Approche hybride à base d'ontologie pour le clustering par contraintes

Hatim Chahdi (1, 2) , Nistor Grozavu (2) , Isabelle Mougenot (1) , Laure Berti-Equille (1, 3) , Younès Bennani (2)

1 UMR 228 Espace-Dev, Espace pour le développement
2 LIPN - Laboratoire d'Informatique de Paris-Nord
3 QCRI - Qatar Computing Research Institute [Doha, Qatar]

Les méthodes de clustering semi supervisé font très souvent usage de contraintes afin de répondre au mieux aux besoins des utilisateurs. Cependant, dans des domaines comme le traitement et l'interprétation d'images satellites, la génération de ces contraintes est coûteuse et demande une grande expertise du domaine. Dans cet article, nous présentons une approche hybride qui exploite en amont les ontologies pour automatiser la génération des contraintes pour le clustering et introduire une labellisation sémantique des clusters. L'objectif est de disposer d'une brique ontologique qui va permettre d'étiqueter sémantique-ment une partie du jeu de données en se basant sur des mécanismes de raison-nement déductif, puis d'utiliser les résultats de ce raisonnement pour (i) générer des contraintes qui vont guider le clustering, (ii) étiqueter sémantiquement les clusters obtenus avec les concepts de l'ontologie. Nous avons appliqué notre ap-proche à la classification d'images satellites et les résultats obtenus valident la capacité de notre approche à améliorer le clustering sans l'utilisation de données étiquetées ni l'intervention manuelle de l'expert.

Mots clés: Semi supervised learning methods

Mots clés: Ontologie; Classification

Domaines: Intelligence artificielle [cs.AI]; Apprentissage [cs.LG]; Logique en informatique [cs.LO]; Traitement des images [eess.IV]

Hatim Chahdi, Nistor Grozavu, Isabelle Mougenot, Laure Berti-Equille, Younès Bennani. Approche hybride à base d'ontologie pour le clustering par contraintes. La conférence internationale francophone AAFD & SFC 2016, May 2016, Marrakech, Maroc. ⟨hal-01402428⟩