, and tailor your content, source relevant images, and edit visuals quicker than ever before.
Trending searches
PhD defence presentation 2
6
Conclusion
ARC : une méthode polyvalente pour l'extraction de connaissance
Comment extraire du sens ?
Contexte
- Produites en masse
- Ressource clef
- Non étiquetées
- Relationnelles
Données
Découverte de connaissance
Découvrir des patterns
- significatifs
- réutilisable
Support pour la prise de décision
Matériel pour la réinjection dans un modèle
Decouverte de Connaissances : But
Découverte de connai assance : processus
- Préprocessing des données
- Analyse et fouille des données
- Interprétation
Découverte de connai assance : processus
Extraction d'ontologies
Clustering
Methode statistique
Regles d'association
Découverte de connai acssance : Approches
Découverte de connai acssance : Approches
Extraction de règles
Forme :
Humain, Joue d'au moins un instrument --> Musicien
Support : #Humain, jouant d'un instrument, Musicien
Confiance : %Musiciens parmi les humains jouant d'un instrument
Règle d'association
Règles d'association
Facilement interpretable
mesurable / quantifiable
Règles d'association
Nombre exponentiel de règles par rapport au nombre d'attributs
Besoin : construire une base de representation
Problématique
- sans perte
- solide
- informative
Conditions (changer titre)
impossible de produire une regle de la forme
Humain, joue-Min1-Instrument --> Musicien
Exemples de méthode
- FCA
- Arbre de Decision C4.5
Limites actuelles
Pas d'aspect relationnel
Limites actuelles
Limites actuelles
Format restreint
Nécessite une grammaire pour produire des règles
Exemple :
- un seul attribut d'arité 1 suivi d'attributs d'arité 2
Humain(X), joueInstru(X,Y) --> concuPar(Y,Z),represente(X,Z)
- Limité à une conclusion mono-attribut
Exemples de méthode
- WarmR
- AMIE
Limites actuelles
Étiquetage obligatoire
Apprend des règles en fonction d'exemples positifs et négatifs
Exemples de méthode
ILP
DL-Learner
Foil
Création de circuits
Limites actuelles
La description en point fixe est complexe à interpréter
Humain-->a2Parents(Humain)
_____
Humain --> a-deux(Parent)
Parent --> géniteur-au-moins-1(Humain)
Exemples de méthode
RCA
Contribution
La circularité n'est pas inhérente à l'ARC
Solution :
Extraire la partie non circulaire de chaque regle
Contribution
FCA
Objectifs :
- -Extraire un ensemble minimal de règles d’association pour un type de données
- Calculer les métriques de support et confiance
Méthode :
- -Regrouper les objets selon leur caractéristiques communes
- Hiérarchiser ces groupes pour limiter les règles et simplifier le calcul des métriques
Objectifs et méthode
Processus
Classe d’ équivalence composée d’ensembles d’attributs portés par les mêmes objets
Générateurs minimaux d’une classe d’équivalence
Règle exacte Générateur->Intension directe \ Générateur
{nd} ->{cp,nd}\ {nd}
Règle approximatives Générateur
->Intension inférieure \ Générateur
{cp} -> {cp,pu}\ {cp}
RCA
Objectifs :
Intégrer différents type d’objets
Intégrer des relations entre objets
Méthode :
Créer des attributs traduisant les relations entre objets
Limiter aux concepts distants
RCA
Propositionnalisation
Propositionnalisation
Exemple voiture
Processus
Processus
- Définitions et preuves des intuitions
- Identification des concepts
- Etude de la circularité
- Études des avantages de RCA sur FCA
- Ajouts à RCA
- nouveaux opérateurs
- Suppression de redondance
Limiteset
solutions
Contributions
Identification des concepts
Concept
Dans FCA un concept formel est une paire (X,Y) où :
- X est l'ensemble des objets portant
tous les attributs de Y
- Y est l'ensemble de tous les attributs
- portés communément par tous les objets de X\
Non Concept
Solidification du cadre théorique
Concept
K_6
el
cp
Er1
zo
Dans RCA, les contextes évoluent :
- Les paires précedemment
calculées ne forment plus
des concepts formels
Identification des concepts
On a démontré que :
- Les extensions sont préservées entre les itérations
- Pour chaque extension, l'intension est croissante avec les itérations
On peut donc définir un concept comme une paire (X , (Y) ) où (Y) est la suite des intensions selon les itérations
Concept
K_5
el el el
cp cp cp ...
Er1 Er1
...
zo
Les définitions circulaires sont difficiles à interpréter
Exemple :
si une voiture est compacte
alors elle est conduite par au moins un individu :
- homme
- grand
- qui a au moins une voiture compacte et conduite
-homme
...
On a démontré que la première intension d'un concept
ne participe jamais à des définitions circulaires
Circularité
Circularité
Les générateurs canoniques sont les générateurs minimaux par l'ordre lexicographique.
les générateurs canoniques sont composés uniquement d'élément de la première intension.
Ils peuvent être calculés a prosteriori
Ils sont donc de bons candidats pour remplacer la référence de concept
Ils permettent la définitions d'attributs indépendants et sans cycle
Comparaison avec FCA
Étude de deux configurations :
- Semi-Jointure
- Agregation par propositionnalisation
On a montré que :
- Pour tout concept de la table unique (FCA)
- On trouve par RCA des concepts de même extension
- L'intension de ces concepts inclut celle de la table unique
Ajout d'un nouvel opérateur
Pour un des cas d'applications nous avons développé l'opérateur d'image partielle
Au moins p% des objet de l'image d'un objet est inclus dans l'extension d'un concept
Ajouts à RCA
Même concept, opérateur différent
De la redondance entre attributs peut apparaître due à la sémantique des opérateurs
Réduction de redondance
Même opérateur, concept différents
pour les opérateurs :
- existensiel
- image partiel
- universel
op (car 9) => op (car 8)
pour l'opérateur "tous" :
op (car 8) => op (car 9)
- Montrer la validité de la méthode
- Présenter les implications pratiques
- Exhiber la polyvalence de la méthode
Cas d'étude
Validation
Chaine de pressage d'aluminum
Production de poignées et cadres (58000 pièces)
Objectif : réductions des refontes de rebuts
Manufacture métallurgique
Cas industiel : Description
Cas industiel : Processus
Conclusions
- L'aluminium s"accumule dans le moule
- Une dilatation insuffisante du piston provoque des fuites
- Les produits défectueux sont trop peu épais
- Un piston trop rapide produit un rebut
- Rapidité et température du piston sont corrélées
Cas industiel : Résultats
Cas psycholinguistique : Description
Psycho-linguistique
Création de petits dictionnaires par des joueurs (~100 dictionnaires)
Description psycholinguistique des mots utilisés (~2500 mots)
Objectif : Analyse des liens entre structure et contenu
représentation graphe d'un dictionnaire
Cas psycholinguistique : Résultats
Observations
- Il existe un ensemble de mots très fréquents utilisés dans tous les dictionnaires
- Les petits dictionnaires semblent limités à cet ensemble
- Les grands dictionnaires incluent cet ensemble ainsi que des mots très peu fréquents
Conclusions
- Il existe un ensemble universel de mots
- Face à des définitions compliquées, deux phénomènes surviennent :
- un synonyme est employé
- l'imprécision génère du bruit
Un workflow possible :
1) Établir un schéma
2) Optimiser ce shéma
3) Intégrer des données
4) Adapter le schéma
5) Réitérer de l'étape 2
Ingénierie de la connaissance
Ingénierie de connaissance
Restructurer
Vérifier
Règles approximatives de confiance très haute
Les objets ne validant que la prémisse sont à étudier
Exemple :
joue-Instrument, dans-Groupe-De-Musique ---> Musicien-Professionnel
Validation du typage
Raffinement
Restructurer
Utilise les données, leurs liens et le schéma
Regroupe en concepts les données de même type et connexion
Permet de découvrir de nouvelles classes
La méthode permet d'extraire la connaissance sous forme de règles d'association :
Explicites,
Indépendantes,
Relationnelles,
Sur données non étiquetées
L'outil est indépendant du domaine
La validation s'est faite sur deux cas d'étude
Il peut être pertinent pour différentes tâches de l'ingénierie de connaissance