MétaCan
Menu
Retour à la cohorte

Exploitation de l'isomorphisme de graphes et de l'alignement d'ontologies pour enrichir les objets logiciels de connaissances sémantiques : Application aux objets sages.

2023· dissertation· W7152240137 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

Revuenon disponible
Typedissertation
Langue
DomaineDecision Sciences
ThématiqueKnowledge Management and Technology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésObject (grammar)Research Object

Résumé

récupéré en direct d'OpenAlex

Cette thèse aborde l'intégration de l'intelligence artificielle dans le monde réel, tout en respectant le concept de la technologie calme. À cette fin, le « Wise Object Framework » qui est basé sur la boucle MAPE-K, et son dérivé IAPE-K a été créé au sein du laboratoire LISTIC. La boucle IAPE-K signifie : Introspecter, Analyser, Planifier et Exécuter, sur la base des connaissances partagées.Fondamentalement, les « Wise Object » sont des entités logicielles qui apprennent à se comporter par elles-mêmes grâce à des mécanismes d'introspection et de réflexivité pour enrichir leurs connaissances sur elle-même. Ces connaissances sont organisées sous la forme d'un graphe et représentent le comportement des « Wise Object ». Cependant, ce graphe manque d'informations sémantiques significatives, ce qui empêche les « Wise Object » de communiquer sémantiquement avec les humains. L'approche proposée pour enrichir ce graphe de connaissances avec de la sémantique peut être mise en œuvre comme un plug-in dans le Wise Object Framework, car ce dernier respecte le principe de modularité et de séparation des préoccupations. Pour résoudre ce problème et permettre aux « Wise Object » de communiquer avec les humains, j'ai proposé un algorithme de correspondance entre le graphe de connaissances générées par le WO, et le formalisme appelé systèmes de transition symbolique d'entrée/sortie, qui représente le comportement sémantique d'une application. Ce formalisme est utilisé pendant la phase de conception du logiciel pour exprimer son comportement de manière sémantique. L'algorithme étend le graphe de connaissances généré par le « Wise Object » avec la sémantique humaine portée par le formalisme. Ce formalisme étant également représenté par un graphe, l'algorithme consiste en la mise en correspondance des deux graphes. L'une des principales limites de la première version de l'algorithme est le nombre multiple d'appariements obtenus. Cela rend le « Wise Object » confus et l'empêche de choisir la bonne sémantique pour communiquer avec l'humain. Je propose donc un second algorithme, qui étend le premier, en prenant en compte la sémantique disponible dans les deux graphes pour raffiner la mise en correspondance.Au cours de ma thèse, j'ai pu mettre en place une collaboration entre le laboratoire DOMUS de l'Université de Sherbrooke et le laboratoire LISTIC de l'Université Savoie Mont Blanc. Au cours de cette collaboration, j'ai travaillé avec DOMUS sur le problème inverse, la communication homme vers machine. Dans le contexte du maintien des personnes à domicile, le problème consiste à trouver tous les capteurs/effecteurs qui sont responsables d'aider une personne âgée à effectuer une activité telle que « Pauline gets out of bed, Pauline takes a glass of water ». Cette activité est décrite par les aidants/proches sous la forme d'une requête vocale transmise à la maison intelligente. Ce problème me conduit à l'alignement de l'ontologie dans le contexte des systèmes d'assistance à l'autonomie.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,006
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,450
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,006
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0030,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,136
Tête enseignante GPT0,437
Écart entre enseignants0,300 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetKnowledge Management and TechnologyTravaux en français237 207