Raisonnement à base de cas ?

[Jfmamjjasond2]

Hello,

Dans le cadre d'un de mes cours, je dois écrire un bref résumé de ce qu'est le raisonnement à base de cas mais niveau doc je ne trouve rien de probant à ce sujet, du moins rien qui soit adapté à mon niveau. (L'article sur Wikipédia ne m'a pas permis de comprendre ce que c'est, Google ne me donne rien de mieux et je n'ai pas trouvé d'ouvrages à ce sujet dans ma BU).

Quelqu'un aurait-il un bouquin ou un site à me conseiller sur ce sujet ? Pas besoin d'entrer dans les détails, un truc qui explique ça de façon succinte mais accessible aux non-initiés me suffit amplement.

Merci d'avance.

[fatal_error]

salut,

quel est ton niveau?
Sinon, l'article de wiki explique pas trop mal...notamment le schéma.
Pe un exemple :

Supposons dans ma base de cas j'ai les deux problèmes suivants
- l'ampoule éclaire pas assez
- solution : changer l'ampoule

- la lumière est éteinte
- solution : activer l'interrupteur

Maintenant arrive un problème : l'ampouille grésille.
Le première étape consiste à chercher un problème similaire dans la base de cas. Ici, ca sera l'empoule éclaire pas assez.

Ensuite, on réutilise le problème sélectionné et on applique le process qui avait mené à la solution à notre nouveau problème, voir si ca amène a une solution. (jvais admettre que ca marche bien avec une ampoule neuve). Pof ca marche.

Puis l'apprentissage qui consiste à mettre à jour la base de cas. Ici, on va pouvoir ajouter un cas :
- l'ampoule grésille
- solution : remplacer l'ampoule

Pis apres on refourgue ce problème dans la base de cas.

Pour des applications concrètes ca devient plus pointilleux, et pis mes cours, ils trainent quelques part. La question est de savoir où.

En espérant que ces éléments de réponse te suffisent.
:)

[Jfmamjjasond2]

Merci, j'ai compris le principe général grâce à toi. Mais dans l'article de wiki ils parlent de plein de trucs que je comprend pas du style c'est quoi (en l'occurence) la racine, le prototype, l'index, etc..Et quel rôle ça joue dans le truc global.

Faudrait aussi que je remette ça dans un contexte. Par qui ça a été inventé, amélioré ? Quelles applications ? Etc...

[fatal_error]

re,

alors de ce que je comprends :
la racine, c'est juste le root node. Toi quand tu prends un cas, tu te places à la racine, et tu vas confronter ton cas aux différents prototype qui sont les fils du noeud racine.

Le prototype, en fait, (je pense donc c'est pas sur faudrait que je lise ailleurs de wiki, mais je dois pas en etre trop loin si la doc est correcte), c'est un ensemble de conditions d'appartenance.
Par exemple, on peut imaginer le prototype rouge et cher, ainsi que le prototype parfum violette et sac a dos wilkinson.
Quand tu prends un cas, mettons bmw rouge, tu sais que ton cas sera dans le premier prototype, et tu n'exploreras pas le second.
Bon, après tu imbriques tes prototypes, etc.

Ensuite, un index, c'est une caractéristique de ton cas qui permet de le "déterminer".
Typiquement, dans ton premier prototype, tu places un index :
est-ce une voiture?
oui, tu continues a parcourir,
non, tu vas dans l'autre branche.
Pis en dessous, est-ce rouge foncé, etc...

La foncière différence je pense, entre les prototypes et les index, c'est que les prototypes sont beaucoup plus larges, et moins strictes. Leur but c'est d'élaguer des solutions, alors que les index, c'est vraiment de trier parmi des cas qui se ressemblent lesquels sont les plus proches du cas qu'on a. En gros, prototype = catégorie de cas, alors que index = existance dune caractéristique

Pour les applications, jen connais pas en vrai.
Apres tu tinspires d'une hot line et tu devrais trouver ton bonheur.
Genre catégorie, info, hardware, plainte, pour les prototype.
Typiquement, tous les cas présent dans le prototype info, présenteront dans leur description (problème de type info)
Pis pour les index de info mettons :
programme fermé automatiquement (oui ou non)
pop up affichée avec message derreurs(oui ou non)
etc...

et tout en bas, dans le meilleur des mondes tu peux répondre :
Oui, la réponse que ******* m'a fournie a totalement résolu mon problème!
XD

[Jfmamjjasond2]

Merci pour ces explications. Je vais tenter de faire un résumé et le poster ici pour voir si j'ai bien compris. Ca te va ?

[fatal_error]

ben ui ca me va (pourquoi ca n'irait pas? :we: ), mais je suis pas l'omnicience, je peux me planter.

Jme suis jamais trop intéressé à ca de près, j'ai fait que lire l'article de wiki, et pour en cerner les subtilités, il faudrait pe looker des exemples sur le net. Je pense que yen a, mais c'est pas à moi de faire les recherches!

[Jfmamjjasond2]

Ben je les ai déjà faites les recherches justement. C'est pour ça que je suis là :s

[Jfmamjjasond2]

Ca y est j'ai terminé mon résumé :

LE RAISONNEMENT À PARTIR DE CAS :

Le raisonnement à base de cas ou raisonnement à partir de cas (RàPC) est un type de raisonnement appliqué à des situations concrètes. Il consiste, face à un problème (ou « cas ») donné, à rechercher dans une base de données (la fameuse base de cas ) un cas similaire déjà rencontré par le passé afin d’appliquer la solution ayant servi à sa résolution au cas présent, éventuellement en l’adaptant. Puis, à évaluer la solution proposée qui viendra enrichir la base de cas.
Ce type de raisonnement, quotidiennement utilisé par l’être humain, fait l’objet de recherches scientifiques en vue d’applications dans le domaine de l’intelligence artificielle. Il pose quatre problématiques majeures :

Comment modéliser les cas et la base de cas (BDC) ?
Comment rechercher un cas similaire dans la BDC ?
Comment adapter la solution au problème ?
Comment gérer l’ « apprentissage » i.e. le stockage de nouveaux cas dans la BDC de manière à pouvoir le retrouver facilement et dans les circonstances adéquates ?

I. La modélisation

Un cas peut contenir différentes informations mais, pour que le RàPC fonctionne, il faut au moins qu’il contienne une description du problème rencontré et sa solution (son algorithme de résolution). Ces informations peuvent être de différents types : booléen, entier, chaîne de caractères, etc… Cela va dépendre du contexte où le RàPC est appliqué.
La BDC peut être modélisé de plusieurs manières. La plus simple est celle de l’arbre de décision.



On part d’une « racine » à laquelle sont rattachés plusieurs nœuds. Les nœuds sont ici des « index » c’est à dire à une question concernant le problème donné. À chaque réponse possible est rattaché soit un cas de la BDC soit un nouvel index.
EXEMPLE : On considère un ordinateur domestique. Dans le cas présent, rien ne s’affiche sur l’écran. Un système à RàPC appliqué à ce problème pourrait être modélisé de la manière suivante :



NB : Ici nous n’avons utilisé que des questions binaires mais il est possible d’imaginer des questions à plus de 2 réponses

Un autre modèle est celui dit « à mémoire dynamique ». Les cas sont regroupés en « épisodes généralisés »(EG) s’ils possèdent certaines caractéristiques communes (appelés « normes »). À cet épisode est alors relié d’autres valeurs relatives à d’autres caractères et le chemin suivi par le système RàPC est alors celui qui est le plus similaire au problème (le concept de similarité peut être défini différemment en fonction du domaine considéré). Ces valeurs mènent alors soit vers un cas en particulier soit vers un autre épisode généralisé (le processus étant alors répété).

EXEMPLE : On reprend l’exemple précédent. Voici ce que sa modélisation en EG pourrait donner :


NB : Deux EG différents peuvent mener à un même cas : le modèle est redondant.
Il existe bien sûr d’autres modèles, mais ceux-ci sont les deux principaux.

II. La recherche :

La recherche commence par la collecte de données sur le problème. Elle peut être faite de manière automatique ou bien en demandant à l’utilisateur de les fournir. Après ça, on peut encore essayer de réarranger ou corriger les données pour optimiser le système.
La recherche contient deux étapes : le filtrage et la sélection.

2.1. Le filtrage :

Cette étape consiste à simplement parcourir la BDC afin d’éliminer les cas qui ne correspondent pas et de construire une nouvelle BDC avec les cas restants. Si la BDC est suffisamment petite, cette étape peut être sautée.

2.2. La sélection :

On calcule alors la similarité entre le problème posé avec les cas non-filtrés de l’étape précédente (en utilisant les index). Comme précisé avant, la fonction de similarité dépend de l’index considéré.
On peut, de plus, utiliser un heuristique, i.e. un programme qui ne se préoccupe pas que du degré de similarité mais aussi d’autres critères comme la fréquence d’utilisation des las, leur ancienneté, etc…
Dans l’exemple pris dans la partie précédente, la sélection consiste à parcourir linéairement les index depuis la racine.

III. L’adaptation :

Une fois qu’un cas de la base a été isolé, on peut désormais appliquer la solution qui lui est associée. On pourrait appliquer directement la solution associée mais le plus souvent on cherche à adapter la solution au problème considéré.
Il existe deux principales méthodes d’adaptations :

3.1. L’adaptation transformationnelle :

Elle consiste à réitérer la solution du cas en utilisant des lois d’adaptations préprogrammées.

3.2. L’adaptation dérivative :

Elle consiste non pas à appliquer une solution adaptée mais le raisonnement qui a servi à la résolution du cas sélectionné. Cette forme d’adaptation est donc potentiellement plus « puissante » que la transformationnelle, néanmoins l’objectif du cas présent n’est pas forcément celui de l’ancien. Il est donc aussi plus compliqué à mettre en œuvre.

EXEMPLE : On reprend le problème de l’écran en se plaçant dans le modèle de l’arbre de décision. Cette fois, la cause du dysfonctionnement est que la tour est éteinte. Le cas sélectionné le plus similaire est celui où l’écran est éteint. Dans ce cas là, le raisonnement ayant mené à sa résolution est d’allumer l’écran. La transposition de ce raisonnement au problème indiquerait d’allumer la tour : c’est une adaptation dérivative.


NB : Pour le modèle dynamique, il n’y a pas d’adaptation puisque le cas de la tour éteinte est déjà inclus dans un EG.

3.3. La révision :

Parfois, la solution trouvée ne fonctionne pas. Dans ce cas, le système va essayer d’expliquer les raisons de l’échec afin de constituer une mémoire d’échec qui viendra modifier le fonctionnement de la phase d’adaptation. Puis il va essayer de corriger la solution qui a échoué.

IV. Apprentissage :

C’est la dernière phase du RàPC où le cas présent et sa solution vont être ajoutés dans la base. Il y a deux possibilités :
Si la solution du cas est totalement nouvelle, celui-ci est automatiquement àjouté à la BDC.
Si la solution découle de solutions antérieures, le cas en lui-même n’est pas forcément rajouté mais il peut être inclus dans un EG lorsque ceux-ci existent. On peut aussi réajuster les lois d’adaptations.

Il faut aussi décider quels caractéristiques du cas conserver pour pouvoir le retrouver facilement. Ce sont en général les plus discriminantes.
On peut, par la suite, tester le programme pour vérifier qu’il retrouve bien le cas.

EXEMPLE : La tour a été allumée, mais l’écran n’affiche toujours rien. Tout étant allumé et branché, on se retrouve dans le cas où il faut appeler le service après vente. Nouveau problème : le téléphone ne marche pas. En fait, l’électricité a été coupée. Dans ce cas, il suffit d’attendre que l’électricité revienne. Ce cas étant totalement inédit, il est ajouté à l’extrémité d’une branche de l’arbre de décision (ou bien, il forme un nouveau cas avec un nouvel index dans le cas du modèle dynamique).

Pour le modèle à arbre de décision, voici comment l’apprentissage modifierait la BDC dans ce cadre là :

J'ai bien saisi le truc ou pas ? :hum:

[fatal_error]

salut,

ca me dépasse un peu, mais pour la fin, c'est moyen je pense.
Le but, c'est de pouvoir savoir rapporter le cas courant à un cas similaire ou identique.

Si jamais le cas n'est pas trouvé dans la base de cas, on ne peut pas claquer des doigts et dire 'il faut attendre que l'électricité revienne'.
Pour avoir la solution au cas, il faut attendre qu'une aide extérieure apporte la solution ainsi que la bonne question(l'analyse dérivative ayant par ailleurs déjà échoué)

[Jfmamjjasond2]

Pourquoi ce n'est pas valide ? C'est une solution qui a été validée, même si elle consiste à ne rien faire..

[fatal_error]

Nouveau problème : le téléphone ne marche pas. En fait, l’électricité a été coupée. Dans ce cas, il suffit d’attendre que l’électricité revienne. Ce cas étant totalement inédit, il est ajouté à l’extrémité d’une branche de l’arbre de décision (ou bien, il forme un nouveau cas avec un nouvel index dans le cas du modèle dynamique).

le telephone ne marche pas.

Ben tes québlo. Si dans aucun des cas tu as la notion d'électricité qui n'apparait, ben tu vas pas la faire apparaitre de nul part!
PS :

Pourquoi ce n'est pas valide ? C'est une solution qui a été validée, même si elle consiste à ne rien faire..

tu entends quoi par "ce", par "c'est". cad qu'est-ce qu'ils désignent.

[Jfmamjjasond2]

Mais dans l'apprentissage il s'agit de créer des index, c'est donc qu'il peut apprendre des notions non ?

[fatal_error]

ben sauf erreur, il apprend pas les notions tout seul.

Il faut qu'il pose des questions afin de pouvoir indexer/réindexer les réponses/solutions.
Et les questions, il ne peut les créer qu'à partir des autres cas.

Si le critère est totalement extérieur par rapport à tous les cas recensés, ben yaura pas de magie...tu fais un random c'est pareil. Donc il faut une question qui permettra de discriminer ce [nouveau] cas des autres cas.

PS : "il" que désigne-t-il. pour moi c'est l'automate qui implémente l'algorithme.

[Jfmamjjasond2]

Voici la rédaction définitive de ma synthèse (en fait je devais juste répondre à une série de questions :

1) Définition

Le raisonnement à base de cas ou raisonnement à partir de cas (RàPC) est une méthode d’analyse et de résolution des problèmes. Il consiste à faire des analogies entre un problème donné et d’autres stockés dans une base de cas afin d’appliquer au problème présent des solutions ayant fait leur preuve par le passé.


2) Création et histoire

Le RàPC fait partie de notre bagage cognitif et nous l’utilisons tous les jours dans des situations de la vie courante. Toutefois, il n’a commencé à faire l’objet d’une modélisation formelle que dans les années 70 grâce aux travaux de Roger Schank et Robert P.Abelson, tout deux professeurs de psychologie cognitive à l’Université Yale1.


3) De quoi s'agit-il?

Le RàPC fait intervenir les notions de solution et de problème. Le problème peut se formuler sous la forme d’une question du type « Comment faire pour […] N » et la solution est la réponse à cette question. L’ensemble constitué par le problème et sa solution est appelé cas (parfois, le cas contient aussi le résultat de l’évaluation de la solution (échec ou pas) et son explication). La base de cas est l’ensemble des cas mémorisés par le système dont on se sert pour aborder un problème appelé problème cible.


4) Dans quelles circonstances l'utiliser?

Le RaPC peut s’appliquer dans presque tous les domaines (cuisine, agronomie2, etc…). Il est le plus souvent utilisé dans des domaines où la complexité est de mise et où les problèmes ne peuvent être résolus simplement en appliquant des lois ou des principes.


5) Courte description du principe de fonctionnement



Soit un problème à résoudre. Ce problème est appelé problème cible. Le RàPC peut se décomposer en quatre phases :

1. La recherche d’un cas dans la base de cas dont le problème est similaire au problème cible. Cela suppose de savoir mesurer la similarité entre cas. Pour ça, on dispose d’index qui répertorient les caractéristiques des cas (appelés indices3) utiles à la recherche. D’autres critères que la similarité peuvent également être utilisés dans la l’extraction d’un cas comme la fréquence d’utilisation, l’ancienneté, etc…Le ou les cas ainsi extrait sont appelés cas sources.
2. La réutilisation de la solution attachée au cas source. Cette solution peut être soit appliquée directement ou après être ajustée par des lois d’adaptations (on parle alors d’ adaptation transformationnelle) soit modifiée en appliquant au problème cible le raisonnement qui a permis la résolution du problème source (on parle alors d’ adaptation dérivative).
3. La révision de la solution choisie. La solution source est appliquée puis évaluée. A-t-on abouti à la résolution complète du problème ? Si non, pourquoi ? Dans ce cas, la solution peut encore être réadaptée.
4. L’apprentissage : le cas cible (le problème + la solution ayant été appliquée) est alors ajouté à la base de cas et ce, que le problème ait été résolu ou non.

Il découle de cette description un certain nombre de problématiques. Par exemple, comment modéliser efficacement la base de cas ? Comment mesurer efficacement la similarité entre plusieurs cas ? Il n’existe pas une seule réponse. Pour ce qui est de la modélisation de la base de cas, citons entre autres, comme réponse possible, l’arbre de décision, le modèle à mémoire dynamique ou le modèle à base de catégories1.


6) Forces et faiblesses

Comme précisé plus haut, le RàPC permet d’aborder des problèmes complexes et de mieux gérer l’incertitude ou l’indéterminisme. Il est utile dans les domaines où nos connaissances sont surtout d’origine inductive comme la médecine ou la cuisine.

Toutefois, il a aussi un certain nombre de points faibles qui sont ceux du raisonnement à induction. Par exemple, les points communs et les différences retenus entre plusieurs problèmes dans la mesure de la similarité n’est pas toujours significative et ne signifie pas que ces points et ces différences se retrouveront dans leurs solution. Deux problèmes similaires peuvent avoir des solutions totalement différentes1.


7) Temps/ Difficultés d'apprentissage

La compréhension du RàPC nécessite simplement de comprendre les notions qui s’y rattachent (cas, similarité, etc…) et de se souvenir de ses 4 phases. La mise en œuvre peut cependant prendre plus ou moins de temps selon le domaine d’application du RàPC. En médecine, par exemple, la révision peut prendre plusieurs années1.


8) Outils de fonction similaire

Le RàPC peut s’apparenter aux algorithmes génétiques en ceci que les deux peuvent servir à la génération de solutions à des problèmes non-solvables de manière systématiques. La principale différence réside dans le fait que les algorithmes génétiques génèrent des solutions de manière aléatoire. Plus d’information sur les algorithmes génétiques ici : http://www.recherche.enac.fr/opti/papers/thesis/HABIT/main002.html

En théologie, en droit et en médecine, la casuistique peut également être vue comme une application du RàPC. Plus d’information ici : http://books.google.fr/books?id=VCYoKnDa1mIC&printsec=frontcover&dq=casuistique&source=bl&ots=piVc2OuXct&sig=vsvi3iDcwyb5YVMyhYYXXX04ZEs&hl=fr&ei=_LAfTdS8CIar8QPdxIW1BQ&sa=X&oi=book_result&ct=result&resnum=10&ved=0CGMQ6AEwCQ#v=onepage&q&f=false


9) Supports logiciels

Des logiciels de RàPC ont été développés ou vont être développés dans plusieurs domaines. En voici une liste non-exhaustive :
Le logiciel CHEF qui permet de réaliser une recette donné à l’aide d’ingrédients donnés : http://www.cs.indiana.edu/classes/b351-leak/local/chef2up.pdf
Dans le domaine de la thanatologie, le logiciel SWALE permet de retrouver les causes de la mort d’un individu humain ou animal en la comparant à d’autres morts similaires :
http://www.cs.indiana.edu/~leake/projects/swale/
Le logiciel PERSUADER applique la méthode RàPC pour gérer les conflits : http://www.cs.cmu.edu/~sycara/persuader.html
En sciences de l’éducation, le projet AMBRE prévoit de concevoir des logiciels de RàPC pour aider des élèves à apprendre des méthodes de résolution des problèmes.
http://liris.cnrs.fr/Documents/Liris-2745.pdf
En agronomie, le projet ROSA2 vise également à terme à la conception d’un logiciel de RàPC
http://www.cairn.info/revue-anthropologie-des-connaissances-2008-2-page-169.htm


10) Bibliographie/Webographie

1. La page Wikipédia associée au RàPC :
http://fr.wikipedia.org/wiki/Raisonnement_par_cas
Ainsi que sa version anglophone :
http://en.wikipedia.org/wiki/Case-based_reasoning

2. L’article du CAIRN consacré au projet ROSA cité ci-dessus, et qui présente également une description du RàPC :
http://www.cairn.info/revue-anthropologie-des-connaissances-2008-2-page-169.htm

3. http://www-sop.inria.fr/aid/people/Michel.Jaczynski/rapc-fra.htm

4. http://liris.cnrs.fr/~rapc/mediawiki/index.php/Accueil

5. http://www.scd.uhp-nancy.fr/docnum/SCD_T_2009_0109_BADRA.pdf

6. http://www-edmsii.u-strasbg.fr/Site-ED-MSII-2010/These-Renaud.html

[fatal_error]

c'est appréciable d'avoir un retour de ton taff ;)
Pe que ca servira aussi à d'autres...

petite faute question 5 petit 1. Le ou les cas extraitS

nempeche dans les docs c'est joli, sexy et tout, mais chui sur qu'en fait c'est bien velu aussi comme problème ca ~~. Mais bon, ^^

[Jfmamjjasond2]

En fait je l'ai pas encore validé. J'ai posté ça ici pour voir si tu trouvais pas d'incohérence majeure. x)

[megajlassi]

J ai un exposé en raisonnement à base des cas (Recall/Remind) et je ne trouve aucun résultats sur cette recherche et en plus j ai besoin d un logiciel de (RBC recall/remind) .alors ,j ai besoin une aide pour ce problème.

[megajlassi]

J ai un exposé en raisonnement à base des cas (Recall/Remind) et je ne trouve aucun résultats sur cette recherche et en plus j ai besoin d un logiciel de (RBC recall/remind) .alors ,j ai besoin une aide pour ce problème.