Découverte de règles contextuelles pour prédire la présence d’amiante dans les bâtiments - Laboratoire Interdisciplinaire des Sciences du Numérique Accéder directement au contenu
Communication Dans Un Congrès Année : 2021

Découverte de règles contextuelles pour prédire la présence d’amiante dans les bâtiments

Résumé

The Scientific and Technical Center for Building (CSTB) was asked to develop a tool to help identify materials containing asbestos in buildings. In this context, we have developed an approach, named CRA-Miner, which uses inductive logic programming (ILP) techniques to discover logic rules from a data graph describing buildings and asbestos diagnostics. Since the reference of the specific products used during construction is never specified, CRAMiner considers the temporal data, the types of products and the contextual information to find the set of candidate rules which can then be used to deduce the presence of asbestos in construction elements. The experiments carried out on the knowledge graph provided by CSTB show that a promising F-Measure can be obtained.
Le Centre Scientifique et Technique du Bâtiment (CSTB) a été sollicité pour développer un outil d’aide à l’identification des matériaux contenant de l’amiante dans les bâtiments. Dans ce contexte, nous avons développé une approche, nommée CRA-Miner, qui utilise des techniques de programmation logique inductive (PLI) pour découvrir des règles à partir d’un graphe de données décrivant des bâtiments et des diagnostics d’amiante. La référence des produits spécifiques utilisés lors de la construction n’étant jamais spécifiée, CRA-Miner considère les données temporelles, les types de produits et les informations contextuelles pour rechercher l’ensemble de règles candidates qui pourront être utilisées pour prédire la présence d’amiante dans les éléments de construction. Les expériences menées sur le graphe de connaissances fourni par le CSTB montrent qu’une F-Mesure prometteuse peut être obtenue.
Fichier principal
Vignette du fichier
actes_IC_CH_PFIA2021_81-88.pdf (365.19 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

emse-03260573 , version 1 (15-06-2021)

Identifiants

  • HAL Id : emse-03260573 , version 1

Citer

Thamer Mecharnia, Lydia Chibout Khelifa, Fayçal Hamdi, Nathalie Pernelle, Celine Rouveirol. Découverte de règles contextuelles pour prédire la présence d’amiante dans les bâtiments. Journées Francophones d'Ingénierie des Connaissances (IC) Plate-Forme Intelligence Artificielle (PFIA'21), Jun 2021, Bordeaux, France. pp 73-80. ⟨emse-03260573⟩
731 Consultations
146 Téléchargements

Partager

Gmail Facebook X LinkedIn More