Résumés des chapitres


 

Chapitre I : le RàPC pour une classe de problèmes

Notre étude a été motivée par deux applications : tout d’abord la régulation de la nutrition de plantes, puis l’assistance à la navigation sur le World-Wide-Web. Ces deux applications, bien qu'issues de domaines différents, partagent des contraintes communes, ce qui nous a amenés à considérer une classe de problèmes plus générale dans laquelle la prise en compte d’historiques est choisie ou nécessaire pour formuler le problème. Notre objectif est de faciliter l’utilisation du raisonnement à partir de cas pour cette classe de problèmes. Dans ce but, il est premièrement nécessaire de définir un modèle générique d’indexation des cas permettant la gestion d’historiques. Ce modèle doit fournir un formalisme générique de représentation des indices et doit permettre le développement d'une compétence méthodologique accumulée à travers l'analyse de différentes applications. Deuxièmement, il s’agit également de concevoir un outil ouvert facilitant l’utilisation pratique de ce modèle pour la réalisation de systèmes de raisonnement à partir de cas. Cet outil doit permettre la spécialisation du modèle pour prendre en compte les caractéristiques spécifiques d’une application. Il doit également faciliter son intégration cohérente dans un système complet de RàPC. Enfin, cet outil doit permettre la capitalisation de composants pour enrichir, au cours des développements, l’ensemble des objets-métier réutilisables.
 

Chapitre II : modèle d'indexation par situations comportementales

Nous abordons le problème de l’indexation pour une classe de problèmes dans laquelle les indices des cas doivent reposer sur des historiques. Peu de travaux existants en RàPC ont abordé cette problématique et ils sont généralement dédiés à des applications particulières. De plus, les approches de reconnaissances d’historiques et les systèmes de gestion de bases de données temporelles ne prennent pas en compte les besoins spécifiques liés à la réutilisation et à la mise à jour des connaissances durant un cycle de raisonnement. Nos apports se situent à deux niveaux. Premièrement, nous proposons alors le « modèle d’indexation par situations comportementales » qui est la seule approche générique en RàPC pour l’indexation par historiques. Notre approche comprend le modèle de représentation proprement dit des indices, et un guide d’utilisation. Dans ce modèle, les enregistrements contiennent, dans des chroniques, les observations effectuées suivant différentes variables. La situation comportementale d’un cas définit des comportements élémentaires (séquences de valeurs ou événements) et des contraintes temporelles pour caractériser une expérience utile et précise au sein d’un enregistrement. Deuxièmement, le modèle de représentation des indices permet la gestion d’historiques hybrides (historiques échantillonnés et à événements) et présente de meilleures possibilités pour la découverte de connaissances. Nous permettons en effet l’extraction structurée de cas grâce à la notion de patron de cas potentiels. Les cas potentiels instanciés par un patron peuvent ensuite être sauvegardés sous forme de cas concrets, puis mis à jour suivant les raisonnements. Enfin, l’interprétation des cas concrets est facilitée puisque ces cas référencent toujours les données brutes des enregistrements.
 

Chapitre III : plate-forme à objets pour la réalisation de systèmes de RàPC

Pour faciliter l’utilisation de notre modèle d’indexation par situations comportementales, il est nécessaire de concevoir un outil ouvert permettant principalement la spécialisation du modèle puis son intégration cohérente dans un système complet de RàPC. Les outils existants, bien que réutilisables dans les domaines ciblés, ne reposent pas sur une modélisation ouverte du RàPC. Plus précisément, ils ne facilitent ni la modification des composants proposés, ni l’ajout de nouveaux composants. Pour dépasser ces limites, nous proposons un nouveau type d’outils pour le RàPC à travers la conception d'une plate-forme à objets. Notre approche repose sur la définition d’une architecture abstraite modélisant les concepts du RàPC et de l’indexation par situations comportementales. Cette architecture intègre des points d’ouverture qui peuvent être configurés par spécialisation ou par instanciation pour répondre aux besoins spécifiques d’une application. Nous proposons ainsi un ensemble de points d’ouverture structuré en deux niveaux de spécificité (RàPC et indexation par situations comportementales) et en trois axes de variabilité (gestion du raisonnement, représentation des cas et organisation de la mémoire). La représentation graphique de cette structuration sous la forme de cas d’utilisation définit alors un guide d’utilisation des points d’ouverture au sein de notre plate-forme CBR*Tools.
 

Chapitre IV : patrons de conception et modèles à objets ouverts pour le RàPC

En suivant les deux niveaux de spécificité et les trois axes de variabilité retenus, nous détaillons les modèles à objets permettant de lier les points d’ouverture de notre plate-forme au sein d’une architecture abstraite. Notre démarche originale dans le cadre du RàPC tient principalement dans l’explication systématique de notre modélisation en termes de patrons de conception. Un patron de conception définit une modélisation typique répondant à un problème récurrent dans la conception de logiciels à objets. Les patrons permettent d’anticiper des problèmes d’ouverture et facilitent la compréhension des décisions de conception. Pour la gestion du raisonnement, nous proposons l’assemblage de composants gérant chacune des phases (recherche, réutilisation, révision et apprentissage). Chaque phase est configurée par la spécialisation d’un schéma générique à sélectionner. Pour la représentation des cas, nous permettons une structuration des indices. Enfin, pour l’organisation de la mémoire, nous permettons d’une part la structuration de la base de cas, et d’autre part la structuration des index. De plus, nous avons défini un cadre général et extensible pour la représentation des mesures de similarité. La représentation de l’indexation par situations comportementales vient enrichir la modélisation de base avec des objets spécifiques. La modélisation obtenue, justifiée en termes de patrons, est ainsi réutilisable au niveau de la conception de systèmes de RàPC. Cette modélisation a également mené à la réalisation concrète de la plate-forme CBR*Tools programmée dans le langage à objets Java. Cet outil permet alors la spécialisation et la capitalisation d’objets-métier notamment sous les formes d’index, de fonctions de similarité et de schémas de phase de raisonnement. Nous donnons enfin une estimation a priori de la complexité d’utilisation de CBR*Tools (effort minimum et dépendances systématiques).

Chapitre V : application pour l’assistance à la navigation sur le Web

Pour évaluer notre modèle d’indexation et notre plate-forme à objets CBR*Tools, nous avons réalisé un assistant de navigation sur le Web appelé Broadway. Cet assistant utilise le raisonnement à partir de cas pour recommander des pages à visiter suivant le comportement d'un utilisateur courant. Broadway est accessible par un groupe d’utilisateurs et permet ainsi une collaboration indirecte en réutilisant les cas issus des navigations du groupe. Les navigations des utilisateurs sont enregistrées suivant quatre variables décrivant l’adresse, le contenu, l’évaluation explicite et le ratio d’affichage de chaque page Web visitée. Ces navigations sont utilisées pour en extraire des expériences utiles (cas). Un cas permet d’associer à un comportement (succession de pages), un ensemble de pages évaluées. Nous montrons ainsi que notre modèle d’indexation permet la modélisation de ce type de cas. Pour évaluer l’utilisation de CBR*Tools, nous montrons premièrement que, pour la réalisation de Broadway, l’expertise approfondie nécessaire est limitée à la moitié des points d’ouverture. Deuxièmement, nous montrons également l’aide apportée par CBR*Tools tant sur la modélisation que sur l’implantation, grâce à la réutilisation de son architecture abstraite et de ses composants (index, similarité). De plus, avec Broadway, nous proposons un nouveau type d’assistants dans lesquels les comportements des utilisateurs sont observés suivant un ensemble extensible de variables. Cette observation par variables, combinée avec notre modèle d’indexation, permet la gestion de comportements plus détaillés dans un cadre flexible et générique. Une première évaluation expérimentale de notre assistant montre l’intérêt et la faisabilité de notre approche.