|
Génération et simplification de règles dans les graphes d'induction R. Rabaséda, D. A. Zighed E.R.I.C-Lyon Université Lumière Lyon 2 5, avenue P. Mendès-France 69676 Bron Cedex Tél : 33-4-78-77-23-20 Fax : 33-4-78-77-23-75 |
Abstract :
Parmi les techniques utilisées pour l'extraction automatique des connaissances, les processus arborescents et non arborescents occupent une place prépondérante. Les résultats de ces processus se présentent sous forme de graphes d'induction qui peuvent ensuite être re-exprimés par des règles de production analogues à celles utilisées en Intelligence Artificielle dans un système expert. Jusqu'à présent ont été proposés des algorithmes de génération automatique de règles, basés exclusivement sur des processus de décision arborescents. Dans le cadre de ce papier, est présenté un algorithme de génération automatique de règles, à partir de graphes d'induction, adapté aux processus arborescents et non arborescents. Cependant, réécrire un graphe comme une simple collection de règles engendre un certain nombre de problèmes. L'utilisation directe de ces règles, dans la base de connaissance d'un système expert n'est pas possible, et ce pour plusieurs raisons. D'une part les règles d'une base de connaissances sont des règles exclusivement conjonctives et non disjonctives-conjonctives comme celles issues d'un graphe d'induction. D'autre part, les données manipulés peuvent être de type numérique ou symbolique. Un même attribut peut donc apparaâtre plusieurs fois dans le graphe d'induction avec des valeurs d'intervalles différentes. Les règles peuvent alors comporter des informations redondantes, incohérentes... Dans l'algorithme de génération automatique de règles, nous proposons donc aussi une simplification et une optimisation des règles.
Key words : Apprentissage numérique, Graphe d'induction, Génération automatique de règles, Simplification et Optimisation de règles.