sites.google.com/site/latifadekhici

Transcription

1 sites.google.com/site/latifadekhici

2 Plan Représentation des connaissances Extraction des connaissances

3 Représentation des connaissances

4 Types Logique Réseaux sémantiques et Frames

5 Logique, définition un système formel possédant: sa syntaxe(les expressions autorisées), sa sémantique(ce qu'elles signifient) et sa théorie de preuve

6 Logique propositionnelle des symbolespour représenter des faits ; des connecteurslogiques:,,, et. R veut dire "il pleut" (0 ordre) U est "Je prends mon parapluie", R U : S'il pleut, alors je prends mon parapluie.

7 Logique de prédicats (premier ordre) des prédicatset des quantifieurs. mother(jane, Lucy) child(lucy, Jane) x,y (mother(x,y) child(y,x)) y ( x mother(x,y))

8 Frames et réseaux sémantiques Ils Sont une façon similaire aux objets en programmation orientée objet. Une classeest la représentation d'un concept une sous-classeest une classe qui hérite de toutes les caractéristiques d'une classe parente, une instance est un membre particulier d'une (sous- )classe. Les relationspeuvent être de type sous-classe, instance, ou n'importe quelle autre relation.

9 Réseaux sémantiques

10 Frames Un mode textuel pour décrire

11 Recherche web Utilité i vous cherchez «chat» dans Google image vous pouvez obtenir «siamois» comme résultat

12 Exercices Soit le réseau sémantique (RS): Représenter la partie encadrée par la logique du premier ordre. Selon le RS est-ce qu un singe peut être atteint par une maladie d otite? Pourquoi?

13 Exercice Construire un réseau sémantique qui décrit les concept suivant: Fruit, aliment, mange, humain, légume, légume sec, orange, viande, volaille, Leila, pois chiche, carotte.

14 Exercice Mettre en logique des prédicats: Toutes les fêtes nationales sont liées à un pays.

15 Le quel n est pas un formalisme de représentation de connaissances 1. Les frames 2. La fouille de connaissance 3. La logique Exercice Rep: 2

16 Que signifie Ontologie? Web sémantique? Travail à faire

17 Extraction des connaissances sites.google.com/site/latifadekhici

18 L exploration de données =fouille de données =forage de données = prospection de données =data mining Synonymes =extraction de connaissances

19 a pour objet l extraction d'unsavoirou d'une connaissance (décision, découverte ) à partir de grandes quantités dedonnées (bases de données hétérogènes, textes, web ) par des méthodes automatiques ou semiautomatiques pour un but opérationnel Définition

20 Définition 2 l'analyse de bases de données (souvent très grandes) afin de découvrir des relations insoupçonnéeset de résumer les données d'une manière à la fois compréhensible et utile [Hand et al., 2001]

21 Web mining Text mining Image mining Multi media mining Types

22 Carrefour BDD Représentation des connaissances Datamining Aide à la décision Statistique Recherche opérationnelle

23 Aujourd hui, autres branches

24 Etapes (détails)

25 Etapes

26 Marketing Web Documents Médecine Banque et assurance Police Applications

27 Marketing,commerce On ne veut plus seulement savoir: «Combien de clients ont acheté tel produit pendant telle période?» Mais: «Quel est leur profil?» «Quels autres produits les intéresseront?» «Quand seront-ils intéressés?»

28 Marketing produit quantité date prix.. BDD article nombre date total.. stat Achat confiture + achat café Achat beurre décision Réduire prix de confiture et augmenter le prix du beurre

29 Médecine malade Date de naissance région traitements maladies Plats préférés BDD patient age disease medcines foods. stat décision Un des facteurs du cancer est la consommation abusive du poivre et d huile

30 Médecine Le traitement par certains collyres chez la femme enceinte peut entrainer des taches sur les dents de son futur enfant après l âge de 6 ans. Donner une cuillère de miel à un nouveau-né peut lui causer le diabète vers 12 ans.

31 Classification des documents textes CV de formats différents Représentation Fichier xml pour uniformiser les cv (sections) des connaissances stat Statistiques et évaluations décision Sélection d un candidat

32 Détection de spam Mailing

33 Web Classification Contrôle parental (filtrage)

34 Police data mining Détecter la signature d un criminel Toutes ses victimes portaient des lunetteset avaient des voitures grises Découvrir l identité réelle d une personne par son compte Facebook Exp: data detective

35 Réseaux de neurones Arbres de décision Techniques

36 Logiciels

37 Exercice Que signifie ces abréviations? 1. IA 2. RF 3. BDD