Proposition de sujet de magister
Proposé par Mr Rachid CHALAL (Maître de conférences ESI, ex-INI)
Modélisation des connaissances du décideur pour le renforcement du processus KDD.
Contexte
L’accumulation des données opérationnelles des entreprises et la concurrence amènent les entreprises à analyser leurs données pour avoir un avantage concurrentiel stratégique.
Le KDD (Knowledge Discovery in Databases) est un processus interactif, itératif et « non-trivial », d’identification de connaissances qui sont valides, nouvelles, potentiellement utiles et compréhensibles.
Le KDD s’inscrit dans une démarche d’aide à la décision : les données disponibles sont d’abord transformées en une information dont on va extraire une connaissance intelligible, utile, intéressante dans le contexte (apport du datamining), qui favorisera une meilleure décision.
Processus KDD [Fayyad 1996]
La prise de décision doit aller dans le sens des objectifs qui lui sont assignés. A cet effet, le décideur a besoin de connaissances utiles.
Pour renforcer le processus KDD, notre idée est de recourir aux méthodes d’acquisition des connaissances dédiée aux décideurs pour modéliser les connaissances dont le décideur a besoin. Il s’agit des méthodes ascendantes (Bottom up) dites dirigées par les données (data driven). Ces méthodes se basent sur une étape d’élicitation des connaissances des experts (entretiens, analyse de documents, analyse des tâches, etc.) suivie d’une étape de conceptualisation :
- KOD (Knowledge Oriented Design) [Vogel, 1989],
- MACAO [Aussenac 1989],
- MIKE (Model-based and Incremental Knowledge Engineering) [Angele 1996].