Détection et réparation des incohérences des données dans les bases de connaissances temporelles

Data inconsistency detection and repair over temporal knowledge bases

• Auteur / Autrice : Sabiha Tahrat
• Direction : Salima Benbernou
• Type : Thèse de doctorat
• Discipline(s) : Science des données
• Date : Soutenance le 23/11/2021
• Etablissement(s) : Université Paris Cité
• Ecole(s) doctorale(s) : École doctorale Informatique, télécommunications et électronique de Paris (1992-...)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'Informatique PAris DEscartes (Paris ; 1998)
• Jury : Président / Présidente : Daniela Grigori
• Jury : Examinateurs / Examinatrices : Alessandro Artale
• Jury : Rapporteurs / Rapporteuses : François Goasdoué, Farouk Toumani

Mots clés

Mots clés contrôlés

Bases de connaissances

Inconsistance (logique)

Mots clés libres

Gestion des incohérences

Données temporelles

Réparation des données

TDL

LTL

Inconsistency management

Temporal data

Data repair

TDL

LTL

Résumé

Cette thèse étudie la faisabilité du raisonnement automatique sur des bases de connaissances DL-Lite temporelles TDL-Lite. Dans la première partie, nous avons traduit les bases de connaissances exprimées en TDL-Lite en logique temporelle de première ordre et en logique temporelle linéaire LTL qui sont munies de raisonneurs temporels permettant de vérifier leur satisfiabilité. Nous avons réalisé diverses expériences pour analyser les performances et la robustesse des différents raisonneurs sur des scénarios jouets et sur des bases de connaissances TDL-Lite synthétiques de tailles variables. Par ailleurs, lors du traitement des bases de connaissances avec une composante Assertionnel ABox de grande taille, nous avons également proposé une approche d’abstraction des assertions temporelles afin d’améliorer la scalabilité du raisonnement. Nous avons mené plusieurs tests pour évaluer l’efficacité de l’abstraction en mesurant le gain en termes de nombre d’assertions et d’individus dans la ABox. En outre, nous avons mesuré le nouveau temps d’exécution de quelques raisonneurs sur de telles bases de connaissances résumées. Enfin, dans l’objectif de faire de l’utilisation des bases de connaissances en TDL-Lite une réalité, nous avons présenté un outil complet avec une interface graphique qui permet de les concevoir. Notre interface est basée sur des principes de modélisation conceptuelle et elle est intégrée à notre outil de traduction et aux différents raisonneurs temporels. En considérant la ABox comme source d’incohérence, nous avons, dans la deuxième partie de la thèse, traité le problème de gestion des données incohérentes dans les bases de connaissances en TDL-Lite. En effet, nous avons proposé une approche de réparation de la ABox. Il s’agit du premier travail sur la réparation appliquée aux bases de connaissances en logiques de description temporelles. Pour ce faire, nous avons d’abord détecté et localisé les assertions temporelles sources d’incohérence et nous avons ensuite proposé une réparationtemporelle de ces données. Pour la détection, nous avons proposé une traduction des bases de connaissances de TDL-Lite vers DL-Lite; ce qui a permis d’utiliser des raisonneurs de la logique de description hautement optimisés et capables d’apporter une explication précise de l’incohérence. A partir de l’explication obtenue, nous avons ensuite proposé une méthode pour calculer automatiquement la meilleure réparation temporelle en fonction: a) des prédicats rigides, invariants dans le temps, autorisés dans la définition de la base de connaissances et b) de l’ordre temporel des assertions.

We investigate the feasibility of automated reasoning over temporal DL-Lite (TDL-Lite) knowledge bases (KBs). We translate TDL-Lite KBs into a fragment of FO-logic and into LTL and apply off-the-shelf LTL and FO-based reasoners for checking the satisfiability. We conduct various experiments to analyse the runtime performance of different reasoners on toy scenarios and on randomly generated TDL-Lite KBs as well as the size of the LTL translation. To improve the reasoning performance when dealing with large ABoxes, our work also proposes an approach for abstracting temporal assertions in KBs. We run several experiments with this approach to assess the effectiveness of the technique by measuring the gain in terms of the size of the translation, the number of ABox assertions and individuals. We also measure the new runtime of some solvers on such abstracted KBs. Lastly, in an effort to make the usage of TDL-Lite KBs a reality, we present a fully-fledged tool with a graphical interface to design them. Our interface is based on conceptual modeling principles, and it is integrated with our translation tool and a temporal reasoner. In this thesis, we also address the problem of handling inconsistent data in Temporal Description Logic (TDL) knowledge bases. Considering the data part of the knowledge base as the source of inconsistency over time, we propose an ABox repair approach. This is the first work handling the repair in TDL Knowledge bases. To do so, our goal is two folds: 1) detect temporal inconsistencies and 2) propose a data temporal repair. For the inconsistency detection, we propose a reduction approach from TDL to DL which allows to provide a tight NP-complete upper bound for TDL concept satisfiability and to use highly optimized DL reasoners that can bring precise explanation (the set of inconsistent data assertions). Thereafter, from the obtained explanation, we propose a method for automatically computing the best repair in the temporal setting based on the allowed rigid predicates and the time order of assertions.