Automatic model and dataset transformation for conceptual exploration : application to a knowledge base in life science
Conversion automatique de modèles et de jeux de données pour l'exploration conceptuelle : Application à une base de connaissances du vivant
Résumé
Life and environmental sciences generate numerous data gathered in knowledge bases.Conceptual exploration is a data mining approach allowing to extract new pieces of knowledge. In this work, the considered conceptual exploration methods come from Formal Concept Analysis (FCA). Any method resulting from FCA imposing as input a predefined structuring of the data, the research question we address is the automatic conversion of a data or knowledge base for its exploration with FCA or with Relational Concept Analysis (RCA), an FCA extension to multi-relational data.To support this work, we used the Knomana knowledge base, which gathers descriptions of plant usages. Depending on the considered knowledge, various conversion issues must be resolved to allow relevant data mining by end users. These problems can be at the level of schemas (class model) or at the level of instances, mainly (1) converting specialization relations through inheritance hierarchy flattening; (2) converting ternary relationships through materialization or binary relations, and (3) dealing with indeterminacy of living organisms designated by the use of the abbreviation spp. in its binomial name (Linnaean).The adopted methodology is inspired by model-driven engineering, database schema transformation, software engineering refactoring and ontology conversion.This thesis presents a general conversion algorithm of a knowledge set for RCA, whose initial structure is represented in the form of a class diagram in UML format. The algorithm is applied to Knomana, and various models of the ternary relation in binary relations and a modeling of the lifting of the indeterminacy of a species name are experimented. The evaluation of this algorithm is carried out with regard to its applicability, its ability to be used for large volumes of data (i.e. scaling), and its relevance. The perspective offered by this work is to allow the analysis of any dataset and knowledge with FCA and RCA.
Les Sciences du vivant et de l'environnement génèrent de nombreuses bases de données et de connaissances.L'exploration conceptuelle est une approche de fouille de données qui permet d’en extraire de nouvelles connaissances. Les méthodes d'exploration conceptuelle considérées dans ce travail relèvent de l'Analyse de Concepts Formels (FCA).Toute méthode issue de FCA imposant en entrée une structuration prédéfinie des données, la question de recherche traitée concerne la conversion automatique d'une base de données ou de connaissances en vue de son exploration avec FCA ou avec l'Analyse de Concepts Relationnels (RCA), une extension aux données multi-relationnelles.Pour asseoir ce travail, nous avons utilisé la base de connaissances Knomana, qui rassemble des descriptions d'usage de plantes.Selon les connaissances considérées, diverses problématiques de conversion doivent être résolues pour permettre une fouille de données pertinente par les utilisateurs finaux. Ces problématiques peuvent se situer au niveau du schéma (modèle de classes) ou au niveau des instances, principalement (1) la conversion des relations de spécialisation en aplatissant la hiérarchie d’héritage; (2) la conversion d’une relation ternaire via la matérialisation ou des relations binaires, et (3) la levée de l'indétermination de la désignation d'organismes vivants par l'usage de l'abréviation spp. dans sa dénomination binominale (linnéenne).La méthodologie adoptée relève de l'ingénierie dirigée par les modèles, de la transformation des bases de données, du refactoring en ingénierie logicielle et de la conversion d'ontologies.Cette thèse présente un algorithme général de conversion d'un jeu de connaissances pour RCA, dont la structure est représentée sous la forme d'un diagramme de classes au format UML.L'algorithme est appliqué à Knomana et diverses modélisations de la relation ternaire en relations binaires et une modélisation de la levée de l'indétermination d'un nom d'espèce sont expérimentées.L'évaluation de cet algorithme est effectuée en regard de son applicabilité, de son aptitude à être utilisé pour des volumes de données importants (i.e. passage à l'échelle), et de sa pertinence. La perspective offerte par ce travail est de permettre l'analyse de tout jeu de données et de connaissances avec FCA et RCA.
| Origine | Version validée par le jury (STAR) |
|---|