J'ai le plaisir de vous inviter à la soutenance de ma thèse intitulée
"Fusion multi-sources d'informations de haut niveau : Introduction de
connaissances sémantiques pour la gestion des incohérences"
ainsi qu'au pot qui suivra, le 4 juin à 14h00 dans l'amphi Herpin du
Bâtiment Esclangon à Jussieu.
Claire
Composition du jury :
Jean-Gabriel Ganascia - LIP6 (Directeur de thèse)
Juliette Mattioli - THALES (Encadrante)
Marie-Laure Mugnier - LIRMM (Rapporteur)
Eloi Bossé - DRDC (Rapporteur)
Patrick Galiinari - LIP6 (Examinateur)
Célestin Sedogbo - THALES (Examinateur)
Résumé de la thèse :
Un enjeu majeur des systèmes d'aide à la décision est d'automatiser le
pré-traitement des informations provenant de diverses sources, afin d'en
faciliter l'accès. L'objectif de notre travail est la reconnaissance
d'occurrences de situations particulières, à partir d'observations issues
de plusieurs sources. Dans le processus global de fusion d'informations
pour la reconnaissance de situations, nous nous intéressons en particulier
à trois étapes.
D'abord, les situations que l'on souhaite reconnaître sont modélisées à
l'aide du formalisme des graphes conceptuels. Nous bénéficions ainsi des
travaux théoriques réalisés sur ce formalisme.
Ensuite, l'identification des observations compatibles permet de vérifier
que deux observations correspondent à la même situation, avant de tenter
de les combiner. Cette identification repose sur l'utilisation de mesures
de similarité de graphes adaptables à un domaine d'application spécifique.
Enfin, la fusion d'informations repose sur l'utilisation de l'opération de
jointure maximale sur les graphes conceptuels. Afin de permettre de
fusionner des informations qui ne sont pas complètement identiques, nous
relaxons les contraintes d'égalité des valeurs de deux nœuds concepts.
La validation de notre travail se divise en deux phases. D'abord, nous
mettons en évidence la validité de notre approche ainsi que l'importance
d'injecter de la connaissance métier à l'intérieur du processus de fusion.
Pour ce faire, nous utilisons notre plate-forme de fusion dans le cadre
d'un système de recommandation de programmes télévisés.
Ensuite, nous validons la généricité et l'adaptabilité de notre approche
en utilisant la plate-forme de fusion sur quatre applications
supplémentaires
Abstract :
A major stake of future decision support systems is to automate the
processing of pieces of information coming from different sources in order
to ease their understanding. The aim of our work is to recognize specific
predefined situations from the observations gathered on different sources.
Within the global information fusion process for situation recognition, we
focus on three steps.
First, the situations that must be recognized are represented using the
conceptual graphs formalism. Using conceptual graphs allow us to take
advantage of the theoretical studies that were achieved on this model.
Then, compatible observation identification allows checking whether two
observations relate to the same situation before any attempt to fuse them.
The identification step relies on the use of domain adaptable similarity
measures between conceptual graphs.Finally, the information fusion process
proposed relies on the use of the maximal join operation on conceptual
graphs. In order to fuse observations that are not exactly identical, we
introduce domain knowledge inside the maximal join operation and relax the
constraint of strict equality between the values of the concepts nodes of
the graphs
The validation of our work emphasizes on two aspects. First, we validate
the validity of our approach and the usefulness of introducing domain
knowledge inside the fusion process. To do so, the fusion platform
developed during this thesis was used within a TV program recommendation
system.
Then, we validated the genericity of our approach and the adaptability of
the fusion platform to new application domains by using the fusion
platform within four other case studies.
