Re: ma R&D ML + SW

[Jean-Marc Vanel]

Bonsoir

Je cherche des outils d'apprentissage, supervisés ou non,

qui soient capables d'utiliser une connaissance logique a priori.

De ce point de vue , c'est un peu l'inverse de l'ILP [2] probabiliste ( intéressante aussi ! ) .

Le problème typique: contexte e-commerce :

On a des connaissances, en RDF :

- un catalogue de produits

- des connaissances d'arrière plan:

* notions encyclopédiques de dbpedia sur les marchandises et activités humaines

* règles logiques métier écrites à la main ou extraites de diverses sources ou obtenues par ILP, par ex. si le hobby de l'utilisateur U est H rattaché au domaine D, alors on lui recommande un produit du domaine D

On a des données :

- données sur les utilisateurs: profil FOAF, historique (achats, consultations de pages)

On veut par exemple :

- classer les utilisateurs

- leur faire des recommandations de produits , ou de personnes

Un autre pb du même tonneau serait de partir du réseau sémantique des courriels d'une personne, et alors :

- classer les courriels

- faire des recommandations de réponse à un nouveau mail entrant ( répondre oui ou non au minimum, et + encore : suggérer des receveurs, des éléments de réponse )

J'avais pensé à NARS [1] pour faire ça,

mais c'est clairement trop recherche et pas prêt pour un problème d'une taille supérieure à quelques dizaines d'assertions.

[1]  https://sites.google.com/site/narswang/

[2] http://en.wikipedia.org/wiki/Inductive_logic_programming

--

Jean-Marc Vanel
Déductions SARL - Consulting, services, training,
Rule-based programming, Semantic Web
http://deductions-software.com/
+33 (0)6 89 16 29 52
Twitter: @jmvanel , @jmvanel_fr ; chat: irc://irc.freenode.net#eulergui

[mh...@laposte.net]

Bonjour Jean-Marc,

J'aurais peut-être des solutions – auxquelles tu as certainement déjà pensé – mais je prépare ma présentation pour demain. A propos, viendras-tu (mon courriel du 28/11) ?

Par ailleurs, ton courriel tombe bien car je travaille justement sur les applications de notre projet. Je me permets donc de te renvoyer une question (à laquelle j'ai une réponse, mais que tu peux certainement enrichir). Sujet de dissertation en 5 mn : qu'apporte le RDF (ou autre technologie du web sémantique) à la recommandation (avec ou sans apprentissage) ?

Bien cordialement.

MarcH

---

De: "Jean-Marc Vanel" <jeanmar...@gmail.com>
À: deduct...@googlegroups.com
Envoyé: Mercredi 10 Décembre 2014 17:13:02
Objet: Re: ma R&D ML + SW

--

---
Vous recevez ce message, car vous êtes abonné au groupe Google Groupes "Déductions et EulerGUI en Français".
Pour vous désabonner de ce groupe et ne plus recevoir d'e-mails le concernant, envoyez un e-mail à l'adresse deductions-f...@googlegroups.com.
Pour obtenir davantage d'options, consultez la page https://groups.google.com/d/optout.

[Jean-Marc Vanel]

Bonsoir ,

En préambule je me permets de rappeler que ceci est un groupe public, et que les messages personnels risquent ne pas convenir.

Voir réponses intercalées + bas ...

Le 10 décembre 2014 17:37, <mh...@laposte.net> a écrit :

Bonjour Jean-Marc,

J'aurais peut-être des solutions – auxquelles tu as certainement déjà pensé

On attend !

 

Par ailleurs, ton courriel tombe bien car je travaille justement sur les applications de notre projet.

De quel projet  s'agit-il ?

Je me permets donc de te renvoyer une question (à laquelle j'ai une réponse, mais que tu peux certainement enrichir). Sujet de dissertation en 5 mn : qu'apporte le RDF (ou autre technologie du web sémantique) à la recommandation (avec ou sans apprentissage) ?

Hé bien , des mêmes avantages qu'on rencontre aussi dans d'autres applications,

et qui sont en filigrane dans le post originel:

1. on peut facilement inclure des données venant du LOD
2. on peut facilement mélanger des données de plusieurs provenances : ici le catalogue, les profils utilisateurs, les historiques utilisateurs ...
   
3. on a de base des inférences simples sur la base SPARQL: cf http://topbraid.org/spin/rdfsplus.html
4. les données étant liées par des URI et propriétés communes, on peut facilement ajouter des inférences complexes , par exemple (ci-dessus:
   si le hobby de l'utilisateur U est H rattaché au domaine D, alors on lui recommande un produit du domaine D ,
   s'écrira en anglais contrôlé :
   If a user U  has-a-hobby H and H is-attached-to-domain D then there is a recommendation R and R is-for-product P and P belongs-to-domain D .
   
   

[Jean-Marc Vanel]

Bonjour

J'ai pensé que pour avancer il faudrait des données de test .

Des données de mail ou e-commerce ne sont pas faciles à obtenir, et il faut les anonymiser pour qu'elles soient publiques.

J'ai pensé utiliser dbPedia pour prévoir des adaptations de livres en films, ce qui me parait un problème analogue.

Cependant on n'a pas directement le lien entre film et livre; voir par exemple :

http://dbpedia.org/page/2001:_A_Space_Odyssey_(film)

Je livre ça à votre réflexion; peut-être d'autres relations sont disponibles, comme entre musique et films.