Expert guided integration of induced knowledge into a fuzzy knowledge base

Cet article propose une méthode pour construire des systèmes à la fois précis et interprétables en intégrant dans la même base de connaissance des éléments de connaissance experte et d'autres issus de données. Pour favoriser la coopération entre l'expert et les données, le processus d'induction est encadré par de sévères contraintes qui permettent à l'expert de garder le contrôle tout au long du processus. La procédure est séquentielle. Dans un premier temps un partitionnement flou est conçu à partir des données et de la connaissance experte. La compatibilité entre les deux types de partitions est vérifiée à partir de trois critères : domaine de variation, granularité et interprétation sémantique. Puis, des règles expertes et induites sont générées en tenant compte de ces partitions. Les deux bases de règles peuvent alors être fusionnées en une seule. Grâce au partitionnement commun, la comparaison des règles peut se faire au seul niveau linguistique. Les éventuels conflits sont gérés et les principales qualités d'une base de règles, cohérence, absence de redondance et complétude sont étudiées. La première étape est complètement décrite dans le cadre de l'article, tandis que la seconde est seulement introduite. / his paper proposes a method for building accurate and interpretable systems by integrating expert and induced knowledge into a single knowledge base. To favor the cooperation between expert knowledge and data, the induction process is run under severe constraints to ensure the fully control of the expert. The procedure is made up of two hierarchical steps. Firstly, a common fuzzy input space is designed according to both the data and expert knowledge. The compatibility of the two types of partitions, expert and induced, is checked according to three criteria: range, granularity and semantic interpretation. Secondly, expert rules and induced rules are generated according to the previous common fuzzy input space. Then, induced and expert rules have to be merged into a new rule base. Thanks to the common universe resulting from the first step, rule comparison can be made at the linguistic level only. The possible conflict situations are managed and the most important rule base features, consistency, redundancy and completeness, are studied. The first step is thoroughly described in this paper, while the second is only introduced.