Abstract FR:

Le classement d'instance est une fonction importante des systèmes de représentation de connaissances. Il est présent dans les systèmes de représentation de connaissances centrée objet sous le nom de classification d'objet, dans les logiques terminologiques comme un cas particulier de la classification de concepts, et, de manière implicite, dans les systèmes à base de règles, où les faits inférés peuvent être interprétés comme l'appartenance à une classe. Nous étudions le classement d'instance en Osiris, un système de représentation de connaissances centrée objets où la notion de vue jouent un rôle central. Le classement d'instance consiste à déterminer les vues valides d'un objet, ainsi que ses vues potentielles et invalides lorsqu'il est incomplètement connu. Nous montrons une possibilité de traduction des règles de production en Osiris, explicitant ainsi la fonction de classement des systèmes experts. Les contraintes de domaine jouent un rôle privilégié en Osiris. Elles permettent de réaliser une partition du domaine de chaque attribut, partition qui se prolonge à l'espace des objets pour constituer l'espace de classement, dont les éléments sont appelés eq-classes. Tous les objets d'une eq-classe ont le même comportement vis-à-vis du classement. Nous étudions plusieurs architectures connexionnistes pour le classement en Osiris, en privilégiant la détermination complète des vues valides, invalides et potentielles lors du classement d'objets partiellement connus. Nous proposons une méthode pour le classement probabiliste, sous l'hypothèse d'indépendance des attributs. Pour cela, nous distinguons deux sous-ensembles d'Osiris où cette hypothèse peut être faite. Dans le cas général, l'approche proposée fournit un mécanisme homogène pour la détermination des vues valides, invalides et potentielles, sans valuation probabiliste de ces dernières. Enfin, nous évoquons les possibilités de prise en compte des dépendances pour le classement probabiliste.