07/10/2024 - 14H00 - amphi 7 FST

"Méthodes flexibles et évolutives pour l'analyse formelle des concepts dans les architectures distribuées"

Résumé :
Cette thèse explore l'adaptation de l'Analyse Formelle de Concepts (AFC) pour relever les défis posés par les environnements de données distribués et dynamiques. Cette recherche répond à la nécessité de techniques de fouille de données efficaces dans le contexte de l'Industrie 4.0 et de l'Internet des Objets (IoT), où la génération de données est vaste et continue. Les objectifs principaux incluent le développement de méthodes scalables et flexibles pour éviter la perte de concepts significatifs lors de la construction de réticulé de concepts, la proposition d'algorithmes incrémentaux adaptés aux flux de données en temps réel, et la démonstration des applications pratiques de ces méthodes. La thèse commence par une revue exhaustive de l'état de l'art, définissant les concepts clés de la représentation des connaissances, de la scalabilité et de l'AFC, en soulignant les défis inhérents à la gestion de grands ensembles de données et la nécessité de techniques de fouille de données efficaces. Une revue systématique de la littérature identifie les lacunes des méthodes d'AFC existantes, particulièrement celles applicables aux architectures distribuées, mettant en évidence la nécessité de nouvelles approches pour gérer la croissance exponentielle des concepts formels et la nature dynamique des flux de données. La thèse introduit des algorithmes novateurs pour la fusion des réticulés afin de récupérer des concepts potentiellement perdus et des méthodes incrémentales pour la construction de réticulé de concepts. Ces algorithmes, conçus pour des exécutions mono-thread et parallélisées, améliorent leur scalabilité et flexibilité. Des cas pratiques, comme un système de recommandation pour l'École de Ski Française, démontrent les avantages réels des méthodes proposées. Des évaluations empiriques utilisant des ensembles de données synthétiques et réels valident la performance de ces méthodes, montrant des améliorations significatives dans la gestion de données larges et distribuées. La thèse conclut en résumant les contributions et en suggérant des directions pour de futures recherches afin de renforcer les capacités de l'AFC dans les environnements distribués.
Jury :
- Rapporteurs : Florence le Ber
Prof. Nejib Moalla