Graphes Conceptuels J.F. Baget Inria.

Slides:



Advertisements
Présentations similaires
Les présentateurs doivent souvent transmettre des informations techniques à des auditeurs qui connaissent moins bien le sujet et le vocabulaire spécifique.
Advertisements

Introduction à la notion de fonction 1. Organisation et gestion de données, fonctions 1.1. Notion de fonction Déterminer l'image d'un nombre par une fonction.
Evaluer la compétence 3 : « culture scientifique et technologique » Gray le 23/01/2010.
Dans cette partie Graphes Eulériens.
Algorithmes et structures de données avancées Cours 7
IREMIA : Institut de REcherche en Mathématiques et Informatique Appliquées Université de la Réunion Uniformisation des mécanismes de conception de SMA.
Algèbre de composants : une approche fonctionnelle à la sémantique de documents Bart Lamiroy LORIA/INPL QGar - École des Mines de Nancy.
Algorithmes et structures de données avancés
Graphes et Applications Thème de léquipe « Combinatoire et Algorithmique » LaBRI – janvier 2008.
Calcul géométrique avec des données incertaines
Spécification et qualité du logiciel
CHAPITRE 2 Nombres entiers, initiation à l’arithmétique- Nombres rationnels.
CHAPITRE 6 Fonctions numériques.
Algèbre relationnelle
Séminaire Biblio LISC - 3/04/02 Complexité, information Daprès JP Delahaye (1999)
Algèbre de Boole.
Jean-Jacques Lévy INRIA Preuves de programmes et méthodes formelles Microsoft TechDays - 9 février 2010.
La voie intuitionniste
Logique et raisonnement scientifique cours transversal Collège Doctoral Pr. Alain Lecomte.
Logique et Raisonnement Scientifique
Système formel Nous avons introduit : signes de variables (x, y, z, …), de constantes (0, 1), d’opérations (+, ), de relations (=, ) Axiomes : ce sont.
INTRODUCTION.
Nombre de chaînes de longueur r
COURS SUR LA THEORIE DES GRAPHES
Logiques Mathématiques
1 Cours numéro 3 Graphes et informatique Définitions Exemple de modélisation Utilisation de ce document strictement réservée aux étudiants de l IFSIC.
Preuves interactives: IP, AM, MA et isomorphisme de graphe
Programmation logique Logique des prédicats du premier ordre
Sémantique axiomatique
Introduction à la conception de Bases de Données Relationnelles
1.2 COMPOSANTES DES VECTEURS
Programmation logique Démonstrateur automatique
RDF(S)
Etude dune bibliothèque: Permutations sur les listes.
Rappels de logique des prédicats du 1er ordre
IFT Complexité et NP-complétude
CSI 4506: Introduction à l’intelligence artificielle
CSI3525: Concepts des Languages de Programmation
CSI 4506: Introduction à l’intelligence artificielle
Partie II Sémantique.
Sémantique dénotationnelle
Initiation aux bases de données et à la programmation événementielle
Initiation à la conception des systèmes d'informations
Programmation non procédurale Le projet ECOLE 2000
IFT Complexité et NP-complétude Chapitre 0 Rappels.
Les logiques de descriptions
Spécification de programmes et de systèmes
1 Licence d’informatique Algorithmique des graphes Cours 3 deuxième partie : Opérations et relations entre graphes. Composition, puissances. Utilisation.
La Logique du premier ordre LPO
Cours n°2UE102e(S. Sidhom) UE 102e. M1.IST-IE cours n°2 Systèmes à base de règles Par : Sahbi SIDHOM MCF. Université Nancy 2 Équipe de recherche SITE –
D.E ZEGOUR Ecole Supérieure d’Informatique
Approches Formelles en Systèmes d'information
Théorie du point fixe 1. Rappel Ensemble ordonné Majorant, Minorant
Programmation procédurale preuves D. Preuves Preuves sur les R-algorithmes. Règle de l'appel (Hoare). Exemple Preuves sur les B-algorithmes (Floyd) Automatisation.
Calcul parallèle => partitionner les données en sous-groupes associés aux processeurs. P0 P2 P1.
Présentation générale
D.E ZEGOUR Ecole Supérieure d’Informatique. Problèmes de décision Concepts de base Expressions régulières Notation particulière pour exprimer certaines.
Le langage Racket (Lisp)
Problème de double digestion
Programmation fonctionnelle Preuve
MATHÉMATIQUES DISCRÈTES Chapitre 1 (Sections 6, 7, 8)
MATHÉMATIQUES DISCRÈTES Chapitre 6 (relations)
1 Initiation aux bases de données et à la programmation événementielle Responsable : Souheib BAARIR. (le sujet de votre .
MATHÉMATIQUES DISCRÈTES Chapitre 1 (Section 5)
Systèmes formels 1. Définition d'un SF Morphologie Théorie propre
LOGIQUE ET PROGRAMMATION LOGIQUE
Chap. 3 Récursion et induction. Les définitions par récurrence consistent à construire des objets finis, à partir d'autres, selon certaines règles. Les.
Relation de conséquence logique Nous avons vu une relation entre formules: l’équivalence tautologique (  ) Nous allons définir une nouvelle relation,
Cycle, Cocycle, Arbre et Arborescence
Complexité des Problèmes Combinatoires Module IAD/RP/RO/Complexité Philippe Chrétienne.
Transcription de la présentation:

Graphes Conceptuels J.F. Baget Inria

Objectifs Faire de la représentation de connaissance avec des graphes et des opérations de graphes RdC: langage formel, syntaxe, sémantique, mécanisme d’inférence Graphes: syntaxe graphique et mécanismes d’inférences par opérations de graphes (ici homomorphismes)

Plan Prélude Graphes Conceptuels: syntaxe Homomorphismes de graphes Logiques, théorie des modèles Graphes Conceptuels: syntaxe Graphes Conceptuels: sémantique Graphes Conceptuels: projection

Coloration de graphe K-coloration: associer à chaque sommet une des couleurs {1, ..., K} de façon à ce que tous les voisins aient une couleur différente.

Homomorphisme de graphe associer à chaque sommet de H un sommet de G de façon à ce que si x et y sont deux sommets voisins de H, alors leurs images sont voisines dans G. H Exercice: il existe un homomorphisme de H dans G et de G dans H G

Coloration et homomorphismes Propriété: G est K-colorable ssi il existe un homomorphisme de G dans Kn (le graphe complet à n sommets) D’où le terme de classe de coloration: classe(G) = {H | il existe un homomorphisme de H dans G} Exercice: quelle est la classe des graphes suivants? 

Une propriété utile Propriété: la composition de deux homomorphismes est un homomorphisme. Exercice: preuve

Logique (version abstraite) Logique L = (F, I, M) F est un ensemble de formules (syntaxe) I est un ensemble d’interprétations M  F x I (f, i)  M se lit « i est un modèle de f » (la formule f est vraie dans le monde i) f est conséquence sémantique de f’ (f’ ├ f) si tous les modèles de f’ sont des modèles de f. (sémantique)

Exemple 1 Exercice: voir que rectangle vert ├ rectangle forme bleu ovale vert ovale vert ovale bleu rectangle bleu rectangle vert

Exemple 2: Logique des propositions Soit A un ensemble d’atomes SYNTAXE a  A est une formule (un atome) si f et f’ sont deux formules, alors (f et f’), (f ou f’), et (non f) sont des formules. SEMANTIQUE Une interprétation est une application de A dans {Vrai, Faux} (f, i)  M ssi la substitution des atomes a de f par leur interprétation i(a) a pour valeur Vrai

Mécanismes d’inférences Soit L = (F, I, M) une logique Soit ► une relation sur F x F La relation ►est dite correcte par rapport à L ssi f ► f’  f ├ f’. La relation ►est dite complète par rapport à L ssi f ├ f’  f ► f’. Exercice: dessiner le graphe de la relation ► (i.e. ├) pour la logique de l’exemple 1.

Preuve de correction et complétude Pour calculer la conséquence sémantique, on veut être plus efficace que: « pour chaque modèle de f, voir que c’est aussi un modèle de f’ » (en particulier, ce nombre peut être infini) Donc on exhibe un algorithme pour calculer une relation binaire sur les formules, et on prouve la correction et la complétude de cette relation. Ici, un schéma de preuve qui sera utilisé pour les graphes conceptuels.

Un schéma de preuve Soit L = (F, I, M) une logique Soit C un ensemble (ens. de codage), tf: F → C et ti: I → C Soit ► une relation sur C x C Soient les trois propriétés suivantes: (P1) ► est transitive (P2) (f, i)  M ssi ti(i) ► tf(f) (P3) qqsoit f  F, il existe un modèle i de f avec tf(f) ► ti(i)

Schéma de preuve (suite) Théorème: si (P1) et (P2) sont vérifiées, alors ► est correct par rapport à L. Si, de plus, (P3) est vérifié, alors ► est complet par rapport à L.

Démonstration (correction) 1) Supposons f, f’ deux formules et tf(f) ► tf(f’) 2) Si f n’a pas de modèle, alors f ├ f’, sinon soit i un modèle de f. 3) On a ti(i) ► tf(f) (P2) 4) Donc ti(i) ► tf(f’) (P1) 5) Donc i est un modèle de f’ (P2) 6) Donc f ├ f’ tf(f’) 1) tf(f) 4) 3) ti(i)

Démonstration (complétude) 1) Supposons f, f’ deux formules et f ├ f’ 2) Tous les modèles de f sont des modèles de f’ 3) En particulier il existe un modèle i de f avec tf(f) ► ti(i) (P3) 4) Comme i est aussi un modèle de f’ (2), alors ti(i) ► tf(f’) (P2) 5) Donc tf(f) ► tf(f’) (P1) tf(f’) 5) tf(f) 4) 3) ti(i)

Graphes conceptuels [Sowa,84] Syntaxe Sémantique Mécanisme d’inférence

Syntaxe (1): Le support Support S = (TC, TR = (TR1, ..., TRk), M, conf) TC, TR1, ..., TRk sont des ensembles partiellement ordonnés, 2 à 2 disjoints TC est l’ensemble des types de concepts TRi est l’ensemble des types de relations d’arité i. M est l’ensemble des marqueurs individuels conf: M → TC est la relation de conformité.

Exemple de support TR2 TC TR3 All animal nourriture croquettes chat souris nourriture croquettes All croquettes de souris mange regarde TR3 apporte M = {Mickey} conf(Mickey) = souris

Syntaxe (2): Graphe conceptuel Graphe conceptuel sur un support S, G = (V, H, , ) avec: V un ensemble de sommets H un ensemble d’hyperarcs : H → V+ associe à chaque hyperarc ses extremités  étiquette chaque sommet par un élément de TC x (M  {*} ) (type et marqueur – individuel ou générique); et chaque hyperarc d’arité k par un élément de TRk. Notons que si un sommet a un marqueur individuel m, alors son type est conf(m).

Exemple chat: * regarde mange croquettes: * souris: Mickey apporte 2 1 3 2 1 croquettes: * souris: Mickey apporte 2 1

Sémantique (1): interprétation du support Soit S = (TC, TR = (TR1, ..., TRk), M, conf) un support Une interprétation de S est une structure (D, ic, i1, ..., ik, im) où: D est un ensemble (le domaine) im: M → D ic: TC → 2D ij: TRj → 2Dj

Exemple d’interprétation all animal nourriture croquettes Mickey chat souris im ic croquettes de souris  D

Exemple d’interprétation (suite) i2(regarde) = {( , ), ( , )} i2(mange) = {( , )} i3(apporte) = {( , , )}

Modèle d’un support Une interprétation (D, ic, i1, ..., ik, im) est un modèle d’un support (TC, TR = (TR1, ..., TRk), M, conf) ssi: t <= t’  i(t)  i(t’) (concepts ou relations) i(m)  ic(conf(type(m))) Exercice: voir que l’interprétation de l’exemple est un modèle du support.

Modèle d’un graphe conceptuel Une modèle (D, ic, i1, ..., ik, im) d’un support S est un modèle d’un graphe G = (V, H, , ) ssi il existe : V → D tq: si v est un sommet individuel de marqueur m, (v) = im(marqueur(v)) si v est un sommet, (v)  ic(type(v)) si (h) = (v1, ..., vk), alors ((v1), ..., (vk))  ik(type(h)) Exercice: voir que l’interprétation de l’exemple est un modèle du graphe conceptuel.

Projection Soient G et H deux graphes conceptuels sur S. Une projection de H dans G est une application : V(H) → V(G) telle que: etiq((v)) <= etiq(v) (ordre produit sur ordre de TC et * plus générique que marqueurs individuels, eux-même 2 à 2 incomparables) Pour tout h de H, avec (h) = (v1, ..., vk), il existe h’ dans G avec (h) = ((v1), ..., (vk)) et type(h’) <= type(h) Exercice: voir que c’est bien une généralisation de Homomorphisme de graphe (d’où NP-complétude).

Exemple: projection chat: * regarde nourriture: * souris: * apporte 2 Exercice: trouver une projection de ce graphe dans l’exemple précédent. chat: * regarde 3 1 nourriture: * souris: * apporte 2 1

Forme normale Un graphe conceptuel est dit sous forme normale si deux sommets individuels distincts ont toujours des marqueurs différents. Un graphe conceptuel G est mis sous sa forme normale nf(G) en fusionnant les sommets individuels ayant même marqueur.

Théorème H est conséquence sémantique de G si et seulement si il existe une projection de H dans nf(G). Preuve: on va utiliser le shéma de preuve précédent. C: graphes et interprétations sont codés par des graphes ►: homomorphisme

Transformations tf et ti C: ensemble de graphes conceptuels tf: c’est l’identité ti: construire le graphe G(i) de la façon suivante associer à chaque élément d de D un sommet s(d). Le type d’un sommet s(d) est la conjonction des types t tels que d  ic(t) Le marqueur d’un sommet s(d) est l’ensemble des marqueurs m tels que im(m) = d. pour 1 <= j <= K, pour t  TRj, pour chaque (d1, ..., dK)  ij(t), rajouter un hyperarc h avec (h) = (s(d1), ..., s(dK)) et type(h) = t.

Exemple: graphe conceptuel d’une interprétation 2 1 chat: * regarde mange 1 regarde 3 2 1 2 croquettes: * souris: Mickey apporte 2 1