Raisonnement probabiliste des connaissances ontologiques incertaines

Abstract

Au cours des dernières années, l’utilisation des ontologies pour conceptualiser les connaissances de divers domaines d’application a connu une popularité croissante. Cependant, il est crucial de reconnaître les limites des ontologies lorsqu’il s’agit de traiter des problèmes impliquant des connaissances incertaines. Contrairement aux ontologies, les réseaux bayésiens sont spécifiquement conçus pour modéliser et raisonner sur l’incertitude. L’objectif principal de notre travail de recherche est de concevoir un modèle de raisonnement probabiliste appliqué à une ontologie, en intégrant la connaissance incertaine. Pour atteindre cet objectif, nous avons élaboré une ontologie classique en définissant les concepts et les relations qui la composent. Ensuite, nous avons construit un réseau bayésien en définaissant sa structure auprès d’un expert du domaine et en ajustant ses paramètres à partir d’un dataset sélectionné. Afin d’incorporer les connaissances incertaines du réseau bayésien standard à l’ontologie classique et de concevoir notre ontologie probabiliste, nous avons créé une méta-ontologie. De plus, nous avons développé un moteur de raisonnement capable de répondre à des tâches ou requêtes spécifiques. Afin de valider notre travail, nous avons soumis nos contributions à des tests approfondis en collaboration avec l’expert du domaine, et leur efficacité a été confirmée pour la modélisation et le raisonnement sur des connaissances médicales, et plus particulièrement sur les maladies cardiovasculaires. Mots clés : Raisonneur probabiliste, Connaissance incertaine, Réseau Bayésien, Ontologie, Ontologies Probabiliste.