Gestion des incohérences, Données temporelles, Réparation des données, TDL, LTL

Cette thèse étudie la faisabilité du raisonnement automatique sur des bases de connaissances DL-Lite temporelles TDL-Lite. Dans la première partie, nous avons traduit les bases de connaissances exprimées en TDL-Lite en logique temporelle de première ordre et en logique temporelle linéaire LTL qui sont munies de raisonneurs temporels permettant de vérifier leur satisfiabilité. Nous avons réalisé diverses expériences pour analyser les performances et la robustesse des différents raisonneurs sur des scénarios jouets et sur des bases de connaissances TDL-Lite synthétiques de tailles variables. Par ailleurs, lors du traitement des bases de connaissances avec une composante Assertionnel ABox de grande taille, nous avons également proposé une approche d'abstraction des assertions temporelles afin d'améliorer la scalabilité du raisonnement. Nous avons mené plusieurs tests pour évaluer l'efficacité de l'abstraction en mesurant le gain en termes de nombre d'assertions et d'individus dans la ABox. En outre, nous avons mesuré le nouveau temps d'exécution de quelques raisonneurs sur de telles bases de connaissances résumées. Enfin, dans l'objectif de faire de l'utilisation des bases de connaissances en TDL-Lite une réalité, nous avons présenté un outil complet avec une interface graphique qui permet de les concevoir. Notre interface est basée sur des principes de modélisation conceptuelle et elle est intégrée à notre outil de traduction et aux différents raisonneurs temporels. En considérant la ABox comme source d'incohérence, nous avons, dans la deuxième partie de la thèse, traité le problème de gestion des données incohérentes dans les bases de connaissances en TDL-Lite. En effet, nous avons proposé une approche de réparation de la ABox. Il s'agit du premier travail sur la réparation appliquée aux bases de connaissances en logiques de description temporelles. Pour ce faire, nous avons d'abord détecté et localisé les assertions temporelles sources d'incohérence et nous avons ensuite proposé une réparationtemporelle de ces données. Pour la détection, nous avons proposé une traduction des bases de connaissances de TDL-Lite vers DL-Lite; ce qui a permis d'utiliser des raisonneurs de la logique de description hautement optimisés et capables d'apporter une explication précise de l'incohérence. A partir de l'explication obtenue, nous avons ensuite proposé une méthode pour calculer automatiquement la meilleure réparation temporelle en fonction: a) des prédicats rigides, invariants dans le temps, autorisés dans la définition de la base de connaissances et b) de l'ordre temporel des assertions.