Marc Champesme

Marc Champesme
Laboratoire d'Informatique de l'université Paris Nord
Institut Galilée
Avenue J.B. Clément
93430 VILLETANEUSE
FRANCE
Tel : (33) 1 49 40 36 17
Fax : (33) 1 48 26 07 12
E-mail :marc.champesme@lipn.univ-paris13.fr

Activités de recherche

Mon activité de recherche concerne les domaines de l'apprentissage symbolique (plus particulièrement la Programmation Logique Inductive) et de la représentation des connaissances (plus particulièrement le formalisme des graphes conceptuels).

Apprentissage Symbolique Automatique

Dans le vaste domaine de recherche que constitue l'apprentissage automatique, mon travail se situe résolument dans le champ de l'apprentissage symbolique. Je m'intéresse plus particulièrement au problème consistant à rechercher une description d'un concept à partir d'exemples et de contre-exemples de ce concept. Cette description doit, d'une part, permettre une reconnaissance aussi exacte que possible d'objets non utilisés lors de l'apprentissage, et, d'autre part, permettre à l'utilisateur de progresser dans la connaissance du problème qu'il soumet au système d'apprentissage. Ce deuxième objectif nécessite en particulier, que l'utilisateur puisse interpréter directement et simplement la connaissance apprise (i.e. sans qu'il lui soit nécessaire de posséder une connaissance approfondie du fonctionnement du système d'apprentissage).

M'intéressant plus particulièrement à la conception de méthodes d'apprentissages aptes à traiter des problèmes de nature structurelle, mon approche de l'apprentissage partage beaucoup de préoccupations communes avec le domaine de la Programmation Logique Inductive, qui en apprentissage symbolique regroupe des chercheurs utilisant des langages de clauses comme formalisme de représentation des connaissances.

Je considère par ailleurs qu'il est de première importance que les méthodes informatiques étudiées puissent être appliquées en pratique sur des problèmes réels. Cela signifie, entre autres choses, que ces méthodes puissent être appliquées à des données de taille importante pouvant être imparfaitement décrites (problème des données bruitées).

Graphes conceptuels

Ce formalisme présente principalement deux avantages par rapport aux formalismes logiques plus traditionnels. Tout d'abord, son aspect "graphique" permet une meilleure appréhension par l'homme, de la connaissance représentée. En second lieu, ce formalisme offre une grande richesse pour la représentation de connaissances très diverses (hiérarchies de types, définitions de types, schémas, référents ensemblistes...). Notons par ailleurs qu'il ne s'agit pas d'une simple représentation graphique de la logique, mais d'un formalisme de représentation autonome possédant ces propres mécanismes de raisonnement en terme d'opérations sur les graphes. Ce dernier point lui permet de bénéficier également du vaste corpus de résultats issus de la théorie des graphes.

Ce travail s'effectue principalement dans le cadre du groupe de travail graphes conceptuels du PRC IA (thème algorithmique et apprentissage) et du projet GRAFIA (PRC IA).

Mes publications