Professional Documents
Culture Documents
Anne : 2010
No dordre : 1068
17 septembre 2010
Angers
Suzanne Pinson,
Rapporteurs :
Examinateur :
Directeur de thse :
Stphane Loiseau,
Co-encadrant de thse :
David Genest,
Sommaire
Introduction gnrale
1 La cartographie smantique
1.1 Les cartes mentales et les cartes conceptuelles
1.1.1 Les cartes mentales . . . . . . . . . . .
1.1.2 Les cartes conceptuelles . . . . . . . .
1.2 Cartes cognitives : nature et construction . . .
1.2.1 Nature des concepts et des liens . . . .
1.2.2 Mthodes de construction . . . . . . .
1.3 Les cartes cognitives classiques . . . . . . . . .
2 Les
2.1
2.2
2.3
2.4
2.5
3 Vue
3.1
3.2
3.3
3.4
3.5
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
11
13
13
14
17
18
23
27
.
.
.
.
.
31
32
34
37
39
41
47
. . . . . . . . . . . . . . . . . . 48
. . . . . . . . . . . . . . . . . . 51
. . . . . . . . . . . . . . . . . . 53
. . . . . . . . . . . . . . . . . . 55
. . . . . . . . . . . . . . . . . . 56
Sommaire
5 Systme
5.1 Organisation des programmes SCCC et SCCO .
5.1.1 SCCC . . . . . . . . . . . . . . . . . . .
5.1.2 SCCO . . . . . . . . . . . . . . . . . . .
5.2 Algorithme de calcul de linuence . . . . . . .
5.3 Stockage des cartes . . . . . . . . . . . . . . . .
5.3.1 Cartes cognitives classiques . . . . . . .
5.3.2 Cartes cognitives de graphes conceptuels
5.3.3 Cartes cognitives contextuelles . . . . . .
5.3.4 Cartes cognitives ontologiques . . . . . .
5.4 Cas dutilisations . . . . . . . . . . . . . . . . .
5.4.1 Carte cognitive . . . . . . . . . . . . . .
5.4.2 Carte cognitive contextuelle . . . . . . .
5.4.3 Carte cognitive de graphes conceptuels .
5.4.4 Carte cognitive ontologique . . . . . . .
Conclusion gnrale
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
75
76
76
77
79
83
83
85
88
91
94
95
100
105
106
111
Annexe
113
A
Les cartes cognitives oues . . . . . . . . . . . . . . . . . . . . . . . . 114
B
Les cartes cognitives oues
dynamiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
Liste des gures
121
125
Rfrences bibliographiques
125
135
Rsum
138
Introduction gnrale
Problmatique
LIntelligence Articielle (IA) est un domaine de recherche qui vise doter la
machine de capacits lui permettant deectuer des tches ou des activits dites
intelligentes. Les recherches en IA tendent rendre la machine capable dacqurir
de linformation, de raisonner sur une situation statique ou dynamique, de rsoudre
des problmes combinatoires, de faire un diagnostic, de proposer une dcision, un
plan dactions, dexpliquer et de communiquer les conclusions quelle obtient, de
comprendre un texte ou un dialogue en langage naturel, de rsumer, dapprendre,
de dcouvrir [IRIT, 2001]. Des mthodes gnriques ont t conues pour rendre la
machine capable de sadapter ces tches. Ces mthodes trouvent leurs applications
dans de nombreux domaines. Aprs la seconde guerre mondiale, Turing, considr
comme le pre fondateur de linformatique a fait lhypothse qu la n du sicle
on pourra parler de machines pensantes sans craindre dtre contredit . Le XXe
sicle est pass et les machines sont encore loin de possder les capacits de penser
dun tre humain. La recherche en IA a souvent pris comme objectif de fournir
une intelligence autonome qui serait le moteur des raisonnements et qui laisserait
lhumain la seule tche daccepter ou de vrier les solutions. Au lieu de chercher
rendre la machine capable de faire des raisonnements autonomes, de nouveaux
travaux adressent une problmatique qui tend rendre la machine capable daider
lhumain penser. Ceci ne signie pas obligatoirement laider rsoudre directement
le problme, mais proposer des solutions pour laider comprendre et sinterroger,
expliquer, raisonner voire dcider. Le sujet de notre thse se situe dans cette
problmatique.
Notre travail est mi-chemin entre lintelligence articielle et linteraction humain machine. Pour aider ecacement lhumain penser et pour permettre la
machine deectuer des raisonnements, il faut un langage commun qui soit ais
comprendre par lhumain et qui soit manipulable par la machine. Le modle des
graphes est une base trs utilise en informatique pour manipuler des informations.
Ce modle a aussi lintrt dtre directement reprsentable visuellement ce qui le
5
Introduction gnrale
rend ais comprendre par lhumain. La citation Une image vaut mille mots
est souvent utilise pour justier lintrt de ce modle. Il est donc un bon candidat
pour un tel langage commun. De nombreuses variantes du modle des graphes portant de la connaissance ont t proposes dans la littrature. On peut citer le modle
des graphes conceptuels (conceptual graphs), des cartes mentales (mind maps), des
cartes conceptuelles (concept maps) et des cartes cognitives (cognitive maps) ; ces
trois types de cartes peuvent tre regroups sous lexpression de cartes smantiques.
Nous avons choisi dans cette thse dutiliser principalement le modle des cartes
cognitives et accessoirement le modle des graphes conceptuels.
Une carte cognitive permet de reprsenter des systmes complexes contenant
un grand nombre de facteurs qui interagissent. Une carte cognitive est un graphe
orient tiquet dont les sommets reprsentent des concepts (ltiquette dun sommet est le nom du concept) et dont les arcs reprsentent les inuences entre ces
concepts (ltiquette dun arc est une valeur qui qualie leet de linuence). Les
cartes cognitives sont considres comme des rseaux dinuence au mme titre
que les rseaux baysiens [Kjaerul et Madsen, 2008]. Les cartes cognitives ont de
nombreuses applications dans des domaines de recherche varis. En psychologie, les
cartes cognitives ont t, par exemple, utilises an de comprendre les mcanismes
dapprentissage [Tolman, 1948]. En cologie, elles servent, par exemple, tudier
des cosystmes [Celik et al., 2005]. En gestion, elles ont t utilises, par exemple,
an damliorer les principes organisationnels [Cossette, 1989]. En politique, elles
ont t utilises, par exemple, pour comprendre et rsoudre des conits [Axelrod,
1976]. En informatique, elles ont t utilises comme un outil de simulation [Kosko,
1986] ou dans des systmes multi-agents [Chaib-draa, 2002]. Dans le cadre de ces
tudes, les chercheurs utilisent les cartes cognitives pour apprhender le savoir de
dirents experts interrogs. Les cartes cognitives servent aussi prsenter de manire synthtique ce savoir. Lanalyse des cartes aide prendre des dcisions. Loutil
danalyse le plus important dans le modle des cartes cognitives est le mcanisme
de raisonnement nomm propagation, il sapplique entre deux concepts de la carte
qui ne sont pas ncessairement relis de faon directe. La propagation calcule une
inuence dite propage . Linuence propage est calcule en fonction des chemins
composs dune suite dinuences qui relient ces deux concepts, ainsi quen fonction
des valeurs associes aux inuences de ces chemins. La propagation fournit ainsi
une valeur qualiant linuence entre les deux concepts (gure 1). La propagation
est lunique mcanisme de raisonnement qui est propos traditionnellement dans les
modles de cartes cognitives.
Notre thse a pour objectif dtendre le modle des cartes cognitives et le mcanisme de raisonnement qui y est associ de sorte rpondre aux quatre critiques
principales que lon adresse aux cartes cognitives.
6
Introduction gnrale
fumer
bronchite
essoufflement
Critiques et contributions
Premirement, dans une carte cognitive, les concepts sont reprsents un niveau
de connaissance g par le concepteur de la carte. Lorsque le concepteur construit
une carte, il nest pas facile pour lui de trouver les concepts mettre dans la carte.
Lorsque lutilisateur exploite une carte construite, lorsquil cherche un concept, il
nest pas facile pour lui de le trouver dans la carte. En eet, le concept quil cherche
peut ne pas gurer dans la carte, bien que la carte contienne des informations pertinentes : dune part, la carte peut contenir uniquement des sous concepts du concept
cherch, par exemple si lutilisateur cherche le concept de vhicule, ce concept peut
tre absent de la carte bien que les concepts de voiture, camion et moto soient prsents ; dautre part, un concept qui gnralise le concept recherch peut tre dans
la carte, par exemple si lutilisateur cherche le concept de voiture, ce concept peut
tre absent de la carte mais le concept de vhicule prsent. Notre contribution va
consister associer une carte une ontologie qui organise de faon hirarchique
les concepts. Lontologie, utilise comme un dictionnaire des donnes hirarchiques,
aide le concepteur construire la carte et aide lutilisateur dans la recherche des
concepts de la carte qui lintressent. Deux travaux [Poignonec, 2006] [Jung et al.,
2003] avaient dj propos dassocier une ontologie une carte cognitive ; le premier
dans le but de fusionner deux cartes cognitives, le second dans le but de comparer
des cartes cognitives en montrant leurs principales dirences. Aucun travail na
propos dexploiter lontologie comme un outil daide la construction ou daide
lexploitation dune carte cognitive.
Deuximement, une carte cognitive contient souvent un grand nombre de concepts
et dinuences, ce qui la rend complexe apprhender pour lhumain. Cette dicult de comprhension aaiblit la capacit de lutilisateur rchir sur le domaine
reprsent par la carte. Comme cette complexit est ncessaire pour exprimer les
connaissances, notre contribution va consister distinguer la carte initiale, complte
et complexe, de cartes plus simples que pourra exploiter lutilisateur. Nous allons
ainsi fournir des mcanismes lutilisateur qui lui permettent de visualiser, la demande, des vues simplies de la carte initiale. notre connaissance, aucun travail
na propos une telle approche des cartes cognitives.
Troisimement, une carte gographique est gnralement associe une chelle
qui permet dvaluer le niveau de dtail des informations reprsentes. Cette ide
dchelle nexiste pas dans le modle des cartes cognitives. Notre contribution va
7
Introduction gnrale
tre de proposer une notion dchelle symbolique de sorte slectionner le niveau de
dtail de la carte que lon veut voir. Pour cela, nous proposons dutiliser lontologie
associe la carte comme une chelle dans laquelle on slectionne des concepts, plus
ou moins gnraux que lon souhaite voir apparatre dans une vue.
Quatrimement, une carte cognitive est conue pour tre utilise par direntes
personnes. Il serait intressant de pouvoir adapter la carte lutilisateur. Notre
contribution va consister proposer des mcanismes qui fournissent lutilisateur
une carte adapte ses savoirs. Dune part, nous allons ainsi proposer de fournir,
par le biais dune chelle un prol de lutilisateur. Lors dune session, ladaptation
de la carte lutilisateur se fera ainsi via une vue construite partir de cette chelle.
Dautre part, nous proposons dutiliser des graphes conceptuels pour dcrire lutilit
de chaque inuence dans une carte cognitive. Une carte cognitive incluant cette
possibilit sappellera une carte cognitive contextuelle. On pourra utiliser un graphe
conceptuel dcrivant les utilisations attendues par lutilisateur, pour slectionner
dans la carte les seules inuences qui lintressent.
Introduction gnrale
dans une vue, tous les concepts plus spcialiss que celui-ci, donc en particulier
les concepts lmentaires plus spcialiss, ny gurent pas. Une vue est donc une
gnralisation dune carte cognitive ontologique ; elle a la plupart du temps moins
de concepts que la carte cognitive ontologique initiale. Les concepts slectionns par
lutilisateur apparaissent dans la vue. Il faut noter que linuence ontologique va
tre utilise pour calculer une vue, en fournissant les inuences et leurs valeurs entre
les concepts de la vue.
Une chelle ontologique est un ensemble de concepts de lontologie. partir dune
chelle, une vue peut tre gnre qui contient exactement les concepts de lchelle.
Un ensemble de concepts nest pas forcement une chelle : des proprits caractrisent les sous ensembles dune ontologie qui sont des chelles. Lchelle savre la
clef pour fournir des vues. partir de concepts slectionns par un utilisateur, une
chelle est associe cet utilisateur et permet dobtenir la vue adapte. De mme,
de nombreux autres usages de la notion dchelle et de vue sont proposs dans cette
thse : la vue pour un prol dutilisateur qui permet de fournir pour tout utilisateur
une vue qui lui est adapte par dfaut, la vue dune inuence propage etc.
Le second systme sappelle SCCC (Systme de Cartes Cognitives Contextuelles).
Une carte cognitive contextuelle est une carte cognitive classique tendue par des
graphes conceptuels. Un graphe conceptuel est utilis pour dcrire le contexte dans
lequel une inuence fait sens. partir dun contexte dutilisation dni par un
utilisateur sous la forme dun graphe conceptuel, une carte cognitive est calcule
de sorte ne contenir que les inuences dont le contexte correspond au contexte
dutilisation.
Annonce du plan
Cette thse est compose de cinq chapitres.
Le chapitre 1 est un court tat de lart de la cartographie smantique. Ce chapitre
prsente dabord les modles de carte mentale et de carte conceptuelle. Il sintresse
ensuite au modle des cartes cognitives en discutant de la nature et des liens de telles
cartes et en proposant de dnir un modle de cartes cognitives classique utilisant
uniquement des inuences positive (+) et ngative (-).
Les chapitres 2, 3 et 4 forment le cur de notre thse et prsentent lensemble
de nos contributions.
Les chapitres 2 et 3 peuvent tre lus ensemble. Le chapitre 4 peut tre lu indpendamment des autres.
Les chapitres 2 et 3 prsentent le modle des cartes cognitives ontologiques et son
exploitation par lusage de vue et dchelle. Ce modle a t oprationnalis dans
SCCO. Le chapitre 2 prsente le modle des cartes cognitives ontologiques : dnition
9
Introduction gnrale
dune ontologie, du modle de carte cognitive ontologique, des inuences propages
et ontologiques. Nous y montrons aussi comment notre modle peut sadapter la
plupart des ensembles de valeurs qualiant les inuences.
Le chapitre 3 prsente les notions dchelle et de vues, notamment la vue dtermine par des concepts slectionns dans lontologie, la vue pour un prol dutilisateur,
la vue dune inuence propage.
Le chapitre 4 prsente notre modle de cartes cognitives contextuelles. Ce modle
a t oprationnalis dans SCCC. Ce chapitre prsente une dnition des modles
de cartes cognitives contextuelles et rappelle le modle des graphes conceptuels.
Le chapitre 5 prsente les prototypes qui mettent en uvre les dirents modles
tudis : SCCO et SCCC.
Notre conclusion rsume nos contributions et discute des perspectives de notre
travail.
10
Chapitre 1
La cartographie smantique
Introduction
Depuis toujours, lhomme utilise des reprsentations graphiques an de communiquer des connaissances aussi bien abstraites que concrtes. Dans lantiquit, Porphyre de Tyr (234-305, Liban) a crit une prface aux Catgories dAristote dans
laquelle il vulgarise la pense dAristote laide dune sorte darbre. Cette reprsentation graphique, illustre par la gure 1.1 que nous commentons par ce qui suit,
est construite sur trois colonnes et contient une succession de genres ou despces,
par exemple Animal rationnel. Le nud le plus bas de la colonne centrale reprsente
lespce dite spcialissime. Cette espce est celle que lauteur souhaite catgoriser,
par exemple lHomme. Le nud le plus haut de la colonne centrale reprsente le
genre suprme qui est indivisible, par exemple la Substance. Les colonnes de chaque
cot de la colonne centrale contiennent des nuds reprsentant des dirences, par
exemple le Rationnel est oppos lIrrationnel. Les dirences sont relies aux espces et genres de la colonne centrale an de les dcrire, par exemple lHomme est
un Animal rationnel qui est Mortel et non Immortel. La dichotomie successive des
genres, eectue laide des dirences jusqu atteindre le genre suprme, dcrit
comment lespce spcialissime est catgorise.
Au moyen ge, un philosophe et apologiste chrtien du nom de Raymond Lulle a
dvelopp une reprsentation graphique arborescente qui saranchit de la dmarche
logique de catgorisation dAristote. LArbre des sciences 1 (gure 1.2) visualise les
principes organisateurs de la pense de Lulle, dont lexpos a t initialement rdig
en 1295 : les dix-huit racines de larbre sont dune part les neuf principes divins
ou principes absolus qui structurent le rel (bont, grandeur, ternit, puissance,
1. Larbre des sciences de Raymond Lulle . Tous les savoirs du monde : Encyclopdies
et bibliothques, de Sumer au XXIe sicle. Paris : Bibliothque Nationale de France (Dossiers
pdagogiques). http://classes.bnf.fr/dossitsm/gc185-23.htm
11
Dirences
Corporel
Anim
Sensible
Rationnel
Mortel
Espces/Genres
Substance
Corps
tre vivant
Animal
Animal rationnel
Homme
Dirences
Incorporel
Inanim
Insensible
Irrationnel
Immortel
(b)
(a)
Figure 1.2 Larbre des sciences, Raymond Lulle. Copie de louvrage de 1515 Lyon
par J. Pillehotte en 1635.
cognitives classiques de sorte quelles intgrent des concepts ous : il sagit des cartes
cognitives oues.
Dans la section 1.1 nous prsentons les cartes mentales et les cartes conceptuelles.
Dans la section 1.2 nous discutons de la nature des concepts et des liens prsents
dans une carte cognitive et comment une telle carte peut tre construite. Dans la
section 1.3 nous prsentons le modle de cartes cognitives classiques. Une tude
incomplte des cartes cognitives oues est prsente en annexe.
1.1
1.1.1
Une carte mentale 2 est une reprsentation graphique qui reprsente des ides
connectes une ide centrale et organises de manire radiale autour de celle-ci.
2. Synonyme : carte heuristique, schma heuristique, arbre ide, topogramme. En anglais :
Mind maps, Webs, Mind webs, Webbing.
13
1.1.2
Une carte conceptuelle 4 une reprsentation dun ensemble de concepts relis smantiquement entre eux. Une carte conceptuelle a pour objectif dorganiser le savoir
3. traduction dune carte mentale prsente sur le site http://www.12manage.com/methods_
mind_mapping.html
4. Synonymes : Schma conceptuel. En anglais : Concept map
14
Associations
Radiale
Fun
Amplifier
Personnel
Joli
Fine
Image
Mot
STRUCTURE
FEUILLE
Vierge
Paysage
Dmarrer
Centre
STYLE
Images
Connecter
Epaisse
= Longueur
Fluide Organique
LIGNES
UTILISE
Couleur
Mots
Ecrit
Cl
Unique
Seutimeuts ou
motious
associs
compos de
eu plus de
couuect
avec
Coucepts
sout
Motifs ou
rgularits
perues
daus
Eveuemeuts
sout
Objets
Symbols
utilis pour
former
Structur
hirarchiquemeut
avec
Ides
Mots
liauts
sout
Etiquet
commeuce
par
Couuaissauce
orgauise
iuclus
Mots
commeuce
par
aide
Crativit
daus
Propositious
sout
Siguificatiou
uuique
souveut
par
Experts
ucessaire
pour voir
coustruite
daus
Structure
coguitive
aide
rpoudre
Questiou
"focus"
ucessaire
pour rpoudre
sout
est
ucessaire
peut tre
Lieus
Appreutissage
efficace
Euseiguemeut
efficace
Dpeudaut
du coutexte
par ex.
Social
Persouuel
moutre
Iuter-relatiou
eutre
Diffreutes
parties de
cartes
Figure 1.4 Une carte conceptuelle dcrivant les caractristiques dune carte conceptuelle.
1.2
Le terme carte cognitive est employ pour la premire fois par Tolman[Tolman, 1948] dans le cadre de recherches sur la psychologie animale. Lobjectif de Tolman tait de comprendre les mcanismes dapprentissage. Tolman a mis en vidence
que des rats placs en situation dapprentissage dans un labyrinthe construisent une
reprsentation mentale de celui-ci 5 . Tolman emploie ainsi le terme carte cognitive pour dsigner une reprsentation de lespace stocke dans le cerveau. Il met
en vidence que cette carte dtermine le comportement de lanimal 6 . Tolman na
pas fourni de reprsentation concrte dune carte cognitive, cependant il soutenait
lide que le cerveau humain contient des cartes ddies dautres tches que le
reprage dans lespace et que ces cartes dterminent notre comportement.
La premire formalisation des cartes cognitives est introduite par Axelrod[Axelrod, 1976], un chercheur en science politique. Axelrod tudie la comprhension dun
individu propos dun domaine particulier ou dun problme. Pour cela, il met au
point une reprsentation graphique quil nomme carte cognitive permettant dexprimer les croyances de lindividu 7 . Les cartes cognitives dAxelrod ne se limitent
pas un environnent spatial mais des croyances sur des phnomnes du monde
rel. lorigine le terme carte cognitive dsignait indistinctement le contenu
de la pense et la reprsentation graphique issue de celle-ci. Cette ambigut a t
leve[Doyle et Ford, 1999] et une carte cognitive est aujourdhui considre par la
plupart des chercheurs comme une reprsentation graphique qui na pas la prtention
de reprsenter la pense. La carte cognitive dcrivant un problme aide prvoir
le comportement de lindividu qui la construite sil tait confront ce problme.
Axelrod propose un mcanisme dinfrence qui permet dvaluer linuence entre
deux concepts dune carte. Ce mcanisme aide valuer direntes alternatives,
dcouvrir des eets non prvus et concevoir des scnarios permettant de rsoudre
le problme. Les cartes cognitives peuvent donc tre utilises comme un outil daide
la prise de dcision.
5. we believe that in the course of learning something like a field map [ is ] established in that
rats brain [Tolman, 1948]
6. they had acquired a cognitive map to the effect that food was to the left and water to the
right it is the tentative map, indicating routes and paths and environmental relationships, which
finally determines what responses, if any, the animal will finally release. [Tolman, 1948]
7. A cognitive map is a specific way of representing a persons assertions about some limited
domain, such as a policy problem [Axelrod, 1976]
17
1.2.1
Etude du cerveau
Tolman 1948
Aide la dcision
Cartes cognitives
Axelrod 1976
Collecte et analyse
des croyances
Communication
Bougon 1977
Eden 1983
Cossette 1989, 1994
Psychologie
Informatique
Sciences de l'organisation
Systmes multi-agents
Simulation
Infrence
Cartes cognitives
floues dynamiques
Dickerson et Kosko 1994
Cartes cognitives
floues base de rgles
Carvalho et Tom 1999
19
La direction
Une carte cognitive contient en gnral des liens unidirectionnels entre concepts.
Dans une carte cognitive, un lien unidirectionnel est dirig du concept-cause vers le
concept-eet.
Exemple 1.1
Par exemple, un lien dirig du concept pche vers le concept poisson signie que la
pche a une inuence sur les poissons (voir gure 1.6).
Poisson
Pche
La polarit
La plupart des modles de cartes cognitives associent une polarit aux liens. Un
lien est soit positif soit ngatif. La polarit dun lien peut tre dtermine en (se)
posant la question suivante : La cause a-t-elle un eet positif ou ngatif sur leet ?
Exemple 1.2
Par exemple, un lien ngatif entre le concept pche et le concept poisson est interprt comme le fait que la pche inuence ngativement les poissons (voir gure 1.7).
En considrant les concepts pche et poisson comme des variables, augmenter la
pche diminue la quantit de poisson. La plupart des modles considrent aussi que
diminuer la pche augmente la quantit de poisson et tirent prot de cette symtrie
dans leurs mcanismes dexploitations.
Pche
Poisson
La force
La force dun lien entre deux concepts dcrit dans quelle proportion volue le
concept-eet par rapport au concept-cause. La force dun lien peut tre dtermine
en (se) posant la question suivante : Dans quelle mesure la cause provoque une
augmentation de leet ? La force est reprsente par un lment appartenant un
ensemble ordonn. Par exemple, certains modles de carte cognitive reprsentent
la force par un rel compris entre 0 ou 1, dautres par un entier entre 1 et 5, ou
encore une valeur symbolique de lensemble { faiblement, moyennement, beaucoup,
normment }.
Exemple 1.3
Par exemple, un lien de force beaucoup entre le concept pche et le concept poisson
peut tre interprt comme augmenter la pche diminue beaucoup la quantit de
poisson (voir gure 1.8).
Pche
-beaucoup
Poisson
La probabilit
-0,6
Poisson
Le temps de latence
Le temps de latence dun lien peut tre dtermin en (se) posant la question
suivante : Quelle est la dure ncessaire pour que leet se produise une fois que la
cause sest produite ?
Cette valeur est particulirement intressante si la carte est utilise pour eectuer
une simulation, cependant cette valeur est dicile dterminer. Par exemple,
certaines personnes interroges ont estim que limpact dun dpotoir sur la pollution
chimique des rivires situes proximit ne pouvait avoir lieu quen priode de pluie.
Ceci illustre une limite de cette approche temporelle au niveau de la cartographie
cognitive [Poignonec, 2006].
Cette valeur peut tre mesure en demandant une dure en minute, heure, etc. ou
en utilisant une chelle symbolique immdiatement, court terme, moyen terme,
long terme, trs long terme.
La certitude
Une valeur de certitude peut tre associe un lien ou une des caractristiques
prcdentes. Cette valeur peut tre utile lorsque plusieurs cartes sont fusionnes car
elle permet de faire un choix entre deux liens contradictoires.
1.2.2
Mthodes de construction
Une carte cognitive doit tre la plus proche possible de la perception du ou des
individus vis vis du domaine tudi. Pour atteindre cet objectif, des mthodologies
de construction adaptes direntes situations dacquisition ont t labores.
Nous avons recens les situations dacquisition suivantes :
Le chercheur construit lui-mme la carte laide de documents.
Le chercheur construit lui-mme la carte en questionnant un individu au cours
dentretiens.
Le chercheur demande un individu de construire une carte au cours dentretiens.
Le chercheur demande plusieurs individus, au cours dentretiens individuels,
de construire chacun une carte portant sur le mme thme. Le chercheur effectue ensuite une analyse des cartes an dventuellement fusionner les cartes
obtenues en une seule.
Le chercheur peut enregistrer directement les paroles de lindividu puis les analyser laide de la mthode prcdente[Cossette, 1989] ou bien construire la carte
de manire interactive en dialoguant avec lindividu [Laukkanen, 1989] [Laukkanen,
1992] [Eden et al., 1983] [Eden, 1988] [Cossette, 1994].
Le chercheur, au cours dun entretien, invite lindividu parler du thme tudi.
Le chercheur slectionne une dizaine de concepts puis demande lindividu quelles
sont les causes et consquences de ces concepts. Le chercheur rcolte de nouveaux
24
Flexibilit
Dpenses
publiques
structurelles
Dficit
public
+
Politique de
rigueur
Dpenses publiques
conjoncturelles
Capitaux propres
suffisants
Croissance
Etat des
banques
Rformes de
modernisation
de l'conomie
Ractivit
de l'conomie
Reprise de
l'conomie
Chiffre
d'affaire
Entreprise
Proprit
intellectuelle
+
+
Augmenter plafond
ISF si investissement
Recherche
prive
Travail le
dimanche
Crdit d'impot
recherche
Figure 1.10 Carte cognitive construite partir dun entretien de Mme Lagarde par
le journal Le Monde 11/05/09.
25
La cartographie cognitive peut tre utilise comme un outil permettant au chercheur de dterminer la perception ou les dirences de perception dun ensemble
dindividus sur un problme particulier. Les mthodologies prcdentes peuvent tre
utilises mais elles ont linconvnient de fournir des cartes dicilement comparables
entre elles.
Une mthode dite structure consiste fournir aux individus un ensemble de
concepts pralablement slectionns pour ce problme partir de documents ou
dentretiens prliminaires [Ford et Hegarty, 1984]. Les individus tracent alors des
liens dinuences entre ces concepts. La collecte des liens peut tre facilite en prsentant lindividu une matrice croisant lensemble de ces concepts (matrice dadjacence) [Markczy et Goldberg, 1995] [Ford et Hegarty, 1984]. Une telle matrice
simplie la collecte car lindividu na pas besoin dcrire les concepts de la carte
et de les organiser de manire viter le croisement des arcs. En revanche laspect
didactique et la perception de lenchainement des concepts sont diminus par rapport une reprsentation graphique. Imposer les concepts facilite la comparaison
entre plusieurs cartes mais introduit un biais dans lacquisition de la perception des
26
1.3
Nous prsentons maintenant ce que nous appelons le modle des cartes cognitives
classiques. Il fournit une formalisation des cartes cognitives de plusieurs travaux du
domaine. Nous utiliserons ce modle pour les propositions de nos travaux de thse
dans les chapitres suivants. Beaucoup de travaux, fonds sur ce modle, incluent
des mcanismes de propagation dinuence qui permettent de calculer leet dun
concept sur un autre concept. Nous prsentons donc les mcanismes en 1.3.2 que nous
utiliserons aussi dans les chapitres ultrieurs. Plusieurs travaux exploitent les cartes
de sorte les comparer pour faire apparatre les ressemblances et dissemblances.
Nous montrons en 1.3.3 la mesure de similarit de Markoczy et Golberg [Markczy
et Goldberg, 1995] trs utilise cette n.
Une carte cognitive classique est un graphe orient tiquet dont les sommets
reprsentent des concepts et les arcs reprsentent des inuences entre concepts.
Linuence entre deux concepts est polarise, cest dire quun concept peut inuencer un autre concept de deux faons direntes, de faon positive ou ngative.
La polarit de linuence est symtrique. Une inuence positive entre un concept A
et un concept B signie que lorsque A augmente, B augmente (gure 1.11(a)) et que
lorsque A diminue, B diminue (gure 1.11(b)). linverse, une inuence ngative
entre A et B signie que lorsque A augmente (gure 1.11(c)), B diminue et que
lorsque A diminue B augmente (gure 1.11(d)).
Dnition 1.1 (Carte cognitive)
Soit C un ensemble de concepts.
Une carte cognitive dnie sur C, est un graphe orient tiquet (V, etiqV , A, etiqA )
o :
V est un ensemble de nuds.
etiqV : V C une fonction dtiquetage bijective qui associe un nud de V
un concept de C.
A V V est un ensemble darcs appels inuences.
etiqA : A {, +} une fonction dtiquetage qui associe une inuence une
valeur de polarit positive ou ngative.
Axelrod [Axelrod, 1976] code le graphe laide dune matrice dadjacence contenant les valeurs 0, +1 et -1. La valeur 0 entre deux concepts signie quil ny a pas
27
(a)
(b)
(c)
(d)
Pauvret
C3
-1
-1
Population
C1
+1
-1
+1
Conditions
conomiques
C4
-1
Crime
C2
-1
+1
Chomage
C5
C1
C2
C3
C4
C5
C1
0
0
0
-1
0
C2
0
0
-1
1
0
C3
-1
0
0
0
0
C4
0
-1
0
0
1
C5
1
0
-1
0
0
(b)
(a)
Conclusion
De nombreux travaux dans des domaines aussi varis que la psychologie cognitive,
les sciences de lorganisation et linformatique ont t prsents en se rfrant lide
de cartes visuelles organisant des connaissances. La grande diversit des approches
lies aux domaines fait quil est dicile de les caractriser formellement. Les travaux
en informatique se rfrant ce type de cartes ont lintrt de se reposer sur un
modle formel de cartes smantiques avec des proprits de mcanisme dinfrence.
28
Structure
Carte conceptuelle
Rseau
Contenu
Cartographie
de
lunivers rel dun ou
plusieurs concepts
Caractristique des
liens
Liens tiquets :
emphase sur les
connexions smantiques entre les
concepts
Du haut vers le bas
Sens de lecture
Niveau de
complexit
Rgle
de
reprsentation
Dicult
de
construction
Dicult
de mmorisation
Dicult
de comprhension
Carte mentale
Arborescence partant dune ide
centrale
Reet personnel de
la pense
Reet
personnel
de la comprhension des inuences
entre concepts dun
problme
Liens dinuence
Dicile (plusieurs
relations)
Dicile
(rseau,
concepts + relations)
Comprhension
aise par dautres
personnes
Facile (arbre)
Dicile (rseau)
Comprhension
problmatique : tendance fournir une
vision personnelle.
Comprhension
problmatique : tendance fournir une
vision personnelle.
Complexit
moyenne leve
Rgles formelles et
strictes
Carte cognitive
Rseau
Figure 1.13 Comparatif entre les cartes conceptuelles, les cartes mentales et les
cartes cognitives.
29
30
Chapitre 2
Les cartes cognitives ontologiques
Introduction
Nous prsentons dans ce chapitre un nouveau modle appel carte cognitive ontologique (CCO) dnie en associant une carte cognitive une ontologie qui organise
smantiquement les concepts.
Lontologie aide le concepteur trouver les concepts pertinents pour construire
la carte. De plus elle aide lutilisateur comprendre les concepts de la carte. Techniquement dans ce travail nous dnissons une ontologie comme un ensemble de
concepts partiellement ordonn par une relation de spcialisation. Les concepts les
plus spcialiss de lontologie sont appels les concepts lmentaires : ce sont les
seuls concepts reprsents dans la carte cognitive associe.
Nous proposons un mcanisme dinfrence appel inuence ontologique qui fournit une solution pour calculer linuence entre nimporte quelle paire de concepts
de lontologie. Linuence ontologique entre deux concepts dune ontologie est dtermine en agrgeant les inuences entre toutes les paires de concepts lmentaires
qui sont des spcialisations de la paire de concepts initiale. Ces inuences entre
deux concepts lmentaires sont appeles des inuences propages. Dans le chapitre
suivant, linuence ontologique sera utilise pour construire des vues.
Ce chapitre est organis comme suit. La section 2.1 introduit la notion dontologie. La section 2.2 dcrit le modle de carte cognitive ontologique. La section 2.3
prsente linuence propage. La section 2.4 prsente linuence ontologique. La section 2.5 prsente comment lapproche peut tre adapte pour dirents ensembles
de valeurs. 1
1. Notons que quelques dfinitions de ce chapitre sont des redites de celles du chapitre prcdent
qui prsente le modle classique des cartes cognitives. Ces redites sont effectues afin de permettre
une lecture indpendante de ce chapitre.
31
2.1
Ontologie
Il nexiste pas de dnition communment admise dune ontologie . [Gruber, 2008], [Guarino et Giaretta, 1995], fournissent de bonnes introductions cette
notion. Le terme ontologie est un mot que linformatique a emprunt la philosophie au dbut des annes 1990. Ce mot tire son origine du grec, onto signiant
tude et logos le participe prsent du verbe tre . La mtaphysique (meta
signie aprs ou au-del ) est ltude des Choses aprs la physique, cest-dire aprs leurs tudes par la physique, lOntologie en est une branche. LOntologie
correspond, selon Aristote, aux Discours sur ltre en tant qutre . Dans son
trait Catgories [Aristote, 350 av JC], Aristote indique la ncessit de bien distinguer le sens des mots, et prcise que les termes dune proposition (cest--dire une
expression) nont de sens quune fois lis entre eux. En eet, dans une expression
sans liaison , aucun de ses termes, en lui-mme et par lui-mme, narme ni ne
nie, cest--dire quune telle expression nest ni vraie ni fausse. Aristote dnit une
liste de dix catgories, comme tant les genres les plus gnraux de ltre : essence,
quanti, quali, relatif, quelque part, un moment, se trouver dans une position,
avoir, agir, ptir. cette liste sajoutent les opposs, les contraires, lantrieur, le
simultan et la mobilit.
Lontologie prend un tout autre sens en informatique, o le terme dsigne un ensemble structur de savoirs dans un domaine de connaissance particulier. Le sens du
terme ontologie sapproche alors de celui donn par Emmanuel Kant [Kant, 1997],
qui critique les Catgories dAristote en dnissant une ontologie comme suit :
Ontology is a pure doctrine of elements of all our a priori cognitions . Cest--dire
que lontologie nest plus ltude dune catgorisation universelle de toutes choses,
mais une conception de lesprit portant uniquement sur un domaine donn. En Intelligence Articielle, une dnition communment admise dontologie est nonce dans
[Gruber, 1993] (rvise dans [Gruber, 2008]) puis prcise dans [Studer et al., 1998] :
spcication explicite et formelle dune conceptualisation partage (traduction de
[Bousquet, 1995]). Une spcication explicite signie que les concepts de lontologie
et les contraintes lies leurs usages sont dnis de faon explicite. Ceci permet de
pallier des problmes de terminologie et de smantique. Cette spcication explicite
devient formelle quand elle est interprtable par un ordinateur. Lintrt essentiel
dune ontologie tient dans le fait quil sagisse avant tout dune conceptualisation et
que celle-ci est partage, cest--dire quelle capture une connaissance consensuelle.
Des langages de spcication ont t dvelopps pour construire des ontologies. Ces
langages sont habituellement des gnralisations des langages de frame et sont souvent bass sur la logique du premier ordre ou sur les logiques de description. Dans
le cadre des travaux sur le Web smantique, le W3C a mis en place en 2002 un
groupe de travail ddi au dveloppement de langages standards pour modliser des
ontologies utilisables et changeables sur le Web. Sinspirant de langages prcdents
32
2.1 Ontologie
Mauvaise condition de trafic
Mauvaise visibilit
Mauvaise route
Route glissante
Route
Route secondaire
Autoroute
Pluie Brouillard
Route sinueuse
33
2.2
Le modle
Nous dnissons une carte cognitive ontologique comme lassociation dune carte
cognitive et dune ontologie. Comme dit en introduction, cette ide dassocier une
ontologie aux cartes cognitives nest pas nouvelle. Les travaux de [Jung et al., 2003]
et de [Poignonec, 2006] associent une ontologie des cartes cognitives, nous allons
donc les dcrire dans les deux paragraphes qui suivent. Ils utilisent tous deux une
ontologie comme un outil de mesure de similarit entre concepts dans le but de
comparer ou fusionner un ensemble de cartes.
[Jung et al., 2003] dnit une ontologie comme un arbre de concepts. Il dnit
une carte cognitive ontologique comme une carte dont chaque concept est dni
dans lontologie. Lobjectif de Jung est de pouvoir dterminer leet dun concept
34
2.2 Le modle
dune carte sur un concept dune autre carte reprsentant un domaine dirent, les
deux cartes ontologiques tant tablies sur une ontologie commune. Jung propose
une opration d augmentation qui connecte des cartes direntes entre elles par
leurs concepts communs. Cette opration trouve, grce lontologie, des concepts
qui sont smantiquement quivalents alors quils sont dans des cartes direntes, et
utilise ces concepts comme des passerelles entre les cartes. Cette opration exploite
des fonctions dappartenance dnies dans lontologie entre des concepts ls et leur
concept parent. Cette opration permet de rvler des inuences non prvues par
les concepteurs des cartes. Jung propose aussi une opration d extension (resp.
de contraction ) sur les cartes qui spcialise (resp. gnralise) leurs concepts et
adaptent les inuences. Dans ce travail, un exemple exploitant trois cartes dnies
sur la mme ontologie est fourni. Une carte reprsente les croyances dun livreur,
une autre carte reprsente les croyances dun mtorologiste et une dernire carte
reprsente les croyances dun commerant. Les cartes du livreur et du commerant
partagent en commun le concept de bonne livraison. Les cartes du livreur et du
mtorologiste ne partagent pas de concept mais celle du livreur contient le concept
mauvais temps et celle du mtorologiste contient des concepts qui sont dans lontologie des ls du concept mauvais temps, par exemple orage. Les cartes du livreur
et du commerant sont augments, cest dire rassembls au sein dune seule carte
et connects par leur concept commun bonne livraison. Le concept mauvais temps
est tendu et remplac par ses concepts ls prsents dans la carte du mtorologiste.
En propageant des inuences dans la carte augmente, lauteur dduit que lorsquil
y a de lorage (carte du mtorologiste), la fraicheur des produits (carte du commerant) est inuence principalement par le trac routier (carte du livreur) et que
lge des stocks (carte du commerant) est inuenc principalement par le mauvais
temps (carte du livreur).
[Poignonec, 2006] a construit une ontologie au cours de son tude sur lcosystme rcifo-lagonaire de Nouvelle-Caldonie. Il a demand dirents acteurs de
lle de construire des cartes cognitives an de dterminer leur perception de lenvironnement. Ces cartes construites sans ontologie ont t saisies sur ordinateur.
Cest au cours de cette saisie que lontologie a t construite manuellement avec
les concepts rencontrs dans les cartes. La notion de rang ontologique dun concept
est dnie comme la profondeur dans larbre/ontologie. Une mesure de similarit
sappuyant sur la mesure de Markczy et Goldberg [Markczy et Goldberg, 1995] et
exploitant lontologie a t propose. Les cartes sont dabord dsagrges au dernier
rang ontologique, cest dire que chaque concept qui nest pas du dernier rang,
i.e. lmentaire, est remplac par ses descendants du dernier rang et les inuences
relies ce concept sont dupliques. Les cartes sont ensuite r-agrges un rang
ontologique choisi, cest dire que les concepts qui sont les descendants dun concept
du rang choisi sont remplacs par ce concept et les inuences sont fusionnes. Enn
la mesure de similarit de Markczy et Goldberg est calcule entre chaque paire de
35
0.9
0.5
0.2
-0.9
0.7
Mauvaise visibilit
0.7
Route glissante
0.8
0.2
Accident
Route sinueuse
2.3
Linuence propage
Une carte cognitive nest pas uniquement un outil de reprsentation. Une carte
cognitive aide comprendre les causes et les consquences dun facteur du problme
reprsent. En observant les chemins prsents dans une carte, il est possible dvaluer leet dun concept sur un autre mme sils ne sont pas lis directement pour
une inuence. Les modles de cartes cognitives dnissent gnralement un mcanisme qui automatise cette opration et permet ainsi de rvler lutilisateur des
inuences qui ne sont pas facilement perceptibles au premier abord. Nous appelons
ce mcanisme la propagation de linuence. Linuence propage dun concept sur un
autre est calcule en fonction des chemins dinuence qui existent entre les nuds
tiquets par ces concepts. Linuence propage est calcule pour chaque chemin
dinuence et les rsultats obtenus sont agrgs.
Un chemin dans la thorie des graphes est habituellement reprsent par une
liste de sommets. Pour correspondre notre vision du mcanisme de propagation,
nous dnissons un chemin dinuence comme une liste darcs. Les dnitions 2.7
et 2.8 sont identiques celles fournies au chapitre 1 qui prsente le modle des cartes
cognitives classiques.
Dnition 2.7 (Chemin dinuence)
Soit (V, etiqV , A, etiqA ) une carte cognitive dnie sur un ensemble de concepts C
et un ensemble de valeurs I. Soit c1 , c2 deux concepts de C. On appelle un chemin
dinuence de c1 c2 une squence (de longueur k) dinuences (ui , vi ) A tel que
u1 = etiqV1 (c1 ) et vk = etiqV1 (c2 ) et i [1..k 1], vi = ui+1 .
Exemple 2.7
Dans la carte CC1 (gure 2.2), il y a deux chemins dinuence (p1 et p2 ) entre Pluie
et Accident :
37
etiqA ((v, v ))
(v,v ) de P
Exemple 2.9
Linuence propage dans le chemin dinuence p1 est : IP(p1 ) = 0.5 0.7 = 0.35.
Linuence propage dans le chemin dinuence p2 est : IP(p2 ) = 0.2 0.8 = 0.16.
Ces deux nombres positifs montrent bien que la pluie est toujours un facteur aggravant daccident.
Linuence propage entre deux concepts est la moyenne des inuences propages
de chaque chemin dinuence minimal existant entre ces concepts.
Dnition 2.10 (Inuence propage entre deux concepts)
Soit (V, etiqV , A, etiqA ) une carte cognitive dnie sur un ensemble de concepts C
et lensemble de valeurs I = [1; +1]. Linuence propage entre deux concepts est
une fonction I dnie sur C C I telle que :
P
IP(P )
P Pc1 ,c2
I(c1 , c2 ) =
card(Pc1 ,c2 )
si Pc1 ,c2 6=
sinon.
Exemple 2.10
Linuence propage entre le concept Pluie et le concept Accident est la moyenne
des inuences propages dans p1 et p2 : I(Pluie, Accident) = (IP(p1 ) + IP(p2 ))/2 =
(0.35 + 0.16)/2 = 0.255.
2.4
Linuence ontologique
Linuence ontologique permet lutilisateur dinterroger une carte cognitive ontologique de faon dterminer linuence entre nimporte quelle paire de concepts
de lontologie. Linuence ontologique est calcule laide de linuence propage
dnie dans la section prcdente. Les inuences dans une carte cognitive ontologique ne sont dnies quentre des concepts lmentaires. Le mcanisme dinuence
ontologique calcule donc dabord deux sous ensembles de concepts lmentaires qui
spcialisent les deux concepts choisis. Les inuences propages sont ensuite calcules
pour chaque paire de concepts lmentaires de ces ensembles. Enn les direntes
inuences propages sont agrges. Le rsultat obtenu est linuence ontologique.
39
I(c1 , c2 ),
I(c1 , c2 )]
min
max
c1 elemP our(c1 )
c1 elemP our(c1 )
c2 elemP our(c2 )
c2 elemP our(c2 )
Exemple 2.12
Calculons linuence ontologique entre le concept Mauvais temps et le concept Mauvaise condition de trac. Commenons par calculer lensemble des concepts lmentaires pour Mauvais temps (not A) et pour Mauvaise condition de trac (not B) :
A = elemP our(Mauvais temps) = { Brouillard, Pluie}
B = elemP our(Mauvaise condition de trac) = {Mauvaise visibilit, Route glissante, Route sinueuse }
Dterminons ensuite linuence propage entre chaque concept de A et chaque
concept de B :
I(Brouillard, Mauvaise visibilit) = 0, 9.
I(Brouillard, Route glissante) = 0.
40
2.5 Paramtrage
I(Brouillard, Route sinueuse) = 0.
I(Pluie, Mauvaise visibilit) = 0, 5.
I(Pluie, Route glissante) = 0, 2.
I(Pluie, Route sinueuse) = 0.
Linuence propage entre un concept qui spcialise Mauvais temps et un concept
qui spcialise Mauvaise condition de trac est au minimum 0 et au maximum 0.9.
IO (Mauvais temps, Mauvaise condition de trac) = [0; 0.9].
2.5
Paramtrage
De nombreuses variantes des cartes cognitives sont dnies sur des ensembles
de valeurs I dirents de [1; +1] comme les cartes cognitives classiques vues dans
le chapitre 1 (section 1.3) dnies sur {+, }. Dans cette section, nous proposons
une adaptation des principales dnitions de ce chapitre an dutiliser des cartes
cognitives ontologiques dnies sur cet ensemble de valeurs.
Lensemble des valeurs I tant dirent, le calcul de linuence propage dans
un chemin ne peut pas faire intervenir un produit et une moyenne comme dans les
dnitions 2.9 et 2.10. Cette inuence propage est dnie laide dun oprateur
adapt lensemble {+, }.
Dnition 2.13 (Inuence propage dans un chemin dune carte cognitive
classique)
Soit (V, etiqV , A, etiqA ) une carte cognitive dnie sur un ensemble de concepts C et
lensemble de valeurs I = {+, }.
Linuence propage dans un chemin P est dnie de la faon suivante :
^
IP(P ) =
etiqI ((v, v ))
(v,v ) de P
avec
+
+
-
Exemple 2.13
Dans la carte cognitive classique de la gure 2.3, I((Fatigue, Risque daccident))) =
= +.
Linuence propage dun concept sur un autre est nulle (note 0) sil nexiste
pas de chemins entre ces concepts. Elle est positive lorsque les inuences propages
41
Attention
+
Fatigue
Risque
d'accident
Risque
d'accident
P Pc1 ,c2
+
?
+
+
?
?
?
?
?
?
?
?
Exemple 2.14
Dans la carte cognitive classique de la gure 2.3, I(Phares pendant la journe,
Risque dAccident) = (+ ) (+ +) =?.
Remarque
Ce mcanisme a linconvnient de donner des rsultats souvent ambigus.
Adaptons notre mcanisme dinuence ontologique une carte cognitive ontologique (dnition 2.12) dnie sur cet ensemble de valeurs. Nous proposons dajouter
42
2.5 Paramtrage
Phares
pendant
la journe
Visibilit
Risque
d'eblouissement
Phares
pendant
la journe
Risque
d'accident
Risque
d'accident
IO (c1 , c2 ) =
c1 elemP our(c1 )
c2 elemP our(c2 )
avec
+
0
+
+
?
?
?
?
?
?
?
?
?
?
?
?
Exemple 2.15
La carte cognitive ontologique CC2 (gure 2.5) est la mme carte que CC1 mais tiquete par + et -. Calculons linuence ontologique entre le concept Mauvais temps
et le concept Mauvaise condition de trac. I(Brouillard, Mauvaise visibilit) = +.
I(Brouillard, Route glissante) = 0.
43
+
+
+
+
Mauvaise visibilit
Route glissante
+
+
Accident
Route sinueuse
2.5 Paramtrage
est le minimum des inuences qui composent le chemin.
Dnition 2.16 (Inuence propage dans un chemin dinuence dune
carte avec valeurs symboliques)
Soit OM une carte cognitive ontologique dnie sur une ontologie (C, ) et lensemble partiellement ordonn de valeurs IO = {nul . f aible . moyen . f ort}.
Linuence propage dans un chemin dinuence P dune carte avec valeurs symboliques est :
IP (P ) = min
etiqA ((v, v ))
(v,v ) de P
Linuence propage entre deux concepts est, pour Kosko, la meilleure (la plus
grande) des inuences propages dans les dirents chemins qui existent entre ces
concepts.
Dnition 2.17 (Inuence propage dans une carte avec valeurs symboliques)
Soit OM une carte cognitive ontologique dnie sur une ontologie (C, ) et lensemble partiellement ordonn de valeurs {nul . f aible . moyen . f ort} = IO .
Linuence propage entre deux concepts dune carte avec valeurs symboliques est :
I(c1 , c2 ) = nul si Pc1 ,c2 =
I(c1 , c2 ) = max IP(P ) si Pc1 ,c2 6=
P Pc1 ,c2
fort
moyen
moyen
Autoroute
faible
Route secondaire
moyen
Mauvaise visibilit
Route glissante
moyen
fort
faible
Accident
Route sinueuse
Conclusion
Dans ce chapitre nous avons propos un modle de carte cognitive ontologique
qui associe une ontologie et une carte cognitive. Lontologie permet de mieux comprendre la carte car elle organise les concepts. Nous avons fourni un mcanisme de
propagation entre deux concepts de lontologie. Ce mcanisme utilise conjointement
la structure de la carte cognitive et la structure de lontologie pour calculer des inuences propages qui nauraient pas pu tre calcules sur une carte seule. Dans le
chapitre suivant, lontologie nous servira dchelle et ce mcanisme de propagation
nous permettra de calculer des vues.
46
Chapitre 3
Vue de cartes cognitives
ontologiques
Introduction
Lontologie peut tre utilise comme une chelle smantique pour voir la carte
cognitive ontologique. Une chelle est un sous ensemble particulier de concepts de
lontologie ; une chelle est donc en quelque sorte un barreau de lchelle smantique
reprsente par lontologie. Par analogie avec les cartes gographiques, lontologie
est la notion dchelle possible (entre 1/10 000 et 1/1 000 000 par exemple), et
lchelle, une chelle particulire choisie pour une vue particulire, par exemple 1/100
000. Les concepts dune chelle sont choisis an de fournir une vue de la carte
cognitive ontologique. Une vue est une carte cognitive construite en nutilisant que
les concepts de lchelle. Deux caractristiques doivent tre notes concernant la
vue. Dune part, une vue dune carte cognitive ontologique a normalement moins de
concepts que le nombre de concepts lmentaires de la carte cognitive ontologique,
ainsi la vue est plus lisible que la carte cognitive ontologique. Dautre part, chaque
concept lmentaire ou un concept le gnralisant est dans la vue, ainsi la vue est une
gnralisation de la carte associe la carte cognitive ontologique. Pour respecter
ces caractristiques, lchelle est dnie comme un sous ensemble particulier des
concepts de lontologie.
Quel que soit un ensemble de concepts slectionns par lutilisateur dans une
ontologie, une chelle pour cet ensemble peut tre calcule et on peut donc ainsi
obtenir une vue. Lontologie est donc une relle chelle smantique qui permet
lutilisateur de naviguer en changeant dchelle, dans une carte cognitive ontologique.
Pour aider lutilisateur comprendre le rsultat du calcul dune inuence ontologique entre deux concepts, la vue pour une inuence est dnie. Une telle vue est
obtenue en calculant une chelle qui sera utilise pour gnrer une vue qui mettra
47
3.1
chelle
Une chelle peut aussi bien dterminer une vue avec des concepts ayant le mme
niveau de dtails quune vue non uniforme, avec des parties dtailles et dautres
moins. La clbre page de la bande dessine Astrix (gure 3.1) illustre bien le type
de vues que lon souhaite obtenir. Pour comprendre le rapport entre le village gaulois
la Gaule et lEmpire Romain, il nest pas ncessaire de voir la totalit des dtails
de la carte.
Une vue dune carte cognitive ontologique est une carte cognitive contenant gnralement moins de concepts que la carte cognitive associe. Nous appelons chelle
lensemble des concepts prsents dans la vue. On peut ainsi, par le choix de lchelle,
dtailler certaines parties et pas dautres. Une chelle respecte deux proprits spciques : dune part tous les concepts dune chelle sont incomparables entre eux et
dautre part ils doivent tre reprsentatifs de lensemble des concepts de lontologie.
En eet, une chelle est compose dun ensemble de concepts incomparables.
Lintuition de la notion de comparabilit pour deux concepts est que lun est plus
petit que lautre. Ainsi, dans une chelle, aucun concept ne sera deux fois reprsent :
une fois en tant que concept et une autre fois par un concept qui le gnralise
(suprieur).
Dnition 3.1 (Concepts comparables)
Soit (C, ) une ontologie. Deux concepts c et c de C sont comparables ssi c c ou
c c.
Exemple 3.1
Dans lontologie O1 (gure 3.2), les concepts Autoroute et Route sont comparables
48
3.1 chelle
0.9
0.5
0.2
-0.9
0.7
Mauvaise route
Route glissante
Mauvaise visibilit
0.7
Route glissante
0.8
0.2
Accident
Route sinueuse
Route
Route secondaire
Autoroute
Pluie Brouillard
Route sinueuse
Figure 3.2 Carte cognitive ontologique OCC1 compose de la carte cognitive CC1
et de lontologie O1.
dun ensemble de concepts lmentaires associs un concept (dnition 2.11) celle
densemble de concepts lmentaires associs un ensemble. Un ensemble est reprsentatif dun autre lorsque les concepts lmentaires associs au premier ensemble
contiennent les concepts lmentaires du second.
Dnition 3.3 (Concepts lmentaires pour un ensemble)
Soit (C, ) une ontologie. Soit C C. On appelle lensemble des concepts lmenS
taires pour un ensemble C : elemP ourEns(C ) = cC elemP our(c).
Exemple 3.3
Prenons lensemble de concepts { Route, Mauvais temps }. Lensemble des concepts
lmentaires pour cet ensemble est { Autoroute, Route secondaire, Brouillard, Pluie
}.
Remarque
Remarquons que pour une ontologie par construction, elemP ourEns(C) = min(C).
Dnition 3.4 (Ensemble reprsentatif dun ensemble)
Soit (C, ) une ontologie. Soit C1 , C2 C. C1 est un ensemble reprsentatif de C2
ssi elemP ourEns(C2 ) elemP ourEns(C1 ).
Exemple 3.4
Dans OCC1, prenons lensemble de concepts { Mauvaise condition de trac }. Lensemble des concepts { Mauvaise visibilit, Mauvaise route } est reprsentatif de cet
ensemble car lensemble des concepts lmentaires pour { Mauvaise condition de
50
3.2
Une vue pour une carte cognitive est dnie pour une chelle donne. Une
vue synthtise la carte cognitive en faisant apparatre simplement les concepts de
lchelle. Deux concepts dune vue sont connects si il existe un concept lmentaire
pour chacun deux tels que ces deux concepts lmentaires sont relis par un chemin
dans la carte cognitive ontologique.
Dnition 3.6 (Connexion entre deux concepts)
Soit CO = (V, etiqV , A, etiqA ) une carte cognitive ontologique dnie sur une onto51
tiqA (
etiqV (c1 ), etiqV1 (c2 )) si c1 et c2 sont des concepts
e
ementaires.
Valeur(c1 , c2 ) = el
IO (c1 , c2 ) sinon.
Exemple 3.7
Il ny a pas dinuence entre Mauvaise condition de trac et Accident car Mauvaise
condition de trac nest pas un concept lmentaire, ils sont nanmoins connects.
La valeur de linuence entre ces concepts est gale linuence ontologique entre ces
concepts, cest dire dans le cas prsent : IO (Mauvaise condition de trac, Accident)
= [0.2, 0.8]
.
Une fois que les concepts (chelle) et les inuences (connexions et valeurs) de la
vue sont dtermins, la construction de la vue peut tre fournie.
c2 de C sont connects.
52
[-0.9,0.7]
[0.2,0.8]
Accident
3.3
Pour obtenir une vue, un utilisateur peut slectionner une chelle. Nous proposons aussi lutilisateur dobtenir une vue partir de nimporte quel ensemble de
concepts slectionns. Pour faire cela, on calcule une chelle associe lensemble
de concepts slectionns.
Dnition 3.9 (Ensemble de concepts slectionns)
Soit (C, ) une ontologie. Un ensemble Cs de concepts slectionns est un sous ensemble de C choisi par lutilisateur pour obtenir une vue.
Lchelle est calcule de manire ce que les concepts infrieurs aux concepts
slectionns ne soit pas prsents dans celle-ci. Lutilisateur nest pas oblig de slectionner une chelle complte, celle-ci est complte avec les concepts lmentaires de
lontologie qui ne sont pas infrieurs aux slectionns. De plus, le calcul de lchelle
tolre que lutilisateur puisse slectionner des concepts qui sont comparables, lchelle
ne contient que le maximum de lensemble de ces concepts slectionns.
Dnition 3.10 (Concepts de la vue pour un ensemble de concepts slectionns)
Soit (C, ) une ontologie. Soit Cs lensemble de concepts slectionns par lutilisateur. On appelle les concepts de la vue pour Cs : ConceptsVuePourSelect(Cs ) =
S
max(Cs ) (min(C)\ cCs elemP our(c))).
53
3.4
Une carte cognitive est souvent utilise par plusieurs personnes. Lide est dassocier un prol une personne de sorte fournir, sa demande, une carte qui lui est
ddie. Ces prols doivent tre fournis par le concepteur. Un prol est une simple
chelle dnie pour lutilisateur qui sera utilise pour gnrer la vue.
Dnition 3.12 (Prol dutilisateur)
Soit (C, ) une ontologie. Un prol dutilisateur est une chelle de C.
Exemple 3.10
Pm = {Brouillard, Pluie, Route, Mauvaise condition de trac, Accident} est un
prol pour lutilisateur mtorologiste .
Dnition 3.13 (Vue pour un prol)
Soit CO = (V, etiqV , A, etiqA ) une carte cognitive ontologique dnie sur une ontologie (C, ) et un ensemble de valeurs I. Soit P un prol dutilisateur. La vue pour
un prol P est la vue pour P de CO.
Exemple 3.11
La gure 3.4 prsente la vue pour le prol Pm = {Brouillard, Pluie, Route, Mauvaise
condition de trac, Accident} construit pour lutilisateur mtorologiste . Une
autre vue pour le prol Pr = {Autoroute, Route secondaire, Mauvais temps, Mauvaise condition de trac, Accident } peut tre calcule pour lutilisateur constructeur de routes .
Brouillard
Pluie
[0,0.9]
[0,0.5]
[-0.9,0.7]
[0.2,0.8]
Accident
Route
[0,0.9]
Pluie [0,0.5]
[-0.9,0]
Autoroute [0,0.7]
[0.2,0.8]
Accident
Route secondaire
3.5
Vue de linuence
elemP ourEns(ConceptsImpliqus(c1 , c2 ))
elemP ourEns(max(IncomparableAuxImpliqu
es(c1 , c2 ))).
Comme elemP ourEns(ConceptsV ueP ourInf luence(c1 , c2 )) = elemP ourEns(ConceptsImpliqus(c1 , c2 ))elemP ourEns(max(IncomparableAuxImpliqu
es(c1 , c2 ))) et
parce que les lments retourns par la fonction elemP ourEns sont ncessairement
des lments de min(C), elemP ourEns(ConceptsV ueP ourInf luence(c1 , c2 )) =
min(C), et donc (proprit 3.1) ConceptsV ueP ourInf luence(c1 , c2 ) est reprsentative de C.
Dnition 3.19 (Vue pour une inuence)
Soit CO = (V, etiqV , A, etiqA ) une carte cognitive ontologique dnie sur une ontologie (C, ) et un ensemble de valeurs I. La vue pour une inuence entre c1 , c2 de
C est la vue pour ConceptsV ueP ourInf luence(c1 , c2 ) de CO.
Exemple 3.14
La gure 3.6 prsente la vue pour linuence entre les concepts Mauvais temps et
Accident. Les concepts lmentaires de Mauvais temps, de Mauvaise condition de
trac et dAccident sont des concepts impliqus. Pour une meilleure prsentation les
concepts impliqus sont dans une boite grise. Notons que les concepts Autouroute
et Route secondaire ne sont pas des concepts impliqus. Ils sont donc reprsents
dans la carte par le concept gnrique Route.
Brouillard
Pluie
Route
0.9
0.5
0.2
[-0.9,0.7]
Mauvaise visibilit
0.7
Route glissante
0.8
0.2
Accident
Route sinueuse
Conclusion
Laspect graphique dune carte cognitive la rend facile apprhender. Cet avantage devient un inconvnient lorsque la carte contient un grand nombre darcs et de
sommets. Dans ce chapitre nous avons prsent des mcanismes qui fournissent des
vues synthtiques dune carte cognitive ontologique pour direntes chelles. Lutilisateur peut apprhender le contenu de la carte en choisissant une chelle contenant
des concepts gnriques et modier cette chelle an dobserver en dtail les parties
de la carte qui lintressent. Nous avons propos un systme de prol qui permet
des utilisateurs dont les intrts sont dirents de dnir leur propre vue de la
carte. Enn nous avons propos un mcanisme qui aide comprendre linuence
ontologique entre deux concepts en prsentant lutilisateur une vue dtaillant les
concepts et inuences qui la dterminent.
59
Chapitre 4
Les cartes cognitives contextuelles
Introduction
Les connaissances exprimes dans une carte cognitive peuvent tre fortement lies
des points de vue ou des centres dintrts des concepteurs de la carte. Selon les
conditions dutilisation de la carte, certaines de ces connaissances sont pertinentes
alors que dautres ne le sont pas. Les connaissances exprimes par un concepteur
de la carte ayant un point de vue proche de celui dun utilisateur devraient tre
pertinentes pour cet utilisateur. Au contraire, celles exprimes par un concepteur
dont le point de vue est loign de celui de lutilisateur devraient avoir un intrt
moindre pour celui-ci. Une carte peut donc regrouper plusieurs points de vue, dans
ce cas l, certaines connaissances de la carte ne sont valides que pour certains points
de vue. Exploiter une telle carte dans sa totalit quivaut considrer une union de
connaissances qui nest pas pertinente. Lexploitation de cette carte est donc dicile.
Le modle de cartes cognitives contextuelles que nous proposons fournit la possibilit au concepteur dexpliciter le contexte de validit de chaque inuence dune
carte. Conjointement cette reprsentation de la validit des inuences, ce modle
fournit un mcanisme qui permet lutilisateur de ltrer les informations en fonction
du contexte dutilisation qui lintresse. Le rsultat de ce ltrage est une carte cognitive que nous appelons vue contextuelle. Une vue contextuelle a plusieurs avantages
par rapport la carte dont elle est issue. Tout dabord, une vue contextuelle est plus
petite que la carte dont elle est issue, elle est donc plus facile comprendre. Ensuite,
comme elle correspond mieux au contexte dutilisation, elle est plus pertinente pour
lutilisateur. Enn, dans une carte contenant des inuences dont les contextes de
validit sont dirents, les calculs dinuence peuvent fournir des rsultats ambigus.
Au contraire, les calculs eectus sur la vue contextuelle, celle-ci contenant uniquement des inuences dnies sur un contexte prcis, sont susceptibles de fournir des
rsultats plus prcis et moins ambigus.
61
4.1
T
Vhicule
Voiture
T
Personne
Piton
Lieu
Ville Autoroute
Priode
Jour
Action
T2
agent temps lieu
obj
Personne:*
agent
Conduire:*
1
1
obj
temps
Vhicule:*
2 Nuit:*
Oublier ses
phares
Accident
mauvaise
visibilit
C
-
Etre
visible
+
B
Passage
pour piton
+
E
D
+
E
Heure de
Journe
-
D
D
Bonne
visibilit
E+ D -
Accident
mortel
+
+
A
Fatigue
+
Erreur
humaine
Densit du
trafic
- A
Vitesse
+
A
G
+
F
+
A
Route
sinueuse
+ FG
Lieu
4.2
Une fois la carte tablie, une fois que des contextes ont t associs aux inuences, un utilisateur peut manipuler la carte cognitive contextuelle. Pour cela il
prcise dabord le contexte dans lequel il souhaite lutiliser. Le mcanisme de ltrage prsent dans cette section active alors les inuences et les concepts pertinents
dans le contexte choisi. Une vue contextuelle est ainsi dtermine. Lutilisateur peut
66
Personne
B:
Personne
C:
Personne
D:
Nuit
E:
Jour
F:
Ville
G:
Autoroute
2
2
2
agent
agent
agent
1
1
1
Conduire
Marcher
Conduire
1
1
obj
obj
temps
Vhicule
Vhicule
Nuit
agent
2
Conduire
temps
lieu
obj
Voiture
Autoroute
Jour
agent
Marcher
1
1
lien
temps
2
2
Ville
Nnit
Figure 4.6 Contexte dutilisation pour un piton marchant la nuit dans une ville.
peut sactiver dans plusieurs contextes dutilisation. Dans les exemples que nous
dtaillerons plus loin, on prendra pour exemple le cas dun automobiliste conduisant
de jour sur une autoroute (gure 4.5) et le cas dun piton marchant la nuit dans
une ville (gure 4.6).
Le mcanisme de ltrage sappuie sur lopration de projection du modle des
graphes conceptuels. Cette opration est lopration de base du modle des graphes
conceptuels et correspond un morphisme de graphes.
Dnition 4.5 (Projection)
Soit G et H deux graphes conceptuels dnis sur le mme support. Une projection
de G dans H est une application de CG dans CH et de RG dans RH qui conserve
les artes et leurs tiquettes et peut diminuer les tiquettes des sommets. Cette
application est dnie de la faon suivante :
rc EG (r)(c) EH et lG (rc) = lH ((r)(c)).
n NG lH ((n)) lG (n)
les tiquettes des sommets relations sont partiellement ordonnes par la relation dordre partiel sur TR .
les tiquettes des sommets gconcepts sont partiellement ordonnes par (t, m)
(t , m ) ssi t t et m m .
Exemple 4.5
Lopration de projection permet dinterroger un graphe conceptuel laide dun
autre graphe conceptuel. La gure 4.7 montre une projection du graphe conceptuel A
dans le graphe conceptuel B. La projection est symbolise par des ches en pointill.
De faon intuitive, on remarque que linformation reprsente par le graphe A est
68
Personne
Personne
B:
2
2
agent
agent
2
Jour
1
1
Conduire
Conduire
temps
lieu
obj
obj
2
2
Vhicule
Voiture
Autoroute
71
Pa
ssage
pourpiton
Etre
visible
Heure de
Journe
Bonne
visibilit
Accident
mauvaise
visibilit
Fatigue
D -
Route
sinueuse
Erreur
humaine
Densit du
trafic
Accident
mortel
Lieu
Figure 4.8 Vue contextuelle pour un piton marchant la nuit dans une ville.
Oublier ses
phares
Accident
mauvaise
visibilit
Etre
visible
C
-
+
E
Heure de
Journe
+
E
Fatigue
Bonne
visibilit
E+
Erreur
humaine
+
Accident
mortel
+
+
A
Densit du
trafic
- A
Vitesse
G
+
A
+
A
Route
sinueuse
- G
Lieu
Figure 4.9 Vue contextuelle pour un automobiliste conduisant de jour sur une
autoroute.
72
Conclusion
Le modle des cartes cognitives contextuelles prsent dans ce chapitre utilise
conjointement les cartes cognitives et les graphes conceptuels. Un modle antrieur
de cartes cognitives prsente aussi cette caractristique : le modle des cartes cognitives de graphes conceptuels[Genest et Loiseau, 2007]. Contrairement au modle de
cartes cognitives contextuelles, ce modle nassocie pas de graphes conceptuels aux
inuences, mais aux concepts. Les concepts sont donc dcrits de manire plus prcise. Lopration de projection des graphes conceptuels est utilise pour slectionner
des concepts smantiquement lis. De plus ce modle fournit des mcanismes de propagation entre deux ensembles de concepts. Ces deux modles nont pas les mmes
objectifs mais ils pourraient tre fusionns en un seul.
Le modle de cartes cognitives contextuelles prsent ici facilite lexploitation de
cartes complexes grce un mcanisme de ltrage. Une carte de grande taille dicile
comprendre est simplie pour ne prsenter que les informations intressantes dans
le contexte dutilisation. Ce mcanisme permet aussi deectuer des raisonnements
moins ambigus car les inuences non pertinentes dans le contexte ne sont pas prises
en compte dans le mcanisme de propagation. Des chemins de la carte dont les signes
sont dirents et qui appartiennent des contextes dirents napparaissent pas en
mme temps, les rsultats des calculs de propagation dinuence sont alors moins
souvent ambigus.
En plus de permettre au concepteur de rendre plus claire une carte en prcisant
les contextes des inuences, il est intressant de noter que le concepteur peut calculer
des vues dune carte contextuelle en cours de ralisation et de vrier ainsi si ces
vues ne contiennent pas dambigits.
73
Chapitre 5
Systme
Introduction
Lobjectif de ce chapitre est double. Il sagit dune part de prsenter limplmentation des modles prsents dans cette thse de sorte permettre au lecteur
intress de la reproduire, lexploiter ou la faire voluer. Il sagit dautre part de
montrer comment lutiliser. Deux programmes ont t raliss an de mettre en
uvre nos travaux. Le premier programme, appel SCCC, a pour objectif principal
dimplmenter lutilisation conjointe de cartes cognitives et de graphes conceptuels.
Ce programme implmente le modle de cartes cognitives de graphes conceptuels dcrit dans larticle [Genest et Loiseau, 2007] ainsi que le modle des cartes cognitives
contextuelles (chapitre 4). [Genest et Loiseau, 2007] utilise les graphes conceptuels
pour dnir les concepts dune carte cognitive. Un second programme a t cr dans
lobjectif de tester lutilisation conjointe dune carte cognitive et dune hirarchie de
concepts (ontologie). Ce second programme, appel SCCO, permet de manipuler des
cartes cognitives ontologiques (chapitre 2 et 3).
Les deux programmes ont pour point commun dimplmenter un algorithme de
calcul de linuence entre deux concepts et de stocker les cartes au format CoGXML
de Cogitant. Cogitant est une bibliothque de manipulation de graphe conceptuels
dvelopp au LIRMM 1 et au LERIA 2 .
Dans la section 5.1 nous prsentons lorganisation des projets SCCC et SCCO.
Dans la section 5.2 nous prsentons limplmentation de lalgorithme de propagation
de linuence. Dans la section 5.3 nous prsentons comment sont stockes les cartes
cognitives. Enn, dans la section 5.4, nous prsentons les dirents cas dutilisations
de nos prototypes.
1. Laboratoire dInformatique, de Robotique et de Microlectronique de Montpellier
2. Laboratoire dEtudes et de Recherche en Informatique dAngers
75
Chapitre 5. Systme
5.1
5.1.1
76
http://www.lirmm.fr/cogui/
http://java.sun.com/docs/books/tutorial/uiswing/components/index.html
http://www.jgraph.com/pub/jgraphmanual.pdf
http://cogitant.sourceforge.net/cogitant_html/fr_cogxml.html
CCdeGCjava
ClientCogitant
Interface
Connexion Rseau
Modele
Bibliotheque Cogitant
Xml
JNI
Importation
Exportation
5.1.2
SCCO
77
Chapitre 5. Systme
dition de cartes cognitives ontologiques.
dition de hirarchies de concepts.
dition de hirarchies de contextes.
visualisation des vues ontologiques.
visualisation de la propagation de linuence dans une carte.
Le programme SCCO est issu de la rorganisation de SCCC an de mettre en
uvre les cartes cognitives ontologiques. Linterface graphique de ce programme a
t considrablement amliore an de grer des vues ontologiques. Le stockage des
cartes est une extension de celui eectu dans le programme SCCC.
La gure 5.3 montre lorganisation de ce projet. Chaque modle a son propre
package organis avec le design pattern MVC et contient donc des packages Modele,
Interface et Controleur. Certains packages de modle ont une classe contenant la mthode Main permettant dexcuter une dclinaison du programme. Les packages sont
dpendants les uns des autres. Le package Ensemble contient ce qui est ncessaire
la manipulation des ensembles simples et des ensembles partiellement ordonns. Il
contient le modle de ces ensembles ainsi que les lments de linterface graphique
permettant dditer des hirarchies dlments. Le package Graphe contient un modle de graphe ainsi que les lments de linterface graphique permettant dditer
des graphes. Ce package utilise le package Ensemble. Le package Graphe est utilis
par le package CarteCognitive et par le package GrapheConceptuel car les cartes
cognitives et les graphes conceptuels sont deux modles de graphes. Ces deux packages contiennent les classes implmentant les mcanismes associs leur modle
respectif. Le package CCOntologique implmente le modle des cartes cognitives
ontologiques, il utilise donc le package CarteCognitive et contient les composants
de linterface graphique permettant dobtenir des vues ontologiques. Le package
CCdeGC implmente le modle des cartes cognitives de graphes conceptuels. Ce
package utilise le package CarteCognitive et le package GrapheConceptuel. Le package CCContextuelle implmente le modle des cartes cognitives contextuelles et
utilise le package CCdeGC.
78
Graphe
Graphe
Ensemble
1
1
n
Arete
n
1
EnsemblePartiellementOrdonne
OrdrePartiel
Sommet
2
CarteCognitive
CCdeGC
CarteCognitive
Influence
NotionGC
CCdeGC
Notion
CCOntologique
CCContextuelle
CCOntologique
CCContextuelle
InfluenceGC
5.2
Les travaux sur les cartes cognitives ont mis en uvre dirents algorithmes
permettant de calculer linuence entre deux concepts dune carte. Ces algorithmes
sont lis la manire dont les cartes sont formalises et reprsentes.
Kosko a dni plusieurs algorithmes (Annexe, section A). Dans le cas o une
carte est reprsente par une matrice dadjacence, le calcul de linuence est eectu
laide dune succession de produits matriciels.
Dans son travail sur les cartes cognitives oues dynamiques, Kosko a propos
un nouveau mcanisme bas sur la propagation de valeur dans la carte. Chaque
concept de la carte est dabord initialis avec une valeur. Chaque concept met jour
79
Chapitre 5. Systme
CCjava
Ensemble
Graphe
CarteCognitive
GrapheConceptuel
CCOntologique
CCdeGC
CCContextuelle
B
+
Chapitre 5. Systme
Algorithme 2 : I : Propagation.
Donnes : c1 , c2 : Concept; s : Signe
Rsultat : r : Signe
dbut
// initialisation du resultat;
r 0;
// condition pour ne pas boucler linfini;
si signeCourant(c1 ) 6= s alors
// mise jour du signe du concept n1 ;
signeCourant(c1 ) signeCourant(c1 ) s;
// parcours en largeur du graphe;
pour toute inf luence i Inf luencesSortantes(c1 ) faire
// modification du resultat par un appel recursif;
r r I (cible(i), c2 , signeCourant(n1 ) signe(i));
n
n
// le resultat retourn est gale au signe de c1 si la concept
courant c1 est c2 ;
si c1 = c2 alors r signeCourant(c1 );
retourner r;
n
extrmit C avec un signe ngatif. I (C, C, (+ )) est appel. Le signe courant
de C est dirent, il est donc actualis et lalgorithme continue. Le concept C
sinuence lui-mme positivement. I (C, C, ( +)) est appel. Le signe courant de
C et le signe pass en paramtre sont gaux, lalgorithme ne continue donc pas dans
cette direction pour ne pas boucler. I (C, C, ( +)) retourne . I (C, C, ( +))
retourne . I (B, C, (+ +)) retourne . I (A, C, +) se poursuit, et lalgorithme
soccupe de linuence ngative qui a pour extrmit C. I (C, C, (+ )) est appel
une seconde fois. Le signe courant de C et le signe pass en paramtre sont gaux,
lalgorithme ne va pas explorer la boucle par lequel il est dj pass et il retourne
directement le signe courant cest dire . Dans I (A, C, +) le rsultat de I (B, C, +)
et I (C, C, ) sont compars : = . I (A, C, +) se termine et retourne . Enn,
I(A, C, {A, B, C}) se termine et retourne .
82
5.3
5.3.1
Vitesse
T2
_Concept_
_Influence_
_Influence +_ _Influence -_
Accident
_Concept_: Vitesse
_Influence +_
_Concept_: Accident
83
Chapitre 5. Systme
<! DOCTYPE cogxml PUBLIC " -// COGITANT // CoGXML Format
Specification 1.3// EN " " http: // cogitant . sourceforge . net /
cogxml . dtd " >
< cogxml >
< support >
< conceptTypes >
< ctype id = " concept " label = " _Concept_ " / >
< ctype id = " T " label = " Universel " / >
< order id1 = " concept " id2 = " T " / >
</ conceptTypes >
La carte cognitive simple de la gure 5.5 contient les concepts Vitesse et Accident. Ces concepts sont reprsents par des nuds de type _Concept_ auxquels
sont associs des marqueurs individuels respectivement Vitesse et Accident. Ces
marqueurs individuels sont dnis dans le chier de la faon suivante :
< conformity >
< marker id = " le1 " label = " Vitesse " idType = " concept " / >
< marker id = " le2 " label = " Accident " idType = " concept " / >
</ conformity >
</ support >
La carte cognitive de la gure 5.5 est reprsente par un graphe conceptuel dni
dans le chier de la faon suivante :
< graph id = " cc " nature = " fact " set = " carte cognitive " >
< concept id = " e1 " idType = " concept " referent = " individual "
idMarker = " le1 " / >
< concept id = " e2 " idType = " concept " referent = " individual "
idMarker = " le2 " / >
84
La force dune inuence peut tre stocke en ajoutant un attribut force la balise
relation.
< relation id = " i1 " idType = " tr1 " force = " 0.5 " / >
5.3.2
Comme les concepts dune carte cognitive de graphes conceptuels sont dcrits
par des graphes conceptuels, il nous a paru naturel de reprsenter une telle carte
par un graphe conceptuel dont certains gconcepts contiennent des graphes conceptuels embots. La gure 5.6 fournit un exemple de conversion dune carte cognitive
de graphes conceptuels en un graphe conceptuel dni sur un support particulier.
Chaque concept de la carte est un nud gconcept de type _Concept_. Le graphe
conceptuel de ce concept est embot dans le nud gconcept de celui-ci.
Le support pour une carte cognitive de graphes conceptuels contient les mmes
types de gconcepts et de relations que pour les cartes cognitives classiques mais
contient aussi les types ncessaires la dnition des graphes conceptuels dcrivant
les concepts.
<? xml version = " 1.0 " encoding = " UTF -8 " ? >
<! DOCTYPE cogxml PUBLIC " -// COGITANT // CoGXML Format
Specification 1.1// EN " " cogxml . dtd " >
< cogxml >
< support >
< conceptTypes >
< ctype id = " concept " label = " _Concept_ " / >
< ctype id = " T " label = " Universel " / >
< ctype id = " tdc3 " label = " Accident " / >
< ctype id = " tdc1 " label = " Route " / >
< ctype id = " tdc2 " label = " Mouille " / >
< order id1 = " tdc1 " id2 = " T " / >
< order id1 = " tdc2 " id2 = " T " / >
< order id1 = " tdc3 " id2 = " T " / >
< order id1 = " concept " id2 = " T " / >
</ conceptTypes >
< relationTypes >
85
Chapitre 5. Systme
Support d'une carte cognitive:
T
T
T2
_Concept_
_Influence_
_Concept_
_Influence +_ _Influence -_
Mouill
Accident
T2
Carte cognitive:
_Influence_
+
o
Rute ouille
_Influence +_ _Influence -_
Caramb
olage
cause
tat
T
Route
Mouill
tat
Accident
cause
Route:*
Caramb
olage:
o
Rutee*
Accident:*
1
1
tat
cause
tat
Mouill:*
o
Rute ouille:
_Influence +_
2
2
ouill:*
M
t:*
c
Aci
_Concept_: Carambolage
Accident:*
cause
Accident:*
< rtype id = " tdr2 " label = " cause " idSignature = " T T " / >
< rtype id = " T2 " label = " Relation Binaire " idSignature = " T
T"/>
< rtype id = " tr0 " label = " influence " idSignature = " concept
concept " / >
< rtype id = " tr1 " label = " influence + " idSignature = "
concept concept " / >
< rtype id = " tr2 " label = " influence -" idSignature = "
concept concept " / >
< rtype id = " tdr1 " label = "tat " idSignature = " T T " / >
< order id1 = " tdr2 " id2 = " T2 " / >
< order id1 = " tdr1 " id2 = " T2 " / >
< order id1 = " tr0 " id2 = " T3 " / >
< order id1 = " tr1 " id2 = " tr0 " / >
< order id1 = " tr2 " id2 = " tr0 " / >
</ relationTypes >
86
Les graphes conceptuels de la gure 5.6 dcrivant les concepts Route mouille et
Carambolage sont dnis de la faon suivante :
< graph id = " de1 " nature = " fact " set = " graphe conceptuel " >
< concept id = " c1 " idType = " tdc1 " referent = " individual " / >
< concept id = " c2 " idType = " tdc2 " referent = " individual " / >
< relation id = " r1 " idType = " tdr1 " / >
< edge id = " edge1 " label = " 1 " rid = " r1 " cid = " c1 " / >
< edge id = " edge2 " label = " 2 " rid = " r1 " cid = " c2 " / >
</ graph >
< graph id = " de2 " nature = " fact " set = " graphe conceptuel " >
< concept id = " c1 " idType = " tdc3 " referent = " individual " / >
< concept id = " c2 " idType = " tdc3 " referent = " individual " / >
< relation id = " r1 " idType = " tdr2 " / >
< edge id = " edge1 " label = " 1 " rid = " r1 " cid = " c1 " / >
< edge id = " edge2 " label = " 2 " rid = " r1 " cid = " c2 " / >
</ graph >
87
Chapitre 5. Systme
_Concept_:*
_Concept_:*
_Influence -_
_Concept_:*
_Influence -_
_Influence +_
_Concept_:*
_Concept_:*
Les cartes cognitives et les graphes conceptuels tant des graphes, la dirence
entre ces deux modles tient essentiellement dans les mcanismes qui sy appliquent.
Nous avons envisag dimplmenter le mcanisme dinuence entre deux concepts en
exploitant des rgles de graphe conceptuels [Salvat, 1998][Salvat et Mugnier, 1996].
Les rgles sont une extension du modle des graphes conceptuels. Une rgle permet dajouter de nouveaux sommets et artes un graphe conceptuel en fonction
dun motif dtect dans celui-ci. Les rgles utilisent lopration de projection pour
eectuer la dtection du motif. La gure 5.7 donne un exemple de rgle que nous
avions envisag dutiliser : une inuence ngative suivie dune autre inuence ngative donne lieu une nouvelle inuence positive. Pour eectuer la propagation
de linuence, des rgles sont appliques au graphe conceptuel de la carte cognitive
jusqu ce que leur application nait plus deet. Cette ide na pas t ralise car
lopration de projection, utilise pour eectuer ce traitement, a une complexit plus
importante que les mcanismes de propagation que nous avons dnis.
5.3.3
T3
_Contexte_ _Concept_
_Influence_
_Influence +_ _Influence -_
Carte cognitive:
+
Oublier phares
Etre visible
T2
T3
_Influence_
_Influence +_ _Influence -_
T2
Personne:*
Conducteur de nuit:
Personne:*
qui
Conduire:*
quand
quoi
qui
_Influence -_
Conduire:*
quand
quoi
Nuit:*
Vehicule:*
Nuit:*
Vehicule:*
89
Chapitre 5. Systme
< order id1 = " tdc4 " id2 = " T " / >
< order id1 = " tdc3 " id2 = " T " / >
< order id1 = " tdc2 " id2 = " T " / >
< order id1 = " tdc1 " id2 = " T " / >
< order id1 = " concept " id2 = " T " / >
< order id1 = " contexte " id2 = " T " / >
</ conceptTypes >
< relationTypes >
< rtype id = " tdr2 " label = " quand " idSignature = " T T " / >
< rtype id = " tdr3 " label = " quoi " idSignature = " T T " / >
< rtype id = " T2 " label = " Relation Binaire " idSignature = " T
T"/>
< rtype id = " tr0 " label = " _Influence_ " idSignature = "
contexte concept concept " / >
< rtype id = " tr1 " label = " _Influence + _ " idSignature = "
contexte concept concept " / >
< rtype id = " tr2 " label = " _Influence -_ " idSignature = "
contexte concept concept " / >
< rtype id = " tdr1 " label = " qui " idSignature = " T T " / >
< order id1 = " tdr1 " id2 = " T2 " / >
< order id1 = " tdr2 " id2 = " T2 " / >
< order id1 = " tdr3 " id2 = " T2 " / >
< order id1 = " tr0 " id2 = " T3 " / >
< order id1 = " tr1 " id2 = " tr0 " / >
< order id1 = " tr2 " id2 = " tr0 " / >
< order id1 = " tr3 " id2 = " tr0 " / >
</ relationTypes >
< nestingTypes >
< ntype id = " description " label = " _Description_ " / >
</ nestingTypes >
< conformity >
< marker id = " le1 " label = " Oublier phares " idType = " concept
"/>
< marker id = " le2 " label = " Etre visible " idType = " concept " /
>
< marker id = " lc1 " label = " Conducteur de nuit " idType = "
contexte " / >
</ conformity >
</ support >
Le contexte Conducteur de nuit est dni dans le chier par le graphe conceptuel
suivant :
< graph id = " dc1 " nature = " fact " set = " graphe conceptuel " >
90
5.3.4
Une carte cognitive ontologique est reprsente comme une carte cognitive simple
dont le support a t tendu. Lensemble des types de relation contient en plus le
type _Generalise_ an de reprsenter lorganisation des concepts dans lontologie.
91
Chapitre 5. Systme
La gure 5.9 fournit un exemple de conversion dune carte cognitive ontologique en
un graphe conceptuel dni sur un tel support. Dans le modle des cartes cognitives
ontologiques, les inuences prennent des valeurs relles comprises entre -1 et +1.
Les graphes conceptuels ne permettent pas de reprsenter des valeurs numriques.
La conversion dune carte cognitive ontologique est donc incomplte.
Support d'une carte cognitive:
T2
T
_Concept_
_Influence_
T
_Generalise_
T2
_Concept_
_Influence_
_Influence +_ _Influence -_
_Generalise_
_Influence +_ _Influence -_
Carte cognitive:
Pluie
+ 0.5
Vent
Route glissante
Ontologie:
Mauvais temps
Pluie
Vent
Route glissante
_Generalise_
_Concept_: Vent
_Generalise_
_Concept_: Pluie
_Influence +_
92
La carte cognitive ontologique de la gure 5.6 est reprsente dans le chier par un
graphe conceptuel contenant des relations de types _Generalise_ et des relations qui
hrites de _Inuence_. La conversion dune carte cognitive ontologique en graphe
conceptuel est incomplte mais le format CoGXML permet de complter en ajoutant
un attribut force aux balises relations de type _Inuence_.
< graph id = " cc " nature = " fact " set = " carte cognitive " >
< concept id = " e3 " idType = " concept " referent = " individual "
idMarker = " le3 " / >
< concept id = " e4 " idType = " concept " referent = " individual "
idMarker = " le4 " / >
< concept id = " e1 " idType = " concept " referent = " individual "
idMarker = " le1 " / >
< concept id = " e2 " idType = " concept " referent = " individual "
idMarker = " le2 " / >
< relation id = " i1 " idType = " tr1 " force = " 0.5 " / >
< edge label = " 1 " rid = " i1 " cid = " e1 " / >
< edge label = " 2 " rid = " i1 " cid = " e2 " / >
< relation id = " ce4ce3 " idType = " trc " / >
< edge label = " 1 " rid = " ce4ce3 " cid = " e4 " / >
< edge label = " 2 " rid = " ce4ce3 " cid = " e3 " / >
< relation id = " ce4ce1 " idType = " trc " / >
< edge label = " 1 " rid = " ce4ce1 " cid = " e4 " / >
< edge label = " 2 " rid = " ce4ce1 " cid = " e1 " / >
</ graph >
93
Chapitre 5. Systme
</ cogxml >
5.4
Cas dutilisations
Les programmes SCCC et SCCO peuvent tre compils avec des paramtres
dirents an dobtenir des interfaces adaptes aux dirents modles de cartes cognitives tudis. Les dirents cas dutilisation prsents dans cette section peuvent
tre tests en ligne grce des applets disponibles ladresse suivante : http:
//forge.info.univ-angers.fr/~lionelc/cognitivemap/fr/index.html
Les dclinaisons de linterface sont direntes mais elles partagent cependant
quelques points communs. Linterface prsente au minimum un onglet Edition
de la carte cognitive destin au concepteur de la carte cognitive et un onglet
Utilisation de la carte cognitive destin lutilisateur nal (gure 5.10-1). Selon les dclinaisons du prototype des onglets supplmentaires sont ajouts entre
ces deux onglets. Chaque onglet contient une ou plusieurs zone contenant chacune
une reprsentation graphique (carte cognitive, graphe conceptuel, ontologie, etc.)
(gure 5.10-3). Chaque onglet contient sa propre barre doutils (gure 5.10-2) qui
prsente les direntes actions pouvant tre eectues. Selon les objets slectionns dans les reprsentations graphiques, la barre doutils est modie de manire
dynamique.
94
5.4.1
Carte cognitive
Chapitre 5. Systme
Chapitre 5. Systme
orange sont inuencs de manire ambigu cest dire la fois positivement et ngativement. Le concept Dcit public est de couleur orange (gure 5.16-c). Linuence
des Dpenses publiques conjoncturelles sur ce concept est donc ambigu.
99
Chapitre 5. Systme
5.4.2
Chapitre 5. Systme
une arte (gure 5.22-c) et enn clique sur une relation. Les artes dun graphe
conceptuel sont ordonnes autour dune relation. Lorsquune arte est slectionne,
un champ permet de changer cette valeur dordre (gure 5.23-a).
Chapitre 5. Systme
5.4.3
Chapitre 5. Systme
5.4.4
Lorganisation de la dclinaison du prototype adapte aux cartes cognitives ontologiques est la mme organisation que celle du prototype pour la carte cognitive.
Linterface contient un onglet Edition de la carte cognitive pour le concepteur et
un onglet Utilisation de la carte cognitive pour lutilisateur (gure 5.31). En plus
106
107
Chapitre 5. Systme
108
Conclusion
Les programmes dvelopps ont permis de raliser des exemples pour nos dirents modles de cartes cognitives. Les dirents mcanismes tudis ont ainsi pu tre
tests sur ces cartes et ainsi valider notre approche. Le programme SCCC contient
environ 10000 lignes de code. Le programme SCCO contient environ 12000 lignes de
code. Le dveloppement a t recommenc avec le programme SCCO an de pallier
les limitations de SCCC. Il serait intressant de rintgrer lensemble des fonctionnalits de SCCC dans SCCO. Les prototypes ont adapts pour fournir des applets
Java et ainsi les rendre utilisable depuis internet sans ncessiter dinstallation. En
revanche, les applets qui utilisent la bibliothque cogitant pour les oprations sur
les graphes conceptuels sont diciles dployer sur internet car pour des raisons de
scurit un applet ne devrait pas excuter du code compil.
109
Conclusion gnrale
Les recherches menes dans ce travail de thse ont pour but dtendre le modle des cartes cognitives et les mcanismes de raisonnement de sorte organiser
les concepts utiliss, fournir des vues synthtiques dune carte cognitive, expliciter
un mcanisme dchelle pour voir dirents niveaux conceptuels une carte, et
enn proposer de prendre en compte lutilisateur pour lui adapter sa carte. Lide
sous jacente ces extensions est quaussi bien lors de sa construction que lors de son
utilisation, il est important de pouvoir naviguer dans lespace carte de sorte en
avoir dirents points de vue ; les informations juges importantes dun certain point
de vue ntant pas les mmes que celles juges importantes dun autre point de vue.
Cette ide de navigation dans une carte cognitive est nouvelle : les travaux prcdents sur les cartes cognitives sintressent en eet soit la simple dition de cartes,
soit la mcanique algorithmique de calcul de propagation entre concepts, soit la
comparaison de cartes. Cette thse a donn lieu deux modles de cartes cognitives,
les modles de cartes cognitives ontologiques et de cartes cognitives contextuelles,
et deux prototypes qui implmentent ces modles : SCCO et SCCC. SCCO ajoute
une ontologie aux cartes cognitives, fournit des mcanismes pour calculer linuence
ontologique dun concept de lontologie un autre, dnit une chelle comme un
sous ensemble dune ontologie vriant des proprits de reprsentabilit et dincomparabilit, utilise une chelle pour produire une vue adapte. SCCC ajoute aux
cartes cognitives la possibilit de lier les inuences des graphes conceptuels et dexploiter ces graphes de sorte fournir une carte compose uniquement des inuences
adaptes la requte de lutilisateur. Ces prototypes ont t utiliss sur de petites
applications issues de travaux prcdents et des exemples construits dans le cadre
de cette thse.
Deux critiques principales peuvent, notre sens, tre adresses nos travaux ;
elles fournissent tous les deux des pistes pour des travaux ultrieurs. La premire
porte sur la construction de deux modles dirents dans le cadre de la thse (cartes
cognitives ontologiques, cartes cognitives contextuelles). Il est dommage de ne pas
avoir propos un modle unicateur qui tire prot et dune ontologie et de lutilisation de graphes conceptuels dans une carte cognitive. Lide de vue est la clef
unicatrice des deux modles que nous avons proposs. Dune certaine manire, les
111
Conclusion gnrale
cartes cognitives contextuelles fournissent les bases une notion dchelle portant
sur les inuences, alors que les cartes cognitives ontologiques fournissent, elles, formellement une notion dchelle portant sur les concepts.
La seconde critique porte sur le peu dexprimentation de nos outils an de montrer la pertinence et les manques de nos modles. Malgr cela, quelques points dapprciation de la pertinence pratique de nos approches peuvent tre fournis. Ils sappuient sur lexprience des dirents membres de lquipe dans lusage des graphes
conceptuels et du modle des cartes cognitives. Lutilisation des cartes cognitives
savre eectivement aise pour des non informaticiens ce qui explique le succs
du modle. La notion dontologie savre comprhensible par un non informaticien,
et les notions dchelle et de vue nous semblent exploitables par tout usager des
cartes cognitives. Lutilisation des graphes conceptuels comme interface graphique
portant une smantique claire savre elle de fait un mdia souvent trop complexe
comprendre par un utilisateur non informaticien. notre sens SCCO pourrait donc
tre utilisable par les utilisateurs de cartes cognitives, alors que SCCC devrait tre
recentr comme un outil daide la construction de cartes cognitives.
112
Annexe
Cette annexe est un document de travail en cours, nous le fournissons car il
donne quelques ides sur ce type de cartes.
Les cartes cognitives ont t tudies par les chercheurs en informatique partir des annes 80 lorsque Bart Kosko choisi de fournir une nouvelle formalisation
des cartes cognitives dAxelrod. Kosko remarque que les cartes cognitives dAxelrod
appliques des domaines tels que la politique, lhistoire, les relations internationnales, contiennent des concepts et des inuences entre concepts qui sont par nature
ous. Il formalise donc le modle des cartes cognitives oues laide de la thorie
des ensembles oues [Bandlers et Kohout, 1980].
Les cartes cognitives dAxelrod et les cartes cognitives oues de Kosko ont le
dfaut de ne pas permettre de voir voluer la valeur dun concept au cours du temps.
Les mcanismes de propagation de linuence ont donc t repenss. Nous appelons
les modles de cartes cognitives qui mettent en uvre ces nouveaux mcanismes
des cartes cognitives dynamiques. Au lieu de dterminer leet total entre deux
concepts en fonction des chemins qui les relient, leet sur chaque concept est calcul
itrativement en fonction des concepts qui linuencent. Avec un tel mcanisme, un
concept peut par exemple un moment tre inuenc ngativement puis un autre
moment tre inuenc positivement.
Les cartes cognitives oues base de rgles sont une volution des cartes cognitives dynamiques qui permettent de dnir de manire plus prcise comment au cours
de lexcution du mcanisme de propagation, un concept sera inuenc par dautres
concepts. Chaque concept dune carte cognitive oue base de rgles contient un
ensemble de rgles logiques oues.
La partie A prsente les cartes cognitives oues. La partie B prsente les cartes
cognitives dynamiques.
113
Chapitre . Annexe
Po mons cancerenx
cancerenx
non-cancerenx
A
Formalisation
Kosko considre quun concept est lassociation dune quantit et dune disquantit. Kosko formalise donc un concept Ci comme lunion oue dun ensemble
ou de quantit et de son ensemble ou complmentaire de dis-quantit. Une disquantit peut tre vue comme la ngation de la quantit.
Dnition 1 (Concept ou)
Un concept ou C est dni tel que :
C = Q Q
avec Q etQ deux ensembles ous complmentaires.
Exemple 1
Le concept ou poumons cancreux (gure 1) est compos dune quantit de poumons cancreux et dune dis-quantit de poumons cancreux, cest dire dune
quantit de poumons non-cancreux.
Un dis-concept est la ngation dun concept, cest dire que la quantit est la
dis-quantit sont inverss. Le dis-concept dun concept C est notC.
Exemple 2
Le concept ou poumons cancreux a pour dis-concept poumons non-cancreux.
Une inuence est formalise laide de linclusion entre deux ensembles ous.
Dnition 2 (Inuence oue)
Soit Ci et Cj deux concepts ous. Soit Qi (resp. Qj ) la quantit de Ci (resp. Cj ).
SoitQi (resp.Qj ) la dis-quantit de Ci (resp. Cj ).
Ci inuence positivement Cj ssi Qi Qj etQi Qj
114
non-terrorisme
Co trle du liban
par la syrie
Contrle
Non-contrle
115
Chapitre . Annexe
Imprialisme
sovitique
Contrle du Liban
par la Syrie
-
Islamisme
fondamentaliste
Islamisme
fondamentaliste
Radicalisme
arabe
Imprialisme
sovitique
Terrorisme
de l'OLP
Non-contrle
du Liban
par la Syrie
Solidit du
gouvernement
Libanais
Islamisme
non-fondamentaliste
Solidit du
gouvernement
Libanais
Terrorisme
de l'OLP
Non-terrorisme
de l'OLP
Non-solidit du
gouvernement
Libanais
Mcanismes
I nfrence
Visible
-eaucoup
b
Phares
pendant
la journ
e
faiblement
Risque
d'accident
loui
Eb
beaucoup
Exemple 6
l1 = (Phares pendant la journe, Visible, Risque dAccident).
Il1 (Phares pendant la journe, Risque dAccident) = min({moyennement, beaucoup}) = moyennement.
l2 = (Phares pendant la journe, Ebloui, Risque dAccident).
Il2 (Phares pendant la journe, Risque dAccident) = min({faiblement, beaucoup})
= faiblement.
Dnition 6 (Inuence totale)
Linuence totale T entre deux concepts Ci et Cj est dnie par :
T (Ci , Cj ) = max1lm Il (Ci , Cj )
grer le max
Exemple 7
T (Phares pendant la journe, Risque dAccident) = max({Il1 , Il2 }) = max(moyennement, faiblement}) = moyennement.
C alcul
Linuence totale peut tre calcule en exploitant la matrice dadjacence reprsentant la carte. Soit E = (eij )1i,jn la matrice dadjacence reprsentant la carte.
Cette matrice reprsente tous les chemins de longueur 1. Le produit matriciel de E
par E est une matrice note E 2 qui reprsente les chemins de longueur 2. Comme
les cartes cognitives oues sont acycliques, il ny a pas de chemins de longueur
suprieure n - 1.
Dnition 7 (Matrice rsultat de linuence totale)
Soit E = (eij )1i,jn une matrice dadjacence. La matrice T de linuence totale est
dnie de la manire suivante :
T =
n1
X
Ei
i=1
117
Chapitre . Annexe
Kosko[Dickerson et Kosko, 1994] propose un mcanisme de propagation qui permet de simuler un systme dynamique.
Mcanisme
Une valeur initiale est aecte chaque concept et cette valeur volue au cours
du temps. La valeur de chaque concept Ci au temps tn+1 est actualise en fonction
des valeurs au temps tn des concepts qui le prcdent. Cette opration est rpte
jusqu ce que les valeurs des concepts ne varient plus.
Dnition 8 (Infrence)
Ci (tn+1 ) = S[
N
X
k=1
avec
S(y) =
1 y>0
0 sinon
Dans son article Kosko propose comme fonction de seuil la sigmode S(y) =
1
. Pour un c grand et positif, cette sigmode sapproche de la fonction de
1+ec(y1)
seuil prsente dans la dnition prcdente. La variable c permet dajuster le seuil
ou S(y) passe de la valeur 0 la valeur 1.
Exemple 8
On souhaite connatre ce quil va se passer si le concept A se produit (gure 8).
1
-1
118
Chapitre . Annexe
Une carte cognitive oue augmente est une fusion de plusieurs cartes cognitives
oues. La fusion des cartes est eectue en faisant la somme des matrices. Cela
permet de fusionner les connaissances de plusieurs experts.
Kosko[Dickerson et Kosko, 1994] prsente un exemple de carte cognitive augmente pour un monde virtuel aquatique avec des bancs de poissons, des requins, des
dauphins. La fusion des cartes cognitives des agents et de lenvironnement forme
une carte cognitive augmente reprsentant le monde virtuel.
Banini[Banini et Bearman, 1998] fournit un exemple de carte cognitive oue
augmente applique aux facteurs aectant la viscosit de uides. En fusionnant les
connaissances des experts sur ce domaine un modle plus prcis a pu tre obtenu.
Une carte cognitive emboite est une carte dont les concepts entres et les
concepts sorties sont diviss en sous concepts. En fonction de la valeur du
concept, le sous-concept le plus adapt est utilis.
Cj =
Nj
[
Qij
i=1
Les arcs entre les concepts entrs et les concepts sortis forment un ensemble de
rgles oues.
Kosko donne comme exemple la carte emboite suivante : menace inuence
fuir contient deux cartes : menace faible inuence viter et menace importante inuence chapper.
120
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
1.10
1.11
1.12
1.13
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
12
13
15
16
19
21
21
22
22
25
28
28
29
2.1
2.2
2.3
2.4
2.5
2.6
Lontologie O1. . . . . . . . . . . . . . . . . . . . . . .
Carte cognitive CC1. . . . . . . . . . . . . . . . . . . .
Exemple de propagation de linuence dans un chemin
Exemple dinuence propage entre deux concepts . . .
Carte cognitive ontologique CC2. . . . . . . . . . . . .
Carte avec valeurs symboliques. . . . . . . . . . . . . .
3.1
.
.
.
.
.
.
33
36
42
43
44
45
de la carte cognitive
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
.
.
.
.
.
50
53
55
56
58
Support. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Graphe conceptuel. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Carte cognitive contextuelle. . . . . . . . . . . . . . . . . . . . . . . .
Ensemble des contextes de validit des inuences. . . . . . . . . . . .
Contexte dutilisation pour un automobiliste conduisant de jour sur
une autoroute. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Contexte dutilisation pour un piton marchant la nuit dans une ville.
Projection du graphe conceptuel utilisateur de vhicule dans le graphe
automobiliste. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Vue contextuelle pour un piton marchant la nuit dans une ville. . . .
Vue contextuelle pour un automobiliste conduisant de jour sur une
autoroute. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
63
64
66
67
68
68
69
72
72
33
34
35
36
37
Exemple
Exemple
Exemple
Exemple
Exemple
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
103
103
104
104
105
106
106
107
108
108
109
de concept ou. . . . . . . . . . . . . . . .
dinuence oue ngative. . . . . . . . . .
de remplacement des inuences ngatives.
de carte cognitive oue. . . . . . . . . . .
de propagation dynamique. . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
114
115
116
117
118
123
Rfrences bibliographiques
[Ackermann et al., 1992] F. Ackermann, S. Cropper, and C. Eden. Get started with cognitive mapping, 1992.
[Aguilar, 2003] Jose Aguilar.
Dynamic fuzzy-cognitive-map approach based on
random neural networks.
International Journal of Computational Cognition
(http ://www.yangsky.com/yangijcc.htm), Yangs Scientific Research Institute, 1 :91
107, 2003.
[Allard-Poesi, 1996] F. Allard-Poesi. Cartes cognitives : pour ne pas jeter le bb avec
leau du bain. Ve Confrence Internationale de Management Stratgique, 1996.
[Arabnia, 2006] H. R. Arabnia, editor. Proceedings of the 2006 International Conference
on Artificial Intelligence, ICAI 2006, Las Vegas, Nevada, USA, June 26-29, 2006, Volume 2. CSREA Press, 2006.
[Avila, 2001] Fabiola Mata Avila. Utilisation des cartes cognitives dans les systmes multiagents. Masters thesis, Universit de Laval, Canada, July 2001.
[Avila, 2002] Fabiola Mata Avila. Raisonnement qualitatif dans les systmes multiagents
bas sur les cartes causales. Masters thesis, Universit de Laval, Canada, August 2002.
[Axelrod, 1976] R. Axelrod. Structure of decision : the cognitive maps of political elites.
Princeton, N.J., 1976.
[Ayala et al., 2007] Alejandro Pea Ayala, Humberto Sossa, and Francisco Gutirrez. Ontology agent based rule base fuzzy cognitive maps. In Nguyen et al. [2007], pages
328337.
[Baader et al., 2003] Franz Baader, Diego Calvanese, Deborah L. McGuinness, Daniele
Nardi, and Peter F. Patel-Schneider, editors. The Description Logic Handbook : Theory,
Implementation, and Applications. Cambridge University Press, 2003.
[Baget et Mugnier, 2002] J. F. Baget and M. L. Mugnier. Extensions of Simple Conceptual
Graphs: the Complexity of Rules and Constraints. Journal of Artificial Intelligence
Research (JAIR), 16(12) :425465, 2002.
[Baget, 2007] Jean-Franois Baget. A Datatype Extension for Simple Conceptual Graphs
and Conceptual Graphs Rules. In Priss et al. [2007], pages 8396.
[Bandlers et Kohout, 1980] W. Bandlers and L. Kohout, editors. Fuzzy power sets and
fuzzy implication operators, volume 4. 1980.
125
Rfrences bibliographiques
[Banini et Bearman, 1998] G. A. Banini and R. A. Bearman. Application of fuzzy cognitive maps to factors affecting slurry rheology. International Journal of Mineral Processing, 52 :233244, 1998.
[Borisov et Fedulov, 2004] Vadim V. Borisov and Alexander S. Fedulov. Generalized rulebased fuzzy cognitive maps : Structure and dynamics model. In Nikhil R. Pal, Nikola
Kasabov, Rajani K. Mudi, Srimanta Pal, and Swapan K. Parui, editors, Proceedings
in the 11th international conference on neural information processing (ICONIP 2003),
volume 3316 of Lecture Notes in Computer Science, pages 918922. Springer, 2004.
[Bougon et al., 1977] Michel Bougon, Karl E. Weick, and Din Binkhorst. Cognition in
organizations : An analysis of the utrecht jazz orchestra. Administrative Science Quarterly, 22(4), 1977.
[Bougon, 1983] Michel Bougon. Uncovering cognitive maps-the self-q technique. Beyond
Method, a study of organizational research strategies, pages 173188, 1983.
[Bousquet, 1995] Bousquet. Simulating the management of renewable resources with
multi-agents systems. Reinventing the commons, IASCP annual conference, 1995.
[Brown, 1992] S. M. Brown. Cognitive mapping and repertory grids for qualitative survey
research : some comparative observations. Journal of Management Studies, 29(3) :287
307, 1992.
[Buzan et Buzan, 2003] Tony Buzan and Barry Buzan. The Mind Map Book. BBC Active,
May 2003.
[Carley et Palmquist, 1992] K. Carley and M. Palmquist. Extracting, representing, and
analyzing mental. Social Forces, 70(3) :601636, 1992.
[Carlsson et Fuller, 1996] Christer Carlsson and Robert Fuller. Adaptive fuzzy cognitive
maps for hyperknowledge representation in strategy formation process. In Proceedings
of the International Panel Conference on Soft and Intelligent Computing, pages 4350,
1996.
[Carvalho et Tom, 1999] J. Carvalho and J. Tom. Rule based fuzzy cognitive maps
qualitative systems dynamics. In Proceedings of the 19th International Conference of
the North American Fuzzy Information Processing Society (NAFIPS 2000), pages 407
411, 1999.
[Celik et al., 2005] F. Dadaser Celik, U. Ozesmi, and A. A. Akdogan. Participatory ecosystem management planning at tuzla lake (turkey) using fuzzy cognitive mapping, oct
2005.
[Chaib-draa, 2002] Brahim Chaib-draa. Causal Maps : Theory, Implementation and Practical Applications in Multiagent Environments. IEEE Transactions on Knowledge and
Data Engineering, 14(2) :117, 2002.
[Chauvin et al., 2007] Lionel Chauvin, David Genest, and Stphane Loiseau. Le modle
des cartes cognitives contextuelles. In Actes des quatrimes journes francophones Modles Formels de lInteraction (MFI07), volume 8 of Annales de LAMSADE, pages
285292, 2007.
126
Rfrences bibliographiques
[Chauvin et al., 2008a] Lionel Chauvin, David Genest, and Stphane Loiseau. Contextual
cognitive map. In Peter W. Eklund and Ollivier Haemmerl, editors, Proceedings of the
16th International Conference on Conceptual Structures (ICCS 2008), volume 5113 of
Lecture Notes in Computer Science, pages 231241. Springer, 2008.
[Chauvin et al., 2008b] Lionel Chauvin, David Genest, and Stphane Loiseau. Les cartes
cognitives hirarchiques. In Guillet and Trousse [2008], pages 91102.
[Chauvin et al., 2008c] Lionel Chauvin, David Genest, and Stphane Loiseau. Ontological
cognitive map. In Proceedings of the 20th IEEE International Conference on Tools with
Artificial Intelligence (ICTAI08), volume 2, pages 225232, November 2008.
[Chauvin et al., 2009] Lionel Chauvin, David Genest, and Stphane Loiseau. Ontological
cognitive map. International Journal on Artificial Intelligence Tools, 18(5) :697716,
2009.
[Chein et al., 1998] M. Chein, M.L. Mugnier, and G. Simonet. Nested graphs : A graphbased knowledge representation model with FOL semantics. In Proceedings of Knowledge Representation and Reasoning (KR98), pages 524534. Morgan Kaufmann Publishers, 1998.
[Chein et Genest, 2000] Michel Chein and David Genest. CGs Applications : Where Are
We 7 Years After the First ICCS. In Ganter and Mineau [2000], pages 127139.
[Chein et Mugnier, 1992] M. Chein and M. L. Mugnier. Conceptual Graphs: Fundamental
Notions. Revue dIntelligence Artificielle (RIA), 6(4) :365406, 1992.
[Chein et Mugnier, 1997] M. Chein and M. L. Mugnier.
graphs. In Lukose et al. [1997], pages 95109.
[Chein et Mugnier, 2004] M. Chein and M. L. Mugnier. Concept types and coreference in
simple conceptual graphs. In Wolff et al. [2004], pages 303318.
[Corby et al., 2000] O. Corby, R. Dieng, and E. Hbert. A Conceptual Graph Model for
W3C Resource Description Framework. In Ganter and Mineau [2000], pages 468482.
[Cossette, 1989] P. Cossette. Les schmes dinterpretation idyosynchratiques de propritaires dirigeants de PME : Une tude de cartographie cognitive. PhD thesis, Universit
de Laval, Canada, 1989.
[Cossette, 1994] P. Cossette. Introduction, Cartes cognitives et organisations. Les presses
de luniversit de Laval, cossette edition, 1994.
[Cossette, 2008] Pierre Cossette. La cartographie cognitive vue dune perspective subjectiviste : mise lpreuve dune nouvelle approche. Management, 11(3) :259281,
2008.
[Damart, 2006] S. Damart. La construction de cartes cognitives collectives pour laide
la structuration de formes de coopration hybrides. XV me Confrence Internationale
de Management Stratgique, Annecy / Genve, 2006.
[Davey et Priestley, 2002] B. A. Davey and H. A. Priestley. Introduction to Lattices and
Order. Cambride University Press, Cambridge, UK, 2002.
127
Rfrences bibliographiques
[Dean et al., 2004] M. Dean, D. Connolly, F. van Harmelen, J. Hendler, I. Horrocks, D. L. McGuinness, P. F. Patel-Schneider, and L. A. Stein. OWL Web
Ontology Language Reference. Technical report, 2004. W3C Recommendation
http://www.w3.org/TR/owl-ref/.
[Delugach et Stumme, 2001] Harry S. Delugach and Gerd Stumme, editors. Conceptual
Structures : Broadening the Base, proceedings of nineth International Conference on
Conceptual Structures (ICCS 2001), Stanford, CA, USA, volume 2120 of Lecture Notes
in Artificial Intelligence (LNAI). Springer, 2001.
[Delugach, 2001] H. S. Delugach.
CharGer: A Graphical Conceptual Graph
Editor.
In Proceedings of CG Tools Workshop of ICCS01, 2001.
http://charger.sourceforge.net/.
[Dickerson et Kosko, 1994] Julie A. Dickerson and Bart Kosko. Virtual worlds as fuzzy
cognitive maps. Presence, 3(2) :7389, 1994.
[Dobrev et Toutanova, 2000] Pavlin Dobrev and Kristina Toutanova. CGWorld - A Web
Based Workbench for Conceptual Graphs Management and Applications. In Gerd
Stumme, editor, Proceedings of CG Tools Workshop of ICCS00, pages 243256. Shaker
Verlag, 2000.
[Doyle et Ford, 1999] James K. Doyle and David N. Ford. Mental models concepts revisited : some clarifications and a reply to lane. System Dynamics Review, 15(4) :411415,
1999.
[Eden et al., 1983] C. Eden, S. Jones, and D. Simms. Messing about in problems : An informal structured approach to their identification an manangement. R&D Management,
15(12) :255255, 1983.
[Eden et Ackermann, 1992] C. Eden and F. Ackermann. The analysis of cause maps.
Journal of Management Studies, 29(3) :309324, 1992.
[Eden, 1988] C. Eden. Cognitive mapping. European Journal of Operational Research,
36 :113, 1988.
[Eden, 1990] C. Eden.
23(6) :3543, 1990.
[Eden, 1992] C. Eden. On the nature of cognitive maps. Journal of Management Studies,
29(3) :261265, 1992.
[Eden, 1993] C. Eden. Strategy development and implementation - cognitive mapping for
group support. Thinking : Leadership and the Management of Change, pages 115135,
1993.
[Eden, 1994] C. Eden. Cognitive mapping and problem structuring for system dynamics
model building. System Dynamics Review, 10(2/3) :257276, 1994.
[Eklund et al., 1996] Peter W. Eklund, Gerard Ellis, and Graham Mann, editors. Conceptual Structures : Knowledge Representation as Interlingua, proceedings of the fourth International Conference on Conceptual Structures (ICCS96), Sydney, Australia, volume
1115 of Lecture Notes in Artificial Intelligence (LNAI). Springer, 1996.
128
Rfrences bibliographiques
[Elhinger, 1995] S. Elhinger. Organizational cognition development through strategy making process within multiple unit organizations. 3rd International Workshop on Managerial and Organizational Cognition, juin 1995.
[Fahey et Narayanan, 1989] L. Fahey and V. K. Narayanan. Linking changes in revealed
causal maps and environmental change : An empirical study. Journal of Management
Studies, 26(4) :361378, 1989.
[Ford et Hegarty, 1984] J. D. Ford and W. H. Hegarty. Decision makers beliefs about the
causes and effects of structure : An exploratory study. The Academy of Management
Journal, 27(2) :271291, Jun 1984.
[Forster et al., 1999] Michael Forster, Andreas Pick, and Marcus Raitner. Graph template
library. University of Passau, 1999. http://infosun.fmi.uni-passau.de/GTL.
[Ganter et Mineau, 2000] Bernhard Ganter and Guy W. Mineau, editors. Conceptual
Structures : Logical, Linguistic and Computational Issues, proceedings of the eighth International Conference on Conceptual Structures (ICCS2000), Darmstadt, Germany,
volume 1867 of Lecture Notes in Artificial Intelligence (LNAI). Springer, 2000.
[Genest et Loiseau, 2007] D. Genest and S. Loiseau. Modlisation, classification et propagation dans des rseaux dinfluence. Technique et Science Informatiques, 26(3-4) :471
496, 2007.
[Genest, 2007] David Genest.
CoGITaNT 5.1.9 - Manuel de rfrence, 2007.
http://cogitant.sourceforge.net.
[Gopnik et al., 2004] A. Gopnik, C. Glymour, D. M. Sobel, L. E. Schulz, T. Kushnir,
and D. Danks. A theory of causal learning in children : causal maps and bayes nets.
Psychological Review, 111(1) :332, January 2004.
[Gruber, 1993] Thomas R. Gruber. A translation approach to portable ontology specifications. KNOWLEDGE ACQUISITION, 5 :199220, 1993.
[Gruber, 2008] T. Gruber. Ontology. In Ling Liu and M. Tamer zsu, editors, Encyclopedia of Database Systems. Springer-Verlag, 2008.
[Guarino et Giaretta, 1995] Nicola Guarino and Pierdale Giaretta. Ontologies and knowledge bases - towards a terminological clarification. In N. J. Mars, editor, Towards Very
Large Knowledge Bases - Knowledge Building and Knowledge Sharing, pages 2532. IOS
Press, 1995.
[Guillet et Trousse, 2008] Fabrice Guillet and Brigitte Trousse, editors. Extraction et gestion des connaissances (EGC2008), Actes des 8mes journes Extraction et Gestion des
Connaissances, Sophia-Antipolis, France, 29 janvier au 1er fvrier 2008, 2 Volumes,
volume RNTI-E-11 of Revue des Nouvelles Technologies de lInformation. Cpadusditions, 2008.
[Gutierez, 2005] A. Gutierez. In Proceedings of CG Tools Workshop of ICCS05, 2005.
http://www.lirmm.fr/cogui/.
[Himsolt, 1996] Michael Himsolt. The Graphlet System. In Proceedings of Graph Drawing,
volume 1190 of Lecture Notes in Computer Science (LNCS), pages 233240. SpringerVerlag, 1996.
129
Rfrences bibliographiques
[Huff et Fiol, 1992] A. S. Huff and M. Fiol. Maps for managers : where are we ? where do
we go from here ? Journal of Management Studies, 29, 1992.
[Huff, 1990] A. S. Huff. Mapping Strategic Thought. Wiley, reprint edition, 1990.
[Hume, 1739] David Hume. A Treatise of Human Nature (I) Of the Understanding, volume 1 of History of Economic Thought Books. McMaster University Archive for the
History of Economic Thought, 1739.
[Hume, 1758] David Hume. An Equiry Concerning Human Understanding. Number
hume1758 in History of Economic Thought Books. McMaster University Archive for
the History of Economic Thought, 1758.
[IRIT, 2001] IRIT. Lintelligence artificielle, mais enfin de quoi sagit-il ? des chercheurs
de lirit rpondent ..., 2001.
[Jenkins, 1994] M. Jenkins. Creating and comparing strategic causal maps : Issues in
mapping accross multiple organizations. May 1994.
[Jung et al., 2003] Jason J. Jung, Kyung-Yong Jung, and GeunSik Jo. Ontological cognitive map for sharing knowledge between heterogeneous businesses. In Adnan Yazici
and Cevat Sener, editors, Proceedings in the 18th International Symposium of Computer and Information Sciences (ISCIS 2003), volume 2869 of Lecture Notes in Computer
Science, pages 9198. Springer, 2003.
[Kabbaj et al., 2001] A. Kabbaj, B. Moulin, J. Gancet, D. Nadeau, and O. Rouleau. Uses,
Improvements, and Extensions of Prolog+CG: Case Studies. In Delugach and Stumme
[2001], pages 346359.
[Kabbaj, 1999] Adil Kabbaj. Synergy as an Hybrid Object-Oriented Conceptual Graph
Language. In Tepfenhart and Cyre [1999], pages 198213.
[Kabbaj, 2006] Adil Kabbaj. Development of Intelligent Systems and Multi-Agents Systems with Amine Platform. In Schrfe et al. [2006], pages 286299.
[Kandasamy et Smarandache, 2003] Dr. W. B. Vasantha Kandasamy and Florentin Smarandache. Fuzzy cognitive maps and neutrosophic cognitive maps. 2003.
[Kant, 1997] Emmanuel Kant. Lectures on metaphysics - Part V. Metaphysik L2 (17901791 ?). Cambridge University Press, Cambridge, 1997. Traduit et dit par Karl
Ameriks et Steve Naragon.
[Karel, ] Mls. Karel. From concept mapping to qualitative modeling in cognitive research.
Technical report, University of Hradec Kralove, Czech republic.
[Kelly, 1955] G. Kelly. The Psychology of Personal Constructs. 1955.
[Kim, 2000] DH. Kim. A method for direct conversion of causal maps into sd models :
Abstract simulation with number. In Proceedings of International System Dynamics
Conference, 2000.
[Kissinger, 1982] Henry A. Kissinger. Starting out in the direction of middle east peace.
Los Angeles Times, 1982.
130
Rfrences bibliographiques
[Kjaerulff et Madsen, 2008] Uffe B. Kjaerulff and Anders L. Madsen. Bayesian Networks
and Influence Diagrams : A Guide to Construction and Analysis, volume 18 of Information Science and Statistics. Springer, 2008.
[Kosko, 1986] Bart Kosko. Fuzzy cognitive maps. International Journal of Man-Machines
Studies, 24 :6575, 1986.
[Kosko, 1991] Bart Kosko. Neural Networks and Fuzzy Systems : A Dynamical Systems
Approach to Machine Intelligence. Prentice Hall, 1991.
[Langfield-Smith et Wirth, 1992] K. Langfield-Smith and A. Wirth. Measuring differences
between cognitive maps. The Journal of the Operational Research Society, 43(12) :1135
1150, 1992.
[Laukkanen, 1989] M. Laukkanen. Understanding the formation of managers cognitive
maps : a comparative case study of context traces. 1989.
[Laukkanen, 1992] M. Laukkanen. Comparative cause mapping of management cognitions : A computer database method for natural data. 1992.
[Laukkanen, 1994] M. Laukkanen. Comparative cause mapping of organizational cognitions. Organization science, (5) :322343, 1994.
[Leclre, 1997] M. Leclre. Reasoning with type definitions. In Lukose et al. [1997], pages
401415.
[Liu et Zhang, 2003] Z.-Q. Liu and J. Y. Zhang. Interrogating the structure of fuzzy
cognitive maps. Soft Computing, 7(3) :148153, 2003.
[Loua, 2000] Jorge A. Loua. Cartographie Cognitive, Rflexion Stratgique et Interaction
Distribue : une Approche Multi-Agent. PhD thesis, Universit Paris Dauphine, France,
2000.
[Loua, 2003] Jorge A. Loua. Modeling context-aware distributed knowledge. In International symposium on Agent-Mediated Knowledge Management (AMKM 2003), volume
2926 of Lecture Notes in Computer Science, pages 201212, 2003.
[Lukose et al., 1997] Dickson Lukose, Harry Delugach, Mary Keeler, Leroy Searle, and
John F. Sowa, editors. Conceptual Structures : Fulfilling Peirces Dream, proceedings of
the fifth International Conference on Conceptual Structures (ICCS 97), Seattle, USA,
volume 1257 of Lecture Notes in Artificial Intelligence (LNAI). Springer, 1997.
[Markczy et Goldberg, 1995] Markczy and Goldberg. A method for eliciting and comparing causal maps. Journal of Management, 21 :305333, 1995.
[Mateou et Andreou, 2005] Nicos H. Mateou and Andreas S. Andreou. Tree-structured
multi-layer fuzzy cognitive maps for modelling large scale, complex problems. In Proceedings of the International Conference on Computational Intelligence for Modelling,
Control and Automation and International Conference on Intelligent Agents, Web Technologies and Internet Commerce (CIMCA-IAWTIC 2006), volume 2, pages 131139.
EEE Computer Society, 2005.
[Mehlhorn et Nher, 1999] Kurt Mehlhorn and Stefan Nher. LEDA - A Platform
for Combinatorial and Geometric Computing. Cambridge University Press, 1999.
http://www.mpi-sb.mpg.de/LEDA/leda.html.
131
Rfrences bibliographiques
[Miao et al., 1999] Yuan Miao, Chee Kheong Siew, Zhi-Qiang Liu, and Shi Li. Dynamical
cognitive network an extension of fuzzy cognitive map. In Proceedings of the 11th IEEE
International Conference on Tools with Artificial Intelligence (ICTAI 1999), page 43,
Washington, DC, USA, 1999. IEEE Computer Society.
[Michel, 2003] H-M. Michel. Les cartes cognitives du vote lectronique : Une approche
exploratoire des systmes de reprsentations des citoyens, 2003.
[Mugnier et Chein, 1996] M. L. Mugnier and M. Chein. Reprsenter des connaissances et
raisonner avec des graphes. Revue dIntelligence Artificielle (RIA), 10(1) :756, 1996.
[Nguyen et al., 2007] Ngoc Thanh Nguyen, Adam Grzech, J. Robert Howlett, and Lakhmi C. Jain, editors. Agent and Multi-Agent Systems : Technologies and Applications,
First KES International Symposium, KES-AMSTA 2007, Wroclaw, Poland, May 31June 1, 2007, Proceedings, volume 4496 of Lecture Notes in Computer Science. Springer, 2007.
[Novak et Caas, 2006] J. D. Novak and A. J. Caas. The theory underlying concept
maps and how to construct them, technical report ihmc cmaptools. Technical report,
Florida Institute for Human and Machine Cognition, 2006.
[Novak et Gowin, 1984] J. D. Novak and D. B. Gowin. Learning how to learn. Cambridge
University Press, New York, NY, 1984.
[Ozesmi et Ozesmi, 1999] U. Ozesmi and S.L. Ozesmi. An artificial neural network approach to spatial habitat modelling with interspecific interaction. Ecological Modelling,
116 :1531, 1999.
[Ozesmi, 1999] U. Ozesmi. Conservation strategies for sustainable resource use in the
Kizilirmak delta in Turkey. PhD thesis, University of Minnesota, 1999.
[Park et Kim, 1995] Kyung Sam Park and Soung Hie Kim. Fuzzy cognitive maps considering time relationships. Int. J. Hum.-Comput. Stud., 42(2) :157168, 1995.
[Perusich, 1996] K. Perusich. Fuzzy cognitive maps for policy analysis. Technology and
Society Technical Expertise and Public Decisions, 10 :369373, 1996.
[Poignonec, 2006] D. Poignonec. Apport de la combinaison cartographie cognitive/ontologie dans la comprhension de la perception du fonctionnement dun cosystme rcifolagonaire de Nouvelle-Caldonie par les acteurs locaux. PhD thesis, ENSA Rennes
France, 2006.
[Priss et al., 2007] Uta Priss, Simon Polovina, and Richard Hill, editors. Conceptual Structures : Knowledge Architectures for Smart Applications, 15th International Conference
on Conceptual Structures (ICCS 2007), Sheffield, UK, volume 4604 of Lecture Notes in
Computer Science (LNCS). Springer, 2007.
[Raimbault, 2008] T. Raimbault. Transition de modles de connaissances. Un systme de
connaissance fond sur OWL, Graphes Conceptuels et UML. PhD thesis, Universit de
Nantes, France, 2008.
[Salvat et Mugnier, 1996] ric Salvat and Marie-Laure Mugnier. Sound and Complete
Forward and Backward Chaining of Graph Rules. In Eklund et al. [1996], pages 248
262.
132
Rfrences bibliographiques
[Salvat, 1997] ric Salvat. Raisonner avec des oprations de graphes : Graphes conceptuels
et rgles dinfrence. PhD thesis, Universit Montpellier II, France, 1997.
[Salvat, 1998] ric Salvat. Theorem Proving Using Graph Operations in the Conceptual
Graph Formalism. In Proceedings of the 13th European Conference on Artificial Intelligence (ECAI98), Brighton, UK, 1998.
[Satur et Liu, 1999] R. Satur and Zhi-Qiang Liu. A contextual fuzzy cognitive map framework for geographic information systems. IEEE Transactions on Fuzzy Systems,
7(5) :481494, Oct 1999.
[Scavarda et al., 2006] Jose Annibal Scavarda, Tatiana Bouzdine-Chameeva, Susan Meyer
Goldstein, Julie M. Hays, and Arthur V. Hill. A methodology for constructing collective
causal maps. Decision Sciences, 37(2) :263283, May 2006.
[Schrfe et al., 2006] Henrik Schrfe, Pascal Hitzler, and Peter hrstrm, editors. Conceptual Structures : Inspiration and Application, proceedings of 14th International Conference on Conceptual Structures (ICCS 2006), Aalborg, Denmark, volume 4068 of Lecture
Notes in Computer Science (LNCS). Springer, 2006.
[Skiena, 1990] S. Skiena. Implementing Discrete Mathematics : Combinatorics and Graph
Theory with Mathematica., pages 163, 169170, 206208. Addison-Wesley, 1990.
[Southey et Linders, 1999] F. Southey and J. G. Linders. Notio - A Java API for Developing CG Tools. In Tepfenhart and Cyre [1999], pages 262271.
[Sowa, 1984] J. F. Sowa. Conceptual Structures: Information Processing in Mind and
Machine. Addison Wesley, 1984.
[Studer et al., 1998] Rudi Studer, V. Richard Benjamins, and Dieter Fensel. Knowledge
engineering : principles and methods. Data Knowl. Eng., 25(1-2) :161197, 1998.
[Styblinski et Meyer, 1988] M.A. Styblinski and B.D. Meyer. Fuzzy cognitive maps, signal
flow graphs, and qualitative circuit analysis. Proceedings of the 2nd IEEE International
Conference on Neural Networks (ICNN 88), 2 :549556, 1988.
[Stylios et Georgopoulos, 2007] Chrystomos D. Stylios and Voula C. Georgopoulos. Fuzzy
cognitive maps stucture for medical decision support systems, volume 218 of Studies in
Fuzziness and Soft Computing, pages 151174. October 2007.
[Taber et Siegel, 1987] W. R. Taber and M. A. Siegel. Estimation of expert weights using
fuzzy cognitive maps. Proceedings of the 1st IEEE International Conference on Neural
Networks (ICNN 87), 2, 1987.
[Taber, 1991] R. Taber. Knowledge processing with fuzzy cognitive maps. Expert Systems
With Application, 2(1) :8387, 1991.
[Tepfenhart et Cyre, 1999] William Tepfenhart and Walling Cyre, editors. Conceptual
Structures : Standards and Practices, proceedings of the seventh International Conference on Conceptual Structures (ICCS99), Blacksburg, USA, volume 1640 of Lecture
Notes in Artificial Intelligence (LNAI). Springer, 1999.
[Tolman, 1948] E. C. Tolman. Cognitive maps in rats and men. The Psychological Review,
55(4) :189208, 1948.
133
Rfrences bibliographiques
[Trbucq, 2004] S. Trbucq. Finance organisationnelle : un essai de reprsentation. 7es
Journes internationales dAnalyse statistique des Donnes Textuelles, 2004.
[Tricot, 2006] C. Tricot. La cartographie smantique : des connaissances la carte. PhD
thesis, Universit de Savoie, 2006.
[Truck, 2002] I. Truck. Approche symbolique et floue des modificateurs linguistiques et leur
lien avec laggregation. PhD thesis, Universit de Reims, France, 2002.
[Venable, 2005] J. Venable. Coloured cognitive maps for modelling decision contexts. in
Proc. of 1st Workshop on Context Modeling and Decision Support, 2005.
[Verstraete, 1996] T. Verstraete. La cartographie cognitive : outil pour une dmarche
dessence heuristique didentification des facteurs cls de succs, 1996.
[Wolff et al., 2004] Karl Erich Wolff, Heather D. Pfeiffer, and Harry S. Delugach, editors. Conceptual Structures at Work : proceedings of 12th International Conference
on Conceptual Structures (ICCS2004), Huntsville, AL, USA, volume 3127 of Lecture
Notes in Artificial Intelligence (LNAI). Springer, 2004.
[Yalaoui et Madjid, 2006] Bilal Yalaoui and Dahmane Madjid. Cognitive map model in
argumentation theory. In Arabnia [2006], pages 493497.
[Zhang et al., 1992] W. Zhang, S. Chen, W. Wang, and R. S. King. A cognitive-mapbased approach to the coordination of distributed cooperative agents. 22(1) :103114,
1992.
[Zhang et al., 1998] W. Zhang, S. Chen, M. Zhang, and J. Bezdek. On npn logic. 1998.
[Zhou et al., 2003] S. Zhou, J. Y. Zhang, and Z.-Q. Liu. Quotient fcms a decomposition
theory for fuzzy cognitive maps. IEEE Transactions on Fuzzy Systems, 11(5) :593604,
October 2003.
134
Revue
[5] Lionel Chauvin and David Genest and Stphane Loiseau. Ontological cognitive
map. International Journal on Articial Intelligence Tools (IJAIT), volume
18 number 5, pages 697716. World Scientic, 2009.
135
Une carte cognitive est un modle graphique qui permet de reprsenter des systmes complexes contenant un grand nombre de facteurs qui interagissent. Une carte
cognitive est un graphe orient tiquet dont les sommets reprsentent des concepts
et dont les arcs reprsentent les inuences entre ces concepts. Le modle des cartes
cognitives inclut un mcanisme de raisonnement nomm propagation, qui calcule
linuence entre toute paire de concepts.
Notre thse a pour objectif dtendre le modle des cartes cognitives et le mcanisme de raisonnement qui y est associ. Une premire contribution consiste
associer une carte une ontologie qui organise de faon hirarchique les concepts :
lutilisation de cette ontologie comme un dictionnaire des donnes hirarchiques
permet lutilisateur de trouver les concepts qui lintressent dans une carte. Notre
deuxime contribution consiste fournir des mcanismes lutilisateur pour lui permettre de visualiser, la demande, des vues simplies de la carte initiale. Notre
troisime contribution fournit une notion dchelle qui permet de slectionner le niveau de dtail de la carte que lon veut voir. Notre quatrime contribution consiste
en des mcanismes qui donnent lutilisateur une carte adapte ses savoirs : ceci
seectue par lutilisation de prols des utilisateurs ou de contextes exprims par
des graphes conceptuels. Les systmes SCCO et SCCC montrent la faisabilit de
lapproche.
Mots-cls : Modle des cartes cognitives, Modle des graphes conceptuels, Vues,
Ontologie, Contexte.