Abstract FR:

Nous décrivons un système d'apprentissage de concepts à partir d'exemples, qui procède par détection de similarités. Les connaissances du domaine, les exemples et les similarités sont représentés dans le formalisme des graphes conceptuels tel qu'il a été décrit par John Sowa. Ce formalisme permet la représentation de connaissances structurelles. La méthode utilisée procède en trois étapes. Dans un premier temps, la connaissance du domaine est introduite dans les exemples au cours d'une phase de saturation. Dans l'étape suivante, on recherche des similarités entre les exemples du concept à apprendre en limitant la recherche aux arborescences conceptuelles (graphes conceptuels qui sont en même temps des arborescences). Enfin, les similarités obtenues sont structurées en recherchant les implications empiriques existant entre elles. Des tests, effectués sur des données artificielles produites à l'aide d'un générateur aléatoire de graphes conceptuels canoniques, montrent que la méthode présentée permet l'apprentissage de concepts disjonctifs complexes et le traitement de données de grande taille (nombre et taille des exemples).