Abstract FR:

Notre travail s'interesse a la representation et au traitement des connaissances approximatives - les connaissances floues, incertaines et par defaut - dans une approche objet. Il repose sur une approche pluridisciplinaire, qui recouvre les themes suivants: langage de schemas, classification dans ces langages, elements de la theorie des ensembles flous et de la theorie des possibilites, elements de psychologie cognitive, concernant le domaine de la categorisation. Notre objectif consiste, d'une part, a proposer une approche souple et rigoureuse pour representer les connaissances en rendant possible l'introduction de connaissance approximatives dans une base de connaissances objets, et d'autre part, a definir une methode de classification d'instances qui s'inspire de travaux en psychologie cognitive. Nous proposons un modele objet pour representer les notions d'imprecision, d'incertitude et de typicalite, dans le langage support, objlog+, qui est un langage de schemas extensible. Nous decrivons de nouveaux schemas, et en particulier, de nouveaux aspects pour introduire ces notions dans une base de connaissances. Les mecanismes d'heritage ont ete etendus afin de prendre en compte la semantique particuliere des connaissances approximatives. La methode de classification approchee d'instances s'appuie, entre autre, sur l'introduction dans le modele objet, de connaissances de domaine qui orientent et ameliorent la classification. Des mecanismes d'appariement approche sont egalement definis (appariement flou, appariement semantique). Tous ces elements sont exploites par la methode de classification, qui repose sur le calcul de trois mesures: une mesure de comptabilite, une mesure d'incompatibilite et une mesure de typicalite entre l'instance a classer et un schema generique existant dans la hierarchie. Des inferences d'informations sont egalement realisees lorsque l'instance a classer a ete effectivement rattachee a un ou plusieurs schemas generiques solutions