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 OpenAlexaboutno aff
Abdelhafid Dahhani

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0040,004
Études des sciences et des technologies0,0010,002
Communication savante0,0040,010
Science ouverte0,0010,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetKnowledge Management and TechnologyTravaux en français237 207