Structure de L’ADF a Les croyances (beliefs)

des Composants du Modèle

V.7 Implémentation du Système Multi Agents

V.7.2 Composants d’agent Jade

V.7.2.1 Structure de L’ADF a Les croyances (beliefs)

La base des croyances de l’agent représente les connaissances dont il dispose à propos de son environnement, cette base est similaire à une structure de stockage de données qui permet aux différents plans de communiquer via des croyances partagées. Dans Jadex tous les objets Java peuvent être stockés comme des croyances dans cette base.

Jadex distingue entre deux types de croyances, dans le premier type, l’utilisateur ne peut stocker qu’un seul fait (la balise <belief>) alors que le deuxième type utilise des « beliefset » pour plusieurs faits, (balise <beliefs>). Les croyances représentent les faits connus par l’agent et définies dans l’ADF, la base de croyances est accédée par les plans.

________________________________________________________________________ Chapitre V : Etude de cas et aspects d’implémentation

Des composants du modèle

________________________________________________________________________

126

L’un des concepts clé du paradigme agent est la programmation orientée but, ce concept dénote l’engagement de l’agent à satisfaire un objectif pour cela l’agent va tenter les différentes possibilités pour atteindre son but.

Jadex appuie l’idée du concept BDI qui définit les buts comme des désirs concrets et momentanés de l’agent. Le cycle de vie d’un but comporte les états « option », « actif » et « suspendu ». Ces états sont gérés par un mécanisme de délibération spécifique et en relations avec le contexte et les croyances de l’agent.

c. Les intentions (Plans)

Un agent Jadex est essentiellement basé événements qui lorsqu’ils occurrent déclenche l’agent, cette réaction ne veut pas dire que l’agent est purement réactif, en effet Jadex ne supporte pas uniquement les événements extérieurs (Messages ACL) qui représentent une communication entre agents, mais aussi différents types d’événement interne à l’agent qui sont des types de communication interne à l’agent et qui sont nécessaire lorsque plusieurs plans veulent échanger des informations.

Les événements sont traités par des plans, l’occurrence d’un événement interne est caractérisée par le fait qu’une information doit être communiquée à des plans qui ont déclarés leur intérêt à ce type d’événement. Tous les événements extérieurs (messages en émission et en réception) doivent être spécifiés dan l’ADF de l’agent.

L'exemple ci-dessous est tirée de l'ADF de l'agent « Query » •active: Booléen qui indique si une croyance «état actif».

•préférences: les croyances de l’agent qui pouvant être un liste des préférences utilisateur, des seuils de calculs, etc.

•Feedbacks : des croyances relatives à la pertinence des résultats obtenus. • Ex_F: un fichier XML, pour les échanges de messages.

•Word1, Word2,…, Wordk sont des chaines de mots clés, des synonyms, des hyponymes et des hyperonymes. <Agent xmlns="http://jadex.sourceforge.net/jadex" xmlns:xsi="http://www.w3.org/2001XMLScheminstance" xsi :schemalocation="http://jadex.sourceforge.net/jadex http://jadex.sourceforge.net/jadex-0.96.xsd" name ="Query" package="myprojet.mesagents.queryagent" <beliefs>

Chapitre V : Etude de cas et aspects d’implémentation Des composants du modèle

________________________________________________________________________

127 <belief name= "msg" class="string" exported="True"> <fact>Query agent</fact>

</belief>

<belief name="preferences" class="String"> <fact> threshold-Res</fact>

<fact> search-eng</fact></belief>

</belief>

L'un des objectifs de l'agent « Query » est de substituer les mots-clés par leurs synonymes, hyponymes et hyperonymes. Ce but est réalisé lorsque les «feedback» et la croyance sont en état valides. Ainsi, la partie de l'ADF correspondant à cette fonction est:

<goals>

<performgoal name="substit"

$beliefbase.Est_pret&&$beliefbase.feedbacks </contextcondition>

</performgoal> </goals>

________________________________________________________________________ Chapitre V : Etude de cas et aspects d’implémentation

Des composants du modèle

________________________________________________________________________

128

Conclusion

Dans ce chapitre nous avons exposé l’étude de cas pour tester le modèle selon les trois aspects décris auparavant. Pour le premier aspect du raisonnement nous avons segmenté un texte de trois paragraphes, le résultat produit deux segments sémantiquement différents.

Le deuxième aspect du raisonnement repose sur un calcul du rapprochement des documents résultats par rapport à la requete utilisateurs, nous avons testé notre mesure et l’avons comparée à celle de Wu Palmer, les résultats sont satisfaisants. Le troisième aspect du raisonnement concerne le mécanisme d’inférence. Nous avons montré un type de raisonnement via Jena (transitivité de classes, et type de domaine et de co-domaine des propriétés). Cette inférence est la base de la recherche sémantique qui se traduit par la recherche d’une opération de projection entre le graphe requête et le graphe d’annotation du document. La projection, s’effectue par la recherche d’opérations de spécialisation de concepts et de propriétés des les deux graphes, si par exemple nous avons dans un graphe d’annotation « Gd » une projection d’un graphe de requête « Gr », alors nous somme en mesure d’affirmer que le document annoté par « Gd » est une réponse pertinente à la requête représentée par « Gr » avec une précision élevé.

Conclusion générale

________________________________________________________________________

129

Conclusion Générale

Le modèle de notre contribution a l’objectif d’affecter un système multi agents de capacités de raisonnements pour accomplir une recherche sémantique d’informations sur le web. Le raisonnement devrait se matérialiser par une amélioration significative des mesures de rappel et de précision qui sont très interdépendantes car l’augmentation de l’une se répercute par une diminution des performances de l’autre.

Tenant compte de cette relation inversement proportionnelle, nous avons construit ce modèle par des démarches hybrides pour satisfaire au mieux et de manière adéquate ces deux mesures. Nous avons choisi le paradigme agent pour raisonner et l’ontologie pour représenter les connaissances du domaine, ce choix est motivé par l’opportunité de reprendre la notion de résolution coopérative de problèmes complexes et distribués.

L’architecture du système montre que les agents ainsi conçus ont des compétences individuelles et des connaissances relatives à la résolution de parties du problème. Ils coopèrent ensemble pour l’objectif commun celui de présenter à l’utilisateur les meilleurs résultats possibles en termes de documents relevant vis-à-vis de ses besoins.

Notre modèle de recherche combine une recherche sémantique basée ontologie, et une recherche classique à base de mots clés, c’est une recherche syntaxique qui exploite les relations entre les mots clés et des ensembles de synonymes, d’hyponymes et d’hyperonymes (synsets) définis dans la taxonomie WordNet pour réaliser des expansions de requêtes dans le but d’avoir un plus de rappel. La requête générée en langage d’interrogation d’ontologie à partir de mots clés est ensuite exécutée pour retrouver les documents annotés par ces entités et qui constituent des réponses pertinentes.

Le support de la recherche sémantique, est un mécanisme de raisonnement basé sur le type de ressources recherchées, ainsi nous nous somme basé sur les inférences de sous classes et de sous propriétés pour rechercher une projection entre la requête et le document.

Une nouvelle mesure de similarité a été proposée, elle est fondée sur la structure de la taxonomie WordNet pour évaluer les similarités entre les mots clés et les sysnets correspondants, cette similarité est ensuite utilisée pour calculer le rapprochement des résultats vis-à-vis des requêtes. La formule du cosinus très connue est utilisée pour calculer la similarité Requête-Document pour décider de la pertinence des documents, et pour effectuer le classement final.

________________________________________________________________________ Conclusion générale

________________________________________________________________________

130

Nous notons ici que les représentations formelles souffrent de certaines limites, qui se traduit par l’incapacité de représenter certaines connaissances complexes, le système hérite donc de problèmes inhérents aux processus de construction et de partage des ontologies.

Les perspectives de recherche dans ce domaine sont diverses et encourageantes, particulièrement concernant le modèle proposé nous trouvons utile d’enrichir les connaissances de l’agent qui gère la requête par une base de connaissances rassemblant différentes techniques de traitement et de formulation de requêtes, par exemple un ensemble de règles explicites et des politiques de décision sous forme de prédicats logiques. Il est vrai que plus la requête est bien formulée, meilleurs seront les résultats obtenus.

131

Dans le document Un modèle de raisonnement pour un système de recherche sémantique d’informations sur le web basé agents (Page 142-148)