Thèse en cours
Equipe : Données et Connaissances Massives et Hétérogènes
Approches sémantiques pour la prédiction de présence d’amiante dans les bâtiments : une approche probabiliste et une approche à base de règles
Début le 26/11/2018
Direction :
Ecole doctorale : ED STIC 580
Etablissement d'inscription : vide
Lieu de déroulement :
Soutenue le 14/04/2022 devant le jury composé de :
Examinateurs :
- M. Alain DENISE (Université Paris Saclay - LISN)
- M. Bernd AMANN (Sorbonne Université - LIP6)
- Mme Sylvie DESPRES (Université Sorbonne Paris Nord - LIMMICS)
Rapporteurs :
- Mme Catherine FARON-ZUCKER (Université de Nice Sophia Antipolis - I3S)
- Mme Nathalie HERNANDEZ (Université de Toulouse-Jean Jaures - IRIT)
Co-encadrant de thèse :
- M. Fayçal HAMDI (CEDRIC, CNAM)
- Mme Lydia CHIBOUT (Centre Scientifique et Technique du Bâtiment)
Directeur de thèse :
- Mme Nathalie PERNELLE (Université Sorbonne Paris Nord - LIPN)
Activités de recherche :
Résumé :
De nos jours, les Graphes de Connaissances sont utilisés pour représenter toutes sortes de données et ils constituent des ressources évolutives, interopérables et exploitables par des outils d’aide à la décision. Le Centre Scientifique et Technique du Bâtiment (CSTB) a été sollicité pour développer un outil d'aide à l'identification des matériaux contenant de l'amiante dans les bâtiments. Dans ce contexte, nous avons créé et peuplé l'ontologie ASBESTOS qui permet la représentation des données des bâtiments et les résultats des diagnostics réalisés en vue de détecter la présence d’amiante dans les produits utilisés. Nous nous sommes ensuite basés sur ce graphe de connaissance pour développer deux approches qui permettent de prédire la présence d’amiante dans les produits en l’absence de la référence du produit commercialisé effectivement utilisé.
La première approche, nommée approche hybride, se base sur des ressources externes décrivant les périodes où les produits commercialisés sont amiantés pour calculer une probabilité d’existence d’amiante dans un composant du bâtiment. Cette approche traite les conflits entre les ressources externes, et l'incomplétude des données répertoriées en appliquant une approche de fusion pessimiste qui ajuste les probabilités calculées en utilisant un sous-ensemble de diagnostics.
La deuxième approche, nommée CRA-Miner, s’inspire de méthodes de programmation logique inductive (PLI) pour découvrir des règles à partir du graphe de connaissances décrivant les bâtiments et les diagnostics d'amiante. La référence des produits spécifiques utilisés lors de la construction n'étant jamais spécifiée, CRA-Miner considère les données temporelles, la sémantique de l'ontologie ASBESTOS, les types de produits et les informations contextuelles telles que les relations partie-tout pour découvrir un ensemble de règles qui pourront être utilisées pour prédire la présence d'amiante dans les éléments de construction.
L’évaluation des deux approches menées sur l'ontologie ASBESTOS peuplée avec les données fournies par le CSTB montre que les résultats obtenus, en particulier quand les deux approches sont combinées, sont tout à fait prometteurs.
