Gestion de l'incertitude dans les systèmes de raisonnement à base de cas en utilisant la théorie des fonctions de croyance : Maintenance et évaluation

Handling uncertainty in case based reasoning under the belief function framework : maintenance and evaluation

• Auteur / Autrice : Safa Ben Ayed
• Direction : Éric Lefèvre, Zied Elouedi
• Type : Thèse de doctorat
• Discipline(s) : Génie Informatique et Automatique
• Date : Soutenance le 11/12/2020
• Etablissement(s) : Artois en cotutelle avec Université de Tunis. Institut supérieur de gestion (Tunisie)
• Ecole(s) doctorale(s) : École doctorale Sciences pour l'Ingénieur (Lille)
• Jury : Président / Présidente : Sylvain Lagrue
• Jury : Examinateurs / Examinatrices : Éric Lefèvre, Zied Elouedi, Sylvain Lagrue, Nahla Ben Amor
• Jury : Rapporteurs / Rapporteuses : Didier Coquin, Maria Rifqi

Mots clés

Mots clés contrôlés

Raisonnement par cas

Incertitude (théorie de l'information)

Apprentissage automatique

Théorie de Dempster-Shafer

Mots clés libres

Raisonnement à base de cas

Maintenance

Evaluation

Théorie des fonctions de croyance

Apprentissage automatique

Incertitude

Gestion des connaissances

Case based reasoning (CBR)

Maintenance

Evaluation

Belief function theory

Machine learning

Uncertainty

Knowledge management

Résumé

Les travaux de recherche, développés dans cette thèse, se placent dans le contexte du raisonnement à base decas (CBR), et plus précisément sur la maintenance et sur l'évaluation des performances de ce système tout en gérantl'incertitude. En effet, les connaissances dans ces systèmes se réfèrent à des situations réelles, qui ne sont jamaisexactes. Nous utilisons donc des outils et des techniques proposés dans le cadre de la théorie des fonctions de croyancepour gérer des connaissances partielles et peu fiables.Ce type de connaissances, ainsi que le bruit et la redondance, peuvent entraîner une diminution de la compétence ainsique la performance des systèmes CBR. En fait, l’estimation de la compétence de ces systèmes n’est pas évidente puisqu'elleest influencée par divers facteurs comme la taille de la base de cas (BC) et leur densité. Par conséquent, nous proposons,dans un premier temps, un nouveau modèle de compétence qui prend en compte ces facteurs pour l'évaluationde la compétence.Par ailleurs, pour conserver un système CBR de haute qualité, nous devons principalement maintenir ses conteneurs deconnaissances tels que la BC et le vocabulaire qui peuvent être limités à l'ensemble des attributs décrivant les cas. Nousproposons, alors, dans cette thèse, deux stratégies de maintenance dans le cadre de la théorie des fonctions decroyance, où la première vise à maintenir les BCs et la seconde concerne le maintien du vocabulaire. En outre, pour nepas être affecté par les données bruitées de chaque type de connaissance, la BC et le vocabulaire sont simultanémentmaintenus, dans la dernière partie de cette thèse, en utilisant une nouvelle méthode intégrée de maintenance.Nous mentionnons, enfin, que toutes les méthodes que nous proposons pour l’évaluation ou la maintenance peuventêtre appliquées lorsque des connaissances préalables sont disponibles auprès des experts. Par conséquent, nous construisonspour chaque méthode proposée une version contrainte qui exploite ces connaissances préalables, sous formede contraintes par paire, pour aider le processus automatique d'apprentissage.

Our research, in this thesis, are carried on the context of Case-Based Reasoning (CBR), more precisely, on itsmaintenance and evaluation with uncertainty management. Knowledge within such systems refer to real-world situations,which are never exact. Hence, we use tools and techniques offered in a theoretical framework based on the belieffunction theory to manage partial and unreliable knowledge.This type of knowledge along with noisiness and redundancy may cause a decreasing on CBR systems’ competence andperformance. Actually, the competence of such systems is hardly estimated since it is influenced by various factors likethe size of the Case Base (CB) and cases density that refers to problem space coverage. Therefore, we propose, a newcompetence model that takes into account such influencing factors for competence assessment.To conserve a high-quality CBR system, we need mainly to maintain its knowledge containers such as the CB and theVocabulary that may be restricted to the set of attributes describing cases. Hence, we propose, in this thesis, twomaintaining strategies under the belief function theory, where the first one consists in Case Base Maintenance (CBM)and the second one is about Vocabulary Maintenance. Besides, to be not affected by each others’ noisiness, CB andvocabulary are simultaneously maintained, in the last part of this thesis, using a new evidential and integrated maintenancemethod.We mention, finally, that all our proposed methods, for even evaluation or maintenance, may be applied where priorknowledge are available from the experts. Hence, we build for every proposed method a constrained version that exploitssuch background knowledge, in form of pairwise constraints, to aid the automatic learning process.