Marianne Huchard: Towards a catalog of design patterns for knowledge discovery with Relational Concept analysis

mercredi 16 novembre 2022 - Séminaires

Heure et date : le 16 novembre 2022 à 12h30

Lieu : Zoom

Conférencière : Marianne Huchard, LIRMM, Université de Montpellier, France
https://marianne-huchard.fr/

Pour les diapositives du séminaire, cliquez ici.

Titre: Constituer un catalogue de patrons de conception pour la découverte de connaissances avec l’Analyse Relationnelle de Concepts
(English version below)

Résumé : La découverte de connaissances ne peut que s’enrichir du développement et d’allers-retours entre des représentations structurées
et des représentations non structurées, comportant de l’explicite versus comportant de l’implicite et entre des approches boîte blanche versus boîte noire. L’Analyse Formelle de Concepts (AFC) se positionne à l’extrémité du spectre s’intéressant aux données complexes, aux représentations structurées, explicites (explicables) et boîte blanche et de plus en plus de ponts sont faits avec d’autres méthodes dans la totalité du spectre. L’Analyse Relationnelle de Concepts (RCA) étend l’AFC et met en valeur des connaissances découvertes dans des données multi-relationnelles. Elle connaît des applications variées notamment dans les domaines du génie logiciel et des données environnementales. Comme pour toute méthode de découverte de connaissances, une modélisation et une préparation minutieuse et adéquate des données sont indispensables au succès de son application. L’expérience acquise lors d’études théoriques ou expérimentales peut être capitalisée dans des patrons de conception en identifiant et en recensant différentes situations et solutions récurrentes. Certains de ces patrons peuvent s’avérer utiles pour d’autres approches. Cet exposé présente l’Analyse Relationnelle de Concepts, son intérêt pour la découverte de connaissances, son outillage, la situe dans le paysage des approches de découverte de connaissances par AFC, puis relate cette première tentative de constitution d’un catalogue de patrons de conception en les reliant à des applications concrètes. L’objectif est de faciliter la pratique de l’ARC sur de futures applications, par un gain de temps et de qualité et de consolider une méthode efficiente de découverte de connaissances.

Title: Towards a catalog of design patterns for knowledge discovery with Relational Concept analysis

Abstract: Developing both structured and unstructured representations, including explicit versus implicit knowledge, as well as white-box versus black-box approaches is a richness for Knowledge Discovery (KD). Formal Concept Analysis (FCA) is positioned at the spectrum end which focuses on complex data, structured representations, explicit knowledge, explainable results and white-box approaches. More and more connections are also made with other methods in the whole KD spectrum. Relational Concept Analysis (RCA) extends FCA by highlighting knowledge in multi-relational datasets. It has a variety of applications, in particular in Software Engineering and Environmental data. As a KD method, careful and adequate data modeling and preparation are crucial for a successful application. Experience gained during past theoretical or experimental studies can be capitalized in design patterns, by identifying and collecting different recurring situations and adopted solutions. Some of them can be used in other KD methods. This talk presents the principles of RCA, its specific value for KD and its tooling. It also situates RCA among the FCA-based KD methods. Then it develops a tentative design pattern catalog, while connecting these design patterns to concrete applications. By building this catalog, we aim to facilitate RCA practice, save time and increase quality in future applications and to consolidate an efficient KD method.

Bio : Marianne Huchard est professeure en informatique à l’université de Montpellier depuis 2004. Elle dispense des cours en génie logiciel et en ingénierie des connaissances. Elle développe ses recherches au LIRMM (Laboratoire d’Informatique, de Micro-électronique et de Robotique de Montpellier). Elle a obtenu son diplôme de doctorat en informatique en 1992, doctorat pendant lequel elle a étudié des questions algorithmiques liées à la gestion de l’héritage multiple dans les langages à objets. Elle développe des travaux dans le domaine de l’Analyse Formelle de Concepts (AFC) depuis plus de 25 ans. Elle a contribué sur différents aspects : algorithmes efficaces, extension de l’AFC à des données multi-relationnelles, connexion entre l’AFC et d’autres formalismes comme la propositionnalisation ou les logiques de description. Elle a travaillé également sur différentes applications, principalement dans le domaine du génie logiciel mais aussi sur des données environnementales et sur l’ingénierie des ontologies.

Marianne Huchard is a Full Professor of Computer Science at Montpellier University since 2004, where she teaches courses in knowledge engineering and software engineering. She develops her research at LIRMM (Laboratory of Informatics, Robotics, and Microelectronics at Montpellier). She obtained a Ph.D. in Computer Science in 1992, during which she investigated algorithmic questions connected to the management of multiple inheritance in various object-oriented programming languages.She is leading research work in Formal Concept Analysis (FCA) for more than 25 years. She contributed to various aspects of FCA: efficient algorithms; relational concept analysis (RCA), a framework that extends FCA to multi-relational datasets; the connection between RCA and other formalisms, such as propositionalization or description logics; methodology and application of FCA to several domains, including environmental datasets, ontology engineering, and as well software engineering driven by knowledge engineering and FCA.