La formation dynamique dune base de connaissance dans SYNERGY

Adil KABBAJ, Hamid ER-REMLI et Khadda MOUSAID INSEA, Rabat, Maroc, B.P. 6217 Fax : (212) 7 77 94 57 e-mail : akabbaj@insea.ac.ma http : www.insea.ac.ma/AdilKABBAJ.htm

Rsum. Cet article prsente les derniers dveloppements du modle de formation dynamique dune base de connaissance (BC) base sur lintgration. Le modle est prsent une composante importante de lenvironnement de programmation SYNERGY. Le processus dintgration reoit en entre un flux continu de structures conceptuelles et construit de faon incrmentale et non-supervise une BC qui correspond un graphe de gnralisation htrogne. Une structure conceptuelle peut tre la dfinition d'un type de concept, la description dune instance, la description d'une situation et enfin la description d'un synonyme pour un type de concept. Les structures conceptuelles sont reprsentes avec le formalisme des graphes conceptuels. A linstar de la classification, lapproche base sur lintgration est concerne par le stockage, la recherche et lutilisation de la connaissance contenue dans la BC. Les deux diffrent toutefois par le type dinformation intgrer, lopration dintgration et la stratgie dintgration utilise. Thmes. Systmes Base de Connaissance, Raisonnement, Apprentissage.

1. Introduction Cet article prsente une approche particulire de la classification ([Haton et al., 90], [Woods, 91], [MacGregor, 91], [Woods and Schmolze, 92], [Ellis, 93]). Lapproche, appele formation dune BC par intgration, est concerne par la formation automatique, incrmentale et non-supervise dune base de connaissance (BC) compose de diffrents types dinformation comme la hirarchie des concepts, la dfinition des concepts, la description des instances et les situations (ou schmas). Comme la plupart des algorithmes de classification, la formation dune BC par intgration cre et dveloppe un graphe de gnralisation et est concerne par le stockage, la recherche et lutilisation de la connaissance contenue dans la BC. Elle se caractrise toutefois par les points suivants : 1. Diffrents types dinformation intgrer dans la BC : la formation par intgration concerne une BC htrogne ; une nouvelle structure conceptuelle intgrer peut correspondre la dfinition d'un type de concept, la description dune instance, la description d'une situation (particulire ou gnrale) et enfin la description d'un synonyme pour un type de concept. 2. Lopration de comparaison : alors que la plupart des algorithmes de classification utilisent lopration de subsomption structurale [Woods, 91], la formation par intgration utilise une opration plus gnrale qui tient compte des niveaux structural et smantique des structures comparer et qui tient compte galement des diffrents cas de figure qui peuvent rsulter de la comparaison (la nouvelle structure

peut tre plus gnral que, identique , plus spcifique que, partage des lments en commun avec ou na rien en commun avec une structure existante dans la BC). 3. La stratgie dintgration : diffrentes stratgies ont t proposes pour la classification [Ellis, 93]. Comme nous le montrons dans le prsent article, la formation par intgration utilise une stratgie qui lui est propre. Par ailleurs, la formation dune BC par intgration est caractrise par le fait quelle tienne compte de la notion de pertinence (certains lments dune structure conceptuelle sont plus important que dautres) et quelle utilise une forme de compression et dexplicitation des connaissances. Cet article prsente les derniers dveloppements concernant le processus de formation par intgration dune BC. Une premire formulation est fournie dans ([Kabbaj et Frasson, 93], [Kabbaj, 95]) et ensuite dans [Kabbaj, 96]. Actuellement, ce processus de formation dynamique dune BC est intgr comme une composante de lenvironnement de programmation SYNERGY [Kabbaj, 96, 99]. Par ailleurs, son intgration au langage PROLOG+CG [Kabbaj, 96, 2000] (voir aussi www.insea.ac.ma/CGTools/PROLOG+CG.htm ) est en cours. L'article est organis comme suit : la section 2 prsente brivement le formalisme des graphes conceptuels qui est utilis pour reprsenter aussi bien les diffrents types de structures conceptuelles que la BC elle mme, la section 3 introduit lorganisation de la BC ainsi que les diffrents types de structures conceptuelles que le processus d'intgration et de formation est capable de traiter, la section 4 dcrit le processus d'intgration, les sections 5 et 6 fournissent deux exemples qui illustrent certains aspects du processus de formation. La section 7 conclut l'article et prsente les grandes lignes des travaux futurs envisags. 2. Le formalisme des graphes conceptuels (GC) Le formalisme des graphes conceptuels (GC) est prsent par John Sowa comme un fondement logique des rseaux smantiques [Sowa, 8 99]. En effet, Sowa propose une 4, logique des GC, fonde sur l'algbre relationnelle et la logique des graphes existentiels de Ch. Peirce [Sowa, 84, 99]. Il a montr galement l'quivalence de la logique des GC avec la logique des prdicats et la correspondance avec KIF (Knowledge Interchange Format) [Sowa, 84, 99]. Un Graphe Conceptuel (GC) est un ensemble de concepts connects par des relations n adiques. Un concept est une spcification type d'un rfrent : [Type : Referent] (i.e. [Femme : Fatiha]) et un rfrent peut dsigner une instance particulire, une variable, un ensemble ou un GC (d'o la possibilit d'avoir une imbrication de GCs). Par ailleurs, un ordre partiel de gnralisation est dfini sur l'ensemble des types des concepts, formant ainsi la hirarchie des types de concepts. La figure 1 montre le GC qui reprsente la proposition "la femme Valerie, qui est marie Jo, aime l'homme Andre, un ami de Jo".
AIMER agent Objet HOMME : Andre AmiDe HOMME: Jo epouseDe

FEMME : Valerie

Figure 1 : Exemple d'un GC

Une formulation textuelle et linaire du GC de la figure 1 peut tre comme suit :

[AIMER]-objet[HOMME : Andre]-amiDe[HOMME : Jo], -agent[FEMME : Valerie]epouseDe-[HOMME : Jo].

Parmi les oprations dfinies sur les GC, citons la jointure maximale (produire un GC qui fusionne l'information contenue dans les deux GC en entre), la gnralisation minimale (produire un GC qui contient l'information commune aux deux GC en entre), la subsomption (vrifier si un GC est plus gnral qu'un autre GC) et la contraction (contracter un GC d'un autre GC). Voir [Kabbaj, 96] pour plus de dtail sur les oprations sur les GC et [Sowa, 84, 99] sur la thorie des GC en gnral. 3. Organisation de la base de connaissance et la nature de l'information intgrer Une information intgrer dans une BC peut tre une dfinition partielle d'un type (comme "Homme est un Humain") ou une dfinition complte ("Homme est un Humain avec sexe masculin"), la description partielle dune instance ("Hamid est un Homme") ou la description complte dune instance ("Hamid est un Homme qui mesure 1.80, qui a des cheveux noir fris "), la description d'une situation particulire ("Ce matin, Hamid est sorti en courant de sa maison") ou une situation gnrale ("Une maman croit que si son bb pleur alors il a faim et il faut lui donner un biberon") et enfin la description d'un synonyme pour un type de concept ("Rseau associatif est un synonyme de rseau smantique"). Nous tenons compte de la synonymie parce que la source de linformation peut tre diffrente ; une description peut contenir le concept [ESCARGOT] alors quune autre description pourrait contenir le concept [LIMACON]. Lopration de comparaison peut utiliser le fait que les deux types sont des synonymes pour ressortir les similitudes entre les deux descriptions et relier les descriptions qui concernent en fait le mme type, dsign par des identificateurs diffrents. La figure 2 montre lorganisation gnrale de la BC qui contiendra de telles structures conceptuelles. Malgr le changement continu de la BC (suite lintgration de nouvelles information), cette dernire garde toujours la mme organisation.
Type sp sta inst Type Situation sp Type sp Situation Instance sta Situation

syn Synonymes

Figure 2 : Organisation gnrale dune BC Comme le montre la figure 2, la BC est un graphe conceptuel (GC) compos de quatre types de concepts et quatre types de relations dyadiques (dans notre travail, on

nutilise que des relations dyadiques et au lieu de les encadrer par des ronds, ce qui encombre le diagramme, on les reprsente comme des tiquettes associes aux arcs) : Les quatre types de concepts sont des contextes ; le rfrent est dcrit par un GC: [Type] : reprsente la spcification dun type de concept, avec ou sans sa dfinition. Exemple : [HOMME] ou [HOMME :_x =
[HUMAIN :super]-attr[Sexe = masculin] ].

[Instance] : reprsente la spcification dune instance, avec ou sans sa description. Exemple : [HOMME : Hamid] ou
[HOMME : Hamid = [HUMAIN : Hamid]-attr[Hauteur = 1.80] ]

[Situation] : reprsente la description dune situation. Exemple :

[SITUATION = [HOMME : Hamid]agent-[SORTIR]-lieu[MAISON]-poss[HOMME : Hamid], -manr[COURANT], -temps[MATIN]partieDe-[JOUR = (20,02,20)] ]

[Synonymes] : reprsente la liste de synonymes quun type peut avoir. Exemple : [SYNONYMES = (LIMACON, COLIMACON)] Les quatre types de relations : spcialisation (sp) : [Type1]-sp[Type2] ; Type2 est une spcialisation de Type1. Exemple : [HUMAIN]-sp[HOMME] . Un type de concept peut avoir plusieurs spcialisations, cest ce que dsigne la boucle autour du lien sp dans la figure 2. Par ailleurs, une situation peut tre spcialise par une ou plusieurs autres situations. Exemple :
[SITUATION = [CADRE]-poss[VEHICULE] ]-sp [SITUATION = [CADRE]-poss[VOITURE]-chrc[LUXUEUSE] ] instantiation (inst) : [Type1]-inst[Type1 : IdInst] ; le concept [Type1 : IdInst] spcifie une instance du type Type1. Exemple : [HOMME]-inst[HOMME : Hamid] .

Un type de concept peut avoir plusieurs instances. situation (sta) : [Type]-sta[SITUATION] ; le concept [SITUATION] spcifie une situation dans laquelle le type de concept Type est utilis. Exemple :
[HUMAIN]-sta[SITUATION = [HUMAIN]agent-[AIMER]-obj[ARGENT] ] .

Un type de concept peut avoir plusieurs situations qui illustrent son utilisation. La relation sta peut lier aussi une instance une situation et une instance peut avoir plusieurs situations qui lillustrent. synonymie (syn) : [Type]-syn[SYNONYMES : Liste_Types] ; le concept [SYNONYMES : Liste_Types] spcifie les synonymes du type Type. Exemple :
[ESCARGOT]-syn[ SYNONYMES : (LIMACON, COLIMACON)] .

4. Le processus de formation dynamique dune BC Le traitement effectu par le processus de formation dpend de la nature de linformation intgrer : Intgration dune dclaration de synonymie : Type1 est_synonyme_de Type2. Exemple : LIMACON est_synonyme_de ESCARGOT. Lintgration consiste dans ce cas ajouter Type2 (pour notre exemple : LIMACON) la liste des synonymes pour le type Type1 ( ESCARGOT) (sil ny est pas dj). Si cest le premier synonyme, le concept [SYNONYMES] est cre et est reli au concept [Type1] ([ESCARGOT]) par le lien syn. Intgration dune dclaration dinstance : InstId est_une_instance_de Type. Exemple : Hamid est_une_instance_de HOMME. Lintgration consiste

ajouter dans la BC le concept [Type : InstId] ([HOMME : Hamid]) et le relier au concept [Type] ([HOMME]) par le lien inst. Intgration dune description dinstance : InstId est_une_instance_de Type avec_description GC. Si le concept [Type : InstId] nexiste pas dj, il sera cre et ajout dans la BC : [Type : InstId = GC]. Sil existe dj et il na pas de description, le concept est alors mis jour en lui ajoutant sa description. Sil a dj une description, une jointure de cette dernire avec la nouvelle description est alors effectue. Intgration dune dfinition partielle dun type de concept : Type1 est_un Type2. Exemple : HOMME est_un HUMAIN. Lintgration consiste dans ce cas ajouter un nouveau concept [Type1] ([HOMME]) et le relier au concept [Type2] ([HUMAIN]) par le lien sp. Intgration dune dfinition complte dun type de concept et dune situation : lintgration se fait dans ce cas en trois tapes : a) explicitation de la description afin de la prciser le plus possible, b) spcification des lments pertinents dans la description et c) propagation de la description dans la BC, partir des lments pertinents. La propagation permettra dtablir les rapports entre la nouvelle structure et les structures existantes dans l BC qui sont indexes, directement ou non, par les a lments pertinents. Nous allons dcrire maintenant ces trois tapes.

Explicitation dune dfinition ou dune situation Le but de cette opration est de fournir la formulation la plus prcise de la structure conceptuelle en entre (dfinition ou situation), conformment au contenu courant de la BC. En particulier, lexplicitation est une opration itrative qui vrifie chaque itration si la structure contient la dfinition dun type T, dfinition qui existe dj dans la BC. Si cest le cas, lopration dexplicitation remplace le super-type correspondant par le type T ; elle rend explicite lutilisation du type T dans la formulation de la structure en entre. En plus, les parties de la structure qui correspondent la dfinition du type T sont colories afin de montrer lutilisateur ce qui devrait tre limine, priori. Lopration dexplicitation ne contracte pas automatiquement la dfinition du type T car lutilisateur peut juger que certains lments de cette dfinition sont pertinents pour la suite (pour dtecter ventuellement des similitudes avec dautres structures). Lopration dexplicitation est itrative afin de pouvoir identifier la prsence dune dfinition qui se base sur lidentification pralable dautres dfinitions. Exemple : supposons quon ait dans la BC les deux dfinitions suivantes : Plican est un oiseau qui a un grand bec et qui mange du poisson, Plicaniste est un scientifique qui tudie le comportement de plican. Supposons maintenant que la situation intgrer soit : le scientifique qui tudie le comportement doiseau qui a un grand bec et qui mange du poisson travaille dur. Lopration dexplicitation ne peut identifier ce stade la prsence de la dfinition du type Plicaniste, mais elle peut identifier celle de Plican. Lopration rend alors la description de la situation plus explicite en remplaant le type oiseau par plican : : le scientifique qui tudie le comportement de plican . A prsent, lexplicitation est en mesure didentifier la dfinition de Plicaniste ; la situation est explicite davantage en remplaant le type scientifique par plicaniste. Si les dfinitions ainsi identifies sont limines, la situation est compresse et devient : le plicaniste travaille dur. Cest cette dernire description qui serait alors intgre dans la BC.

Ainsi, lopration dexplicitation rend lopration de comparaison sensible aux niveaux structural et smantique des deux structures comparer. Enfin, notons que lopration dexplicitation peut infrer la synonymie de deux types si la nouvelle structure correspond la dfinition dun type et il existe dj dans la BC une dfinition identique mais pour un type diffrent. Par exemple, si lutilisateur donne cette dfinition intgrer : rseau associatif est un graphe de concepts utilis pour reprsenter une structure conceptuelle et si la BC contient cette autre dfinition : rseau smantique est un graphe de concepts utilis pour reprsenter une structure conceptuelle, alors lexplicitation va constater que les deux types reseau_associatif et reseau_semantique sont des synonymes. Spcification des lments pertinents Aprs lexplicitation, lutilisateur est sollicit pour indiquer les concepts quil juge pertinents pour la structure intgrer. Du point de vue oprationnel, si un concept est pertinent dans une description, alors cette dernire devrait tre compare aux descriptions qui sont dj indexes par ce concept dans la BC. Comme le montre la prochaine section, la propagation dans la BC dune nouvelle dfinition ou situation est base sur cette interprtation. Intgration dune dfinition ou situation Pour chaque concept pertinent Cp de la structure S intgrer (dfinition ou situation), le processus dintgration tente de localiser, dans la BC, le concept Cs qui le spcifie (si par exemple, le concept [HOMME] est pertinent, le processus localise dans la BC le concept [HOMME] qui spcifie/dfini le type HOMME) et propage ensuite, via les liens sp et sta, la nouvelle structure S aux fils du concept ainsi localis. La figure 3 schmatise ce traitement.

Ca Ca Cb Cc Cc S S S S S Cb

La nouvelle structure S et ses concepts pertinents

Une partie de la BC

Figure 3 : Propagation de S via les concepts pertinents A cause de la propagation multiple de la structure S (via diffrents concepts et chemins), S peut atteindre plusieurs fois un mme concept N de la BC. Lopration de comparaison est applique une seule fois sur S et le contenu de N, afin de dterminer le rapport entre les deux. Le rsultat de la comparaison est ensuite mmoris afin quil soit utilis lorsque S atteint de nouveau le concept N. Considrons maintenant la premire rencontre de S (une dfinition ou une situation) avec N (une dfinition ou une situation) et le rsultat de leur comparaison (figure 4 schmatise cette situation) :

S N N

S N S S N

(a) S subsume N

(b) S est plus spcifique que N (c) S et N ont G en commun

Figure 4 : 3 cas possibles (parmi les 5) suite la comparaison de S et N Si S subsume N (i.e. S est plus gnrale que N) alors S est place entre N et son pre C, comme le montre la figure 4.a. En plus, si S est une dfinition alors cette dernire est contracte de la description de N et ventuellement de certains descendants de N (si N est une situation). Par exemple, supposons quon ait intgrer la situation S1 suivante :
>> [Situation = [Scientifique]agnt[Etudier]obj[Pelican], agnt[Travailler]manr[Dur] ] pertinents : [Scientifique] et [Pelican]. Cette situation est

avec comme concepts intgre comme le montre la figure 5.b. Supposons maintenant quon ait intgrer une autre situation S2 :

>> [Situation = [Scientifique]agnt[Etudier]obj[Pelican]attr[Asiatique], agnt[Travailler]manr[Dur] ] avec comme concepts pertinents : [Scientifique] et [Pelican]. Propage via les concepts [Scientifique] et [Pelican],

S2 sera compare S1 et on constatera que S2 est plus spcifique que S1. Elle sera alors place comme fils de S1 (figure 5.c). Supposons maintenant quon ait intgrer la dfinition S3 suivante : >> [Pelicaniste :_x = [Scientifique : super]agnt[Etudier]obj[Pelican] ] avec [Pelican] comme concept pertinent. Le concept-super (i.e. [Scientifique : super]) est considr par dfaut comme un concept pertinent. Nous avons donc deux concepts pertinents. La propagation de cette dfinition S3 via le concept [Scientifique] conduira sa comparaison avec S1. Puisque S3 subsume S1, elle sera place comme indique dans figure 5.d et elle sera contracte non seulement de S1 mais aussi de ses descendants, dans notre cas : S2. La description de S1 devient donc :
[Situation = [Pelicaniste] agnt[Travailler]manr[Dur] ],

et la situation S2 devient aussi :

[Situation = [Pelicaniste]agnt[Etudier]obj[Pelican]attr[Asiatique], agnt[Travailler]manr[Dur] ]

La propagation de la dfinition S3 via le concept [Pelican] conduira galement la comparaison de S3 avec S1. Mais puisqu'elle a t dj effectue, le processus d'intgration va adopter le rsultat prcdent et effectuera uniquement la mise jour des liens, comme le montre la figure 5.e.
Scientifique Pelican Scientifique Pelican

(a) avant l'intgration de S1

sta

sta

(b)

Situation : S1 =

Scientifique

Pelican

Scientifique sp

Pelican

Scientifique sp

Pelican sta

sta

sta Pelicaniste sta Pelicaniste sta

Situation : S1 = sta sp Situation : S1 = Situation : S1 = sp

(c)

Situation : S2 =

sp

(d)

Situation : S2 =

(e)

Situation : S2 =

Figure 5: Intgration incrmentale de S1, S2 et S3 Si S est plus spcifique que N alors S est propage, via les liens sp ou sta, aux fils de N (comme le montre la figure 4.b). Si S est gale N alors il y aura fusion des deux concepts : S et N vont tre reprsents par un mme concept et ce dernier sera li aux relations qui taient connectes aux deux concepts. Certains cas particuliers sont considrer. Par exemple, si N reprsente une situation et S correspond une dfinition, alors N (la situation) est r-interprte comme une dfinition et cette dernire sera contracte des descendants de N. Si S et N ont une information commune G (i.e. un sous-graphe), autre que le pre commun C (figure 4.c), alors un concept de type Situation sera cre avec G comme valeur et il sera plac comme indiqu par la figure 4.c. Si S et N ont seulement le concept C en commun, alors aucun traitement nest effectu.

Le dtail du processus dintgration (incluant la gestion des relations) est fourni dans [Kabbaj, 96] et [Er-remli and Mousaid, 98]. 5. Exemple 1 Cet exemple montre le processus dintgration en action, exploit dans le contexte de lenvironnement SYNERGY. La figure 6 montre une application Synergy (syner1) qui contient une base de connaissance (BC) appele Mmoire. En fait, la BC est considre comme un concept ([Mmoire]) dont le contenu est reprsent par la valeur du concept en question. Le contenu de la BC (i.e. le contenu du concept [Mmoire]) est montr dans la seconde fentre (figure 6). On suppose que la BC est vide ; elle contient uniquement le concept [Universal]. La premire information intgrer est de spcifier que le type Objet est une spcialisation de Universal (comme le montre la fentre de dialogue dans figure 6). La mme spcification est effectue pour les types Vie et Intelligence. Le rsultat de ces trois intgrations est montr dans la fentre gauche de la figure 7. Intgrons prsent la dfinition de Humain (cest un objet qui possde de la vie et de lintelligence, figure 7). Tous les concepts qui figurent dans sa dfinition sont marqus comme pertinents. La dfinition sera donc propage via les concepts correspondants dans la BC (i.e. via les concepts pour les types Objet, Vie et Intelligence Figure 7).

Figure 6 : BC vide et intgration du type Objet

Figure 7 : BC aprs lintgration des types Objet, Vie et Intelligence et saisie de la dfinition du type Humain Le rsultat de lintgration de la dfinition du type Humain est reprsent dans la fentre gauche de la figure 8. Notons la nature de lindexation ; Humain est une spcialisation de Objet mais pour Vie et Intelligence, sa dfinition illustre seulement leur utilisation. Intgrons maintenant la dfinition du type Vgtale (cest un objet qui possde de la vie mais qui est dpourvu dintelligence, figure 8). Comme le montre la fentre droite de la figure 8, tous les concepts composant la dfinition du type 'Vgtale' sont marqus comme pertinents.

Figure 8 : Rsultat de lintgration du type Humain et la saisie de la dfinition du type Vgtale

Puisque le concept [Objet : super] est pertinent pour la dfinition du type Vgtale, cette dernire sera propage, via le concept [Objet] qui est contenu dans la BC, aux structures indexes par [Objet], en loccurrence vers la dfinition du type Humain. La comparaison des deux dfinitions montrent quelles ont une information commune ([Objet :super]poss[Vie]). Le processus dintgration va donc crer un concept o il mettra cette gnralisation. Le nouveau concept indexe prsent les deux dfinitions comme indique dans la figure 9 (le contenu du nouveau concept est montr dans une des fentres droites de la figure 9). Enfin, notons que la dfinition de Vgtale sera propage galement via les concepts [Vie] et [Intelligence] et impliquera uniquement une mise jour de certaines relations (figure 9). Figure 9 montre galement le rsultat de lintgration dune nouvelle situation sitIA : lintelligence artificielle tudie lintelligence avec [Intelligence] comme concept pertinent. La situation est donc compare aux structures indexes par le concept [Intelligence] ; en loccurrence les dfinitions de Humain et Vgtale. Elle na rien en commun avec les deux, except le concept [Intelligence]. Do son intgration comme indique dans la figure 9 ; comme une nouvelle situation illustrant le concept [Intelligence].

Figure 9 : Rsultat de lintgration de la dfinition de Vgtale et de la situation sitIA Considrons maintenant lintgration de la dfinition du type Vivant : [Objet :super]poss[Vie :super]. Les deux concepts sont pertinents. La propagation de cette dfinition via le concept [Objet] conduira sa comparaison avec la situation [Situation = [Objet :super]poss[Vie :super]] et la constatation de lidentit des deux descriptions. La situation est donc fusionne avec la dfinition du type Vivant et en plus, les structures qui taient indexes sous la situation en question (les dfinitions de Humain et Vgtale) sont examines la lumire de cette fusion. En particulier, la dfinition de Vivant, qui indexe prsent les deux dfinitions, est contracte de ces dernires (figure 10). 6. Exemple 2 Cet exemple fournit un extrait dune application qui concerne des informations sur les peintres et leur peintures [Er-remli and Mousaid, 98]. Contrairement lexemple prcdent, elle illustre lintgration dinstances et de situations les concernant. Supposons que la BC contienne dj linformation suivante : Peintre est une spcialisation de Artiste et lindividu Renoir est une instance de Peintre (figure 11.a).

Figure 10 : rsultat de lintgration de la dfinition de Vivant Intgrons maintenant une situation qui concerne Renoir :
>> [Confusion]agnt[Peintre : Renoir.] dateDe[Annee = 1881] obj[Crise]char[Profonde] obj[Artistique]

comme concept pertinent . Cette situation est intgre comme indique dans la figure 11.b
Artiste
sp

avec [Peintre: Renoir.]

Artiste
sp

Artiste
sp

Represente
sta sta sta

Couleur

Peintre
inst

Peintre
inst

Peintre
inst

Peintre: Renoir

Peintre: Renoir
sta

Peintre: Renoir
sta

(a)

(c)
Situation =

(b)

Situation =

Situation =

Figure 11 : Intgration dinstances et de situations Intgrons maintenant une autre situation concernant Renoir :
>> [Peintre: Renoir.]agnt[Peint ]loc[Nature], agnt[Utilise]obj[Couleur]char[Diffrente],, agnt[Reprsente]obj[Nature] obj[Femme] obj[Enfant] avec [Peintre: Renoir.], [Reprsente] et [Couleur] comme concepts pertinents.

Le processus dintgration va constater que les concepts [Reprsente] et [Couleur] sont inconnus. Il demande donc lutilisateur de spcifier leur super-types avant de poursuivre lintgration. Figure 11.c montre le rsultat de cette intgration (aucune information commune entre les deux situations, excepte le fait quil sagisse dans les deux cas de Renoir).

Intgrons maintenant la description de Vangogh, comme instance de Peintre, et ensuite la situation suivante le concernant :
>> [Peintre: Vangogh.]agnt[Utilise]obj[Couleur]char[Impressionnant],, agnt[Reprsente]obj[Situation]char[Religieuse] obj[Tournesol]

avec [Peintre: Vangogh.], [Reprsente] et [Couleur] comme concepts pertinents. Cette situation sera propage via le concept [Reprsente] ce qui entranera sa comparaison avec la seconde situation concernant Renoir. Comme le montre la figure 12, le processus dintgration reconnat que les deux situations ont une information commune :
[Peintre]agnt[Utilise]obj[Couleur] agnt[Represente]

Il cre donc un concept qui contient cette gnralisation et qui indexe les deux situations (figure 12). Il met jour galement les liens entre les diffrents concepts.
Artiste
sp

Peintre
inst inst sta

Reprsente
sta

Couleur
sta

Peintre: Renoir

Peintre : Vangogh
sta

Situation = <Gnralisation>
sp

sta

sta sp

Situation = Situation =

Situation=

Figure 12 : Rsultat de lintgration de Vangogh et dune situation le concernant

7. Conclusion et travaux futurs Nous avons prsent et illustr avec diffrents exemples le processus de formation d'une BC par intgration. Le processus effectue en effet une construction automatique, incrmentale et non-supervise d'une BC au fur et mesure qu'il reoit des information de l'utilisateur, information qui peut correspondre une dclaration/dfinition de type de concept, une dclaration/description d'instance, une description d'une situation (particulire ou gnrale) et une spcification de synonymie de types. Le processus de formation d'une BC est actuellement intgr l'environnement de programmation SYNERGY [Kabbaj, 96, 99]. Son intgration au langage PROLOG+CG [Kabbaj, 96, 2000] est en cours. Nous envisageons l'utilisation du processus de formation d'une BC dans diffrents domaines : recherche d'information, bases de donnes avances, raisonnement base de

cas, systmes d'apprentissage, traitement du langage naturel et systmes multi-agents (en considrant la mmoire d'un agent comme une BC dynamique). References 1. Ellis G., Efficient Retrieval from Hierarchies of Objects using Lattice Operations, in Mineau G., B. Moulin and J. Sowa (Eds.), Conceptual Graphs for Knowledge Representation, Springer-Verlag, 1993. 2. Er-Remli H. and Mousaid K., Formation dynamique et incrmentale dune base de connaissances : Etude et applications, Mmoire de troisime cycle, INSEA, Juillet 98, Rabat, Maroc, 1998. 3. Haton J-P et al., Le raisonnement en intelligence artificielle, InterEditions, 1991. 4. Kabbaj A., Self-Organizing Knowledge Bases: The Integration Based Approach, in Proc. Of the Intern. KRUSE Symposium : Knowledge Retrieval, Use, and Storage for Efficiency, Santa Cruz, CA, USA, 1995. 5. Kabbaj A. et C. Frasson, An incremental model of memory formation for a multistrategy learning environment, in Proc. Of the first Int. Conf. On Conceptual Structures, Quebec, Canada, 1993. 6. Kabbaj A., Un systme multi-paradigme pour la manipulation des connaissances utilisant la thorie des graphes conceptuels, Ph.D Thesis, DIRO, Universit de Montral, June, 1996. 7. Kabbaj A., A conceptual graph activation-based language : Synergy and its environment, in the 7th International Conference on Conceptual Structures, ICCS99. th 8. Kabbaj A., From PROLOG++ to PROLOG+CG, soumis la 8 International Conference on Conceptual Structures, ICCS2000. 9. MacGregor R., The evolving technology of classification-based knowledge representation systems, in J. Sowa (ed.), Principles of Semantic Networks, Morgan Kaufmann, 1991. 10. Sowa J. F., Conceptual Structures : Information Processing in Mind and Machine, Addison-Wesley, 1984. 11. Sowa J. F., Knowledge Representation : Logical, Philosophical, and Computational Foundations, Brooks Cole Publishing Co., Pacific Grove, CA, 1999. 12. Woods W. A., Understanding subsumption and taxonomy : A framework for progress, in J. Sowa (ed.), Principles of Semantic Networks, Morgan Kaufmann, 1991. 13. Woods W. A. and J. G. Schmolze, The KL-ONE family, in Lehmann F. (ed.), Special Issue on Semantic Networks in Artificial Intelligence, in an Int. J. Computers & Mathematics with Applications, 23:2-9, 1992.