CA2912751A1 - Systeme d'aide a la decision multicritere avec generation automatique d'explications, et procede correspondant - Google Patents
Systeme d'aide a la decision multicritere avec generation automatique d'explications, et procede correspondantInfo
- Publication number
- CA2912751A1 CA2912751A1 CA2912751A CA2912751A CA2912751A1 CA 2912751 A1 CA2912751 A1 CA 2912751A1 CA 2912751 A CA2912751 A CA 2912751A CA 2912751 A CA2912751 A CA 2912751A CA 2912751 A1 CA2912751 A1 CA 2912751A1
- Authority
- CA
- Canada
- Prior art keywords
- criteria
- alternative
- score
- given
- explanation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims description 33
- 230000003993 interaction Effects 0.000 claims abstract description 93
- 238000011156 evaluation Methods 0.000 claims abstract description 30
- 230000008569 process Effects 0.000 claims description 19
- 239000000654 additive Substances 0.000 claims description 7
- 230000000295 complement effect Effects 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 4
- 238000004220 aggregation Methods 0.000 description 45
- 230000002776 aggregation Effects 0.000 description 44
- 230000006870 function Effects 0.000 description 12
- 238000002360 preparation method Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 210000004899 c-terminal region Anatomy 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 210000004722 stifle Anatomy 0.000 description 1
- 239000010981 turquoise Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/045—Explanation of inference; Explainable artificial intelligence [XAI]; Interpretable artificial intelligence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Economics (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Tourism & Hospitality (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- User Interface Of Digital Computer (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Le système comprend : - une base de connaissance (1) formant un modèle décisionnel multicritère, stockant, de manière hiérarchisée sur plusieurs niveaux, des critères concernant une prise de décision donnée, des valeurs possibles associées aux critères, des poids de critères associés aux critères, et des poids d'interaction associés aux interactions entre critères, une combinaison donnée de valeurs possibles des critères formant une alternative, - un module d'évaluation (2), pour déterminer un score pour une alternative donnée, en fonction des poids de critères, des poids d'interaction, et des valeurs. - un module (4) de détermination, pour des critères appartenant à plusieurs niveaux du modèle, des contributions des poids de critères, des poids d'interaction et des valeurs, dans un score évalué par le module d'évaluation pour une alternative donnée, - un module (3) de génération d'explications sur le score d'une alternative donnée, à partir de contributions déterminées par le module de détermination.
Description
Système d'aide à la décision multicritère avec génération automatique d'explications, et procédé correspondant La présente invention concerne un système d'aide à la décision multicritère, et un procédé correspondant. Elle trouve notamment une application à l'évaluation d'alternatives relatives à une décision à prendre dans un contexte de type multicritère, par exemple lorsqu'il est question de choisir le site d'implantation d'une usine, une stratégie d'investissement, d'évaluer des projets, etc...
Les systèmes et procédés d'aide à la décision multicritères reposent sur un modèle décisionnel multicritère que l'on établit à partir des connaissances d'experts du domaine d'application concerné.
Des méthodes et des outils de modélisation existent qui permettent de construire et d'organiser les différents éléments constituant un modèle décisionnel multicritère. Ces modèles regroupent des critères et éventuellement des agrégations de critères.
Une combinaison de critères détermine une alternative, que l'on peut évaluer quantitativement par l'intermédiaire de fonctions d'utilité ou fonctions de coût.
Ainsi, les systèmes d'aide à la décision multicritères permettent d'évaluer les alternatives qui s'offrent à un décideur, et donc de prendre rapidement une décision qui peut être complexe, notamment parce qu'elle implique beaucoup de critères, en fonction des scores calculés pour les différentes alternatives.
Un des problèmes posés dans les systèmes d'aide à la décision multicritères, avec évaluation des alternatives, est que la fourniture à l'utilisateur des données brutes d'évaluation n'est pas suffisante pour une prise de décision éclairée.
Ainsi, il peut être très important pour l'utilisateur de savoir pourquoi une alternative est meilleure ou moins bonne qu'une autre. Egalement, indépendamment de toute comparaison entre alternatives, l'utilisateur peut souhaiter connaître les raisons d'un score donné pour une alternative donné.
Un système d'aide à la décision qui ne fait qu'évaluer des alternatives n'est donc pas suffisant pour répondre à un tel besoin, car il ne permet pas d'expliquer l'origine d'un score d'une alternative.
On connaît du document US 7 236 964 un procédé qui permet de générer des explications visant à expliquer pourquoi une alternative est bonne ou mauvaise, ou pourquoi elle est meilleure qu'une autre.
Ce procédé génère des explications en s'appuyant sur les critères ou agrégations d'un niveau donné dans le modèle, en s'appuyant sur une méthode utilisant quatre ancres
Les systèmes et procédés d'aide à la décision multicritères reposent sur un modèle décisionnel multicritère que l'on établit à partir des connaissances d'experts du domaine d'application concerné.
Des méthodes et des outils de modélisation existent qui permettent de construire et d'organiser les différents éléments constituant un modèle décisionnel multicritère. Ces modèles regroupent des critères et éventuellement des agrégations de critères.
Une combinaison de critères détermine une alternative, que l'on peut évaluer quantitativement par l'intermédiaire de fonctions d'utilité ou fonctions de coût.
Ainsi, les systèmes d'aide à la décision multicritères permettent d'évaluer les alternatives qui s'offrent à un décideur, et donc de prendre rapidement une décision qui peut être complexe, notamment parce qu'elle implique beaucoup de critères, en fonction des scores calculés pour les différentes alternatives.
Un des problèmes posés dans les systèmes d'aide à la décision multicritères, avec évaluation des alternatives, est que la fourniture à l'utilisateur des données brutes d'évaluation n'est pas suffisante pour une prise de décision éclairée.
Ainsi, il peut être très important pour l'utilisateur de savoir pourquoi une alternative est meilleure ou moins bonne qu'une autre. Egalement, indépendamment de toute comparaison entre alternatives, l'utilisateur peut souhaiter connaître les raisons d'un score donné pour une alternative donné.
Un système d'aide à la décision qui ne fait qu'évaluer des alternatives n'est donc pas suffisant pour répondre à un tel besoin, car il ne permet pas d'expliquer l'origine d'un score d'une alternative.
On connaît du document US 7 236 964 un procédé qui permet de générer des explications visant à expliquer pourquoi une alternative est bonne ou mauvaise, ou pourquoi elle est meilleure qu'une autre.
Ce procédé génère des explications en s'appuyant sur les critères ou agrégations d'un niveau donné dans le modèle, en s'appuyant sur une méthode utilisant quatre ancres
2 pour la génération d'explications. Ces ancres ne sont pas liées à la contribution des différents éléments dans le calcul de la différence entre les scores de deux alternatives comparées, ou dans le calcul de l'évaluation d'une alternative.
Or, des éléments de différents niveaux dans le modèle peuvent avoir une forte contribution sur le résultat de l'évaluation d'une alternative.
Un tel procédé ne permet donc pas de générer des explications basées sur la contribution des différents critères du modèle lorsque ce modèle est organisé
sur plusieurs niveaux.
Un des buts de l'invention est donc de résoudre les problèmes précités, en particulier de proposer un système et un procédé permettant de générer des explications sur le score d'une alternative, ou sur la comparaison d'une alternative par rapport à une autre, en s'appuyant sur les contributions des différents éléments influant sur ce score, quel que soit le niveau de ces éléments dans le modèle décisionnel multicritère et multiniveau.
Ainsi, l'invention a pour objet, selon un premier aspect, un système d'aide à
la décision multicritère comprenant une base de connaissance, un module d'évaluation d'alternatives, un module de génération d'explications, et un module de détermination de contributions.
La base de connaissances forme un modèle décisionnel multicritère. Dans cette base sont stockés des critères concernant une prise de décision donnée, des valeurs possibles associées à tout ou partie des critères, des poids de critères associés à tout ou partie des critères, et des poids d'interaction associés aux interactions entre critères, une combinaison donnée de valeurs possibles d'au moins une partie des critères formant une alternative.
Le module d'évaluation d'alternatives est apte à déterminer un score pour une alternative donnée, en fonction des poids de critères, et/ou des poids d'interaction, et/ou des valeurs.
Le module de génération d'explications est apte à construire des explications sur le score d'une alternative donnée de manière absolue ou par rapport au score d'une ou plusieurs autres alternatives.
Les critères sont stockés dans la base de connaissance de manière hiérarchisée sur plusieurs niveaux, avec des groupes de critères terminaux regroupés au niveau terminal sous des critères agrégés de niveau supérieur, les critères agrégés pouvant être eux-mêmes regroupés au niveau supérieur sous d'autres critères agrégés de niveau encore supérieur.
Or, des éléments de différents niveaux dans le modèle peuvent avoir une forte contribution sur le résultat de l'évaluation d'une alternative.
Un tel procédé ne permet donc pas de générer des explications basées sur la contribution des différents critères du modèle lorsque ce modèle est organisé
sur plusieurs niveaux.
Un des buts de l'invention est donc de résoudre les problèmes précités, en particulier de proposer un système et un procédé permettant de générer des explications sur le score d'une alternative, ou sur la comparaison d'une alternative par rapport à une autre, en s'appuyant sur les contributions des différents éléments influant sur ce score, quel que soit le niveau de ces éléments dans le modèle décisionnel multicritère et multiniveau.
Ainsi, l'invention a pour objet, selon un premier aspect, un système d'aide à
la décision multicritère comprenant une base de connaissance, un module d'évaluation d'alternatives, un module de génération d'explications, et un module de détermination de contributions.
La base de connaissances forme un modèle décisionnel multicritère. Dans cette base sont stockés des critères concernant une prise de décision donnée, des valeurs possibles associées à tout ou partie des critères, des poids de critères associés à tout ou partie des critères, et des poids d'interaction associés aux interactions entre critères, une combinaison donnée de valeurs possibles d'au moins une partie des critères formant une alternative.
Le module d'évaluation d'alternatives est apte à déterminer un score pour une alternative donnée, en fonction des poids de critères, et/ou des poids d'interaction, et/ou des valeurs.
Le module de génération d'explications est apte à construire des explications sur le score d'une alternative donnée de manière absolue ou par rapport au score d'une ou plusieurs autres alternatives.
Les critères sont stockés dans la base de connaissance de manière hiérarchisée sur plusieurs niveaux, avec des groupes de critères terminaux regroupés au niveau terminal sous des critères agrégés de niveau supérieur, les critères agrégés pouvant être eux-mêmes regroupés au niveau supérieur sous d'autres critères agrégés de niveau encore supérieur.
3 Le module de détermination de contributions est apte à déterminer, pour des critères appartenant à plusieurs niveaux du modèle décisionnel multicritère, les contributions des poids de critères, et/ou des poids d'interaction et/ou des valeurs, dans un score évalué par le module d'évaluation d'alternatives pour une alternative donnée.
En outre, le module de génération d'explications est apte à construire des explications sur un score d'une alternative donnée, de manière absolue ou par rapport au score d'une ou plusieurs autres alternatives, à partir de contributions déterminées par le module de détermination des contributions.
Suivant d'autres modes de réalisation, le système comprend en outre une ou plusieurs des caractéristiques suivantes, prise(s) isolément ou suivant toutes les combinaisons techniquement possibles :
- le module d'évaluation d'alternatives utilise une fonction de coût de type intégrale de Choquet 2-additive ou de type somme pondérée pour déterminer un score pour une alternative donnée ;
- le module de détermination des contributions est apte à déterminer les contributions des poids et/ou des poids d'interaction associés aux critères agrégés de plus haut niveau dans le modèle décisionnel multicritère ;
- le module de détermination des contributions est apte à déterminer les contributions des poids et/ou des poids d'interaction associés aux critères terminaux dans le modèle décisionnel multicritère;
- le module de détermination des contributions est apte à déterminer les contributions des valeurs associées aux critères ;
- le module de détermination des contributions est apte à effectuer une normalisation des contributions déterminées, de préférence entre les valeurs 0 et 1 ;
- le module de détermination des contributions est apte à déterminer les contributions positives des poids de critères, et/ou des poids d'interaction et/ou des valeurs, dans un score évalué par le module d'évaluation d'alternatives pour une alternative donnée ;
- le module de détermination des contributions est apte à déterminer les contributions négatives, inférieures à un seuil donné, des poids de critères, et/ou des poids d'interaction et/ou des valeurs, dans un score évalué par le module d'évaluation d'alternatives pour un alternative donnée ;
- le module de détermination des contributions est apte à filtrer les contributions en sorte de ne garder que les N contributions les plus fortes en valeur absolue, avec N > 0, de préférence N=4;
En outre, le module de génération d'explications est apte à construire des explications sur un score d'une alternative donnée, de manière absolue ou par rapport au score d'une ou plusieurs autres alternatives, à partir de contributions déterminées par le module de détermination des contributions.
Suivant d'autres modes de réalisation, le système comprend en outre une ou plusieurs des caractéristiques suivantes, prise(s) isolément ou suivant toutes les combinaisons techniquement possibles :
- le module d'évaluation d'alternatives utilise une fonction de coût de type intégrale de Choquet 2-additive ou de type somme pondérée pour déterminer un score pour une alternative donnée ;
- le module de détermination des contributions est apte à déterminer les contributions des poids et/ou des poids d'interaction associés aux critères agrégés de plus haut niveau dans le modèle décisionnel multicritère ;
- le module de détermination des contributions est apte à déterminer les contributions des poids et/ou des poids d'interaction associés aux critères terminaux dans le modèle décisionnel multicritère;
- le module de détermination des contributions est apte à déterminer les contributions des valeurs associées aux critères ;
- le module de détermination des contributions est apte à effectuer une normalisation des contributions déterminées, de préférence entre les valeurs 0 et 1 ;
- le module de détermination des contributions est apte à déterminer les contributions positives des poids de critères, et/ou des poids d'interaction et/ou des valeurs, dans un score évalué par le module d'évaluation d'alternatives pour une alternative donnée ;
- le module de détermination des contributions est apte à déterminer les contributions négatives, inférieures à un seuil donné, des poids de critères, et/ou des poids d'interaction et/ou des valeurs, dans un score évalué par le module d'évaluation d'alternatives pour un alternative donnée ;
- le module de détermination des contributions est apte à filtrer les contributions en sorte de ne garder que les N contributions les plus fortes en valeur absolue, avec N > 0, de préférence N=4;
4 - le module de génération d'explications est apte à générer une explication sur le score de l'alternative donnée par rapport au score d'une autre alternative, l'explication présentant une ou plusieurs contributions qui contribuent à la supériorité du score de l'une des deux alternatives sur le score de l'autre ;
- le module de génération d'explications est apte à générer une explication sur le score de l'alternative donnée par rapport au score d'une autre alternative, l'explication présentant une ou plusieurs contributions qui contribuent à l'infériorité du score de l'une des deux alternatives sur le score de l'autre ;
- les scores possibles d'alternatives, les valeurs possibles de critères, les valeurs possibles de poids et les valeurs possibles de poids d'interaction sont regroupées par intervalle, une valeur de niveau étant associée à chaque intervalle, et le module de génération d'explication est apte à générer une explication présentant une ou plusieurs contributions d'un poids de critères donné, ou d'un poids d'interaction donné, ou d'une valeur donnée de critère, l'explication utilisant la valeur de niveau associée à l'intervalle auquel appartient le poids de critères donné, ou le poids d'interaction donné, ou la valeur donnée de critère ;
- le système comprend une base de patrons dans laquelle est stocké au moins un patron contenant une ou plusieurs variables correspondant à un nom d'alternative, et/ou à
une valeur de niveau de poids de critère et/ou de poids d'interaction entre critère, et/ou à
une valeur d'alternative, et le module de génération d'explication est apte à
générer une explication en utilisant le patron ;
- le module de génération d'explication est apte à générer une explication en remplaçant les variables contenues dans le patron par les valeurs correspondant au nom d'alternative, et/ou à la valeur de niveau de poids et/ou de poids d'interaction, et/ou à la valeur d'alternative, relatives à une alternative donnée ;
- le module de génération d'explications est apte, lorsqu'une explication concerne la contribution d'un poids d'interaction associé à deux critères présentant deux valeurs dont la différence est inférieure à un seuil donné, à générer une explication complémentaire sur la discontinuité de l'explication en fonction des variations des valeurs ;
- le module de génération d'explications est apte à construire des explications sur le score de l'alternative donnée par rapport à un score supérieur correspondant à une alternative fictive et/ou par rapport à un score inférieur correspondant à une alternative fictive.
L'invention a également pour objet, selon un deuxième aspect, un procédé
d'aide à la décision comprenant une étape de construction d'un modèle décisionnel multicritère, une étape d'évaluation d'une alternative au moyen d'un module d'évaluation d'alternatives, une étape de génération d'explications au moyen d'un module de
- le module de génération d'explications est apte à générer une explication sur le score de l'alternative donnée par rapport au score d'une autre alternative, l'explication présentant une ou plusieurs contributions qui contribuent à l'infériorité du score de l'une des deux alternatives sur le score de l'autre ;
- les scores possibles d'alternatives, les valeurs possibles de critères, les valeurs possibles de poids et les valeurs possibles de poids d'interaction sont regroupées par intervalle, une valeur de niveau étant associée à chaque intervalle, et le module de génération d'explication est apte à générer une explication présentant une ou plusieurs contributions d'un poids de critères donné, ou d'un poids d'interaction donné, ou d'une valeur donnée de critère, l'explication utilisant la valeur de niveau associée à l'intervalle auquel appartient le poids de critères donné, ou le poids d'interaction donné, ou la valeur donnée de critère ;
- le système comprend une base de patrons dans laquelle est stocké au moins un patron contenant une ou plusieurs variables correspondant à un nom d'alternative, et/ou à
une valeur de niveau de poids de critère et/ou de poids d'interaction entre critère, et/ou à
une valeur d'alternative, et le module de génération d'explication est apte à
générer une explication en utilisant le patron ;
- le module de génération d'explication est apte à générer une explication en remplaçant les variables contenues dans le patron par les valeurs correspondant au nom d'alternative, et/ou à la valeur de niveau de poids et/ou de poids d'interaction, et/ou à la valeur d'alternative, relatives à une alternative donnée ;
- le module de génération d'explications est apte, lorsqu'une explication concerne la contribution d'un poids d'interaction associé à deux critères présentant deux valeurs dont la différence est inférieure à un seuil donné, à générer une explication complémentaire sur la discontinuité de l'explication en fonction des variations des valeurs ;
- le module de génération d'explications est apte à construire des explications sur le score de l'alternative donnée par rapport à un score supérieur correspondant à une alternative fictive et/ou par rapport à un score inférieur correspondant à une alternative fictive.
L'invention a également pour objet, selon un deuxième aspect, un procédé
d'aide à la décision comprenant une étape de construction d'un modèle décisionnel multicritère, une étape d'évaluation d'une alternative au moyen d'un module d'évaluation d'alternatives, une étape de génération d'explications au moyen d'un module de
5 génération d'explications, et une étape de détermination de contributions au moyen d'un module de détermination de contributions.
Le modèle décisionnel multicritère comprend des critères concernant une prise de décision donnée, des valeurs possibles associées à tout ou partie des critères, des poids de critères associés tout ou partie des critères, et des poids d'interaction associés aux interactions entre critères, une combinaison donnée de valeurs possibles d'au moins une partie des critères formant une alternative, le modèle décisionnel multicritères étant stocké dans une base de connaissance.
L'étape d'évaluation d'une alternative détermine un score pour une alternative donnée, en fonction des poids de critères, et/ou des poids d'interaction, et/ou des valeurs.
L'étape de génération d'explications construit des explications sur le score de l'alternative donnée, de manière absolue ou par rapport au score d'une ou plusieurs autres alternatives.
Les critères sont organisés dans la base de connaissance de manière hiérarchisée sur un niveau terminal et au moins un niveau supérieur, avec des groupes de critères de terminaux regroupés au niveau terminal sous des critères agrégés de niveau supérieur, les critères agrégés pouvant être eux-mêmes regroupés au niveau supérieur sous d'autres critères agrégés de niveau encore supérieur.
L'étape de détermination de contributions détermine, pour des critères appartenant à plusieurs niveaux du modèle décisionnel multicritère, les contributions des poids de critères, et/ou des poids d'interaction et/ou des valeurs, dans le score évalué lors de l'étape d'évaluation d'alternatives pour l'alternative donnée.
En outre, l'étape de génération d'explications construit les explications sur le score de l'alternative donnée, de manière absolue ou par rapport au score d'une ou plusieurs autres alternatives, à partir des contributions déterminées lors de l'étape de détermination des contributions.
Suivant d'autres modes de réalisation, le procédé comprend en outre une ou plusieurs des caractéristiques suivantes, prise(s) isolément ou suivant toutes les combinaisons techniquement possibles :
- l'étape d'évaluation utilise une fonction de coût de type intégrale de Choquet 2-additive ou de type somme pondérée ;
Le modèle décisionnel multicritère comprend des critères concernant une prise de décision donnée, des valeurs possibles associées à tout ou partie des critères, des poids de critères associés tout ou partie des critères, et des poids d'interaction associés aux interactions entre critères, une combinaison donnée de valeurs possibles d'au moins une partie des critères formant une alternative, le modèle décisionnel multicritères étant stocké dans une base de connaissance.
L'étape d'évaluation d'une alternative détermine un score pour une alternative donnée, en fonction des poids de critères, et/ou des poids d'interaction, et/ou des valeurs.
L'étape de génération d'explications construit des explications sur le score de l'alternative donnée, de manière absolue ou par rapport au score d'une ou plusieurs autres alternatives.
Les critères sont organisés dans la base de connaissance de manière hiérarchisée sur un niveau terminal et au moins un niveau supérieur, avec des groupes de critères de terminaux regroupés au niveau terminal sous des critères agrégés de niveau supérieur, les critères agrégés pouvant être eux-mêmes regroupés au niveau supérieur sous d'autres critères agrégés de niveau encore supérieur.
L'étape de détermination de contributions détermine, pour des critères appartenant à plusieurs niveaux du modèle décisionnel multicritère, les contributions des poids de critères, et/ou des poids d'interaction et/ou des valeurs, dans le score évalué lors de l'étape d'évaluation d'alternatives pour l'alternative donnée.
En outre, l'étape de génération d'explications construit les explications sur le score de l'alternative donnée, de manière absolue ou par rapport au score d'une ou plusieurs autres alternatives, à partir des contributions déterminées lors de l'étape de détermination des contributions.
Suivant d'autres modes de réalisation, le procédé comprend en outre une ou plusieurs des caractéristiques suivantes, prise(s) isolément ou suivant toutes les combinaisons techniquement possibles :
- l'étape d'évaluation utilise une fonction de coût de type intégrale de Choquet 2-additive ou de type somme pondérée ;
6 - l'étape de détermination des contributions détermine les contributions des poids et/ou des poids d'interaction associés aux critères agrégés de plus haut niveau dans le modèle décisionnel multicritère ;
- l'étape de détermination des contributions détermine les contributions des poids et/ou des poids d'interaction associés aux critères terminaux dans le modèle décisionnel multicritère ;
- l'étape de détermination des contributions détermine les contributions des valeurs associées aux critères ;
- l'étape de détermination des contributions effectue une normalisation des contributions déterminées, de préférence entre les valeurs 0 et 1 ;
- l'étape de détermination des contributions détermine les contributions positives des poids de critères, et/ou des poids d'interaction et/ou des valeurs, dans le score évalué
lors de l'étape d'évaluation d'alternatives pour l'alternative donnée ;
- l'étape de détermination des contributions détermine les contributions négatives, inférieures à un seuil donné, des poids de critères, et/ou des poids d'interaction et/ou des valeurs, dans le score évalué lors de l'étape d'évaluation d'alternatives pour l'alternative donnée ;
- les contributions déterminées lors de l'étape de détermination des contributions les contributions sont filtrées en sorte de ne garder que les N contributions les plus fortes en valeur absolue, avec N > 0, de préférence N=4;
- l'étape de génération d'explications génère une explication sur le score de l'alternative donnée par rapport au score d'une autre alternative, l'explication présentant une ou plusieurs contributions qui contribuent à la supériorité du score de l'une des deux alternatives sur le score de l'autre ;
- l'explication concerne la contribution d'un poids qui n'est pas un poids minimum, ou d'un poids d'interaction qui n'est pas un poids d'interaction minimum, ou d'une valeur qui n'est pas une valeur minimale, associé à un critère ;
- l'étape de génération d'explications génère une explication sur le score de l'alternative donnée par rapport au score d'une autre alternative, l'explication présentant une ou plusieurs contributions qui contribuent à l'infériorité du score de l'une des deux alternatives sur le score de l'autre ;
- l'explication présente la contribution d'un poids qui est un poids minimum, ou d'un poids d'interaction qui est un poids d'interaction minimum, ou d'une valeur qui est une valeur minimale, associé à un critère ;
- l'étape de détermination des contributions détermine les contributions des poids et/ou des poids d'interaction associés aux critères terminaux dans le modèle décisionnel multicritère ;
- l'étape de détermination des contributions détermine les contributions des valeurs associées aux critères ;
- l'étape de détermination des contributions effectue une normalisation des contributions déterminées, de préférence entre les valeurs 0 et 1 ;
- l'étape de détermination des contributions détermine les contributions positives des poids de critères, et/ou des poids d'interaction et/ou des valeurs, dans le score évalué
lors de l'étape d'évaluation d'alternatives pour l'alternative donnée ;
- l'étape de détermination des contributions détermine les contributions négatives, inférieures à un seuil donné, des poids de critères, et/ou des poids d'interaction et/ou des valeurs, dans le score évalué lors de l'étape d'évaluation d'alternatives pour l'alternative donnée ;
- les contributions déterminées lors de l'étape de détermination des contributions les contributions sont filtrées en sorte de ne garder que les N contributions les plus fortes en valeur absolue, avec N > 0, de préférence N=4;
- l'étape de génération d'explications génère une explication sur le score de l'alternative donnée par rapport au score d'une autre alternative, l'explication présentant une ou plusieurs contributions qui contribuent à la supériorité du score de l'une des deux alternatives sur le score de l'autre ;
- l'explication concerne la contribution d'un poids qui n'est pas un poids minimum, ou d'un poids d'interaction qui n'est pas un poids d'interaction minimum, ou d'une valeur qui n'est pas une valeur minimale, associé à un critère ;
- l'étape de génération d'explications génère une explication sur le score de l'alternative donnée par rapport au score d'une autre alternative, l'explication présentant une ou plusieurs contributions qui contribuent à l'infériorité du score de l'une des deux alternatives sur le score de l'autre ;
- l'explication présente la contribution d'un poids qui est un poids minimum, ou d'un poids d'interaction qui est un poids d'interaction minimum, ou d'une valeur qui est une valeur minimale, associé à un critère ;
7 - les scores possibles d'alternatives, les valeurs possibles de critères, les valeurs possibles de poids et les valeurs possibles de poids d'interaction sont regroupées par intervalle, une valeur de niveau est associée à chaque intervalle, et l'étape de génération d'explication génère une explication présentant une ou plusieurs contributions d'un poids de critères donné, ou d'un poids d'interaction donné, ou d'une valeur donnée de critère, l'explication utilisant la valeur de niveau associée à l'intervalle auquel appartient le poids de critères donné, ou le poids d'interaction donné, ou la valeur donnée de critère ;
- l'étape de génération d'explication génère une explication en utilisant au moins un patron contenant une ou plusieurs variables correspondant à un nom d'alternative, et/ou à une valeur de niveau de poids de critère et/ou de poids d'interaction entre critère, et/ou à une valeur d'alternative, les patrons et les variables étant stockés dans une base de patrons ;
- l'étape de génération d'explication génère une explication en remplaçant les variables contenues dans le patron par les valeurs correspondant au nom d'alternative, et/ou à la valeur de niveau de poids et/ou de poids d'interaction, et/ou à la valeur d'alternative, relatives à une alternative donnée ;
- lorsqu'une explication concerne la contribution d'un poids d'interaction associé à
deux critères présentant deux valeurs dont la différence est inférieure à un seuil donné, l'étape de génération d'explications génère une explication complémentaire sur la discontinuité de l'explication en fonction des variations des valeurs ;
- l'étape de génération d'explications construit des explications sur le score de l'alternative donnée par rapport à un score supérieur correspondant à une alternative fictive et/ou par rapport à un score inférieur correspondant à une alternative fictive.
Ainsi, en utilisant la contribution des éléments du modèle, sans se restreindre à un niveau donné, le système et le procédé de l'invention permettent d'identifier les contributions les plus fortes et, ensuite, de les exploiter pour générer des explications, le tout sans nécessiter de connaissances linguistiques spécifiques à un domaine particulier ou à un autre.
Les caractéristiques et avantages de l'invention apparaitront à la lecture de la description qui va suivre, donnée uniquement à titre d'exemple, et non limitative, en référence aux figures annexées suivantes :
- figure 1 : représentation schématique d'un premier exemple de modèle décisionnel multicritère multiniveau ;
- figure 2: représentation schématique d'un deuxième exemple de modèle décisionnel multicritère multiniveau ;
- l'étape de génération d'explication génère une explication en utilisant au moins un patron contenant une ou plusieurs variables correspondant à un nom d'alternative, et/ou à une valeur de niveau de poids de critère et/ou de poids d'interaction entre critère, et/ou à une valeur d'alternative, les patrons et les variables étant stockés dans une base de patrons ;
- l'étape de génération d'explication génère une explication en remplaçant les variables contenues dans le patron par les valeurs correspondant au nom d'alternative, et/ou à la valeur de niveau de poids et/ou de poids d'interaction, et/ou à la valeur d'alternative, relatives à une alternative donnée ;
- lorsqu'une explication concerne la contribution d'un poids d'interaction associé à
deux critères présentant deux valeurs dont la différence est inférieure à un seuil donné, l'étape de génération d'explications génère une explication complémentaire sur la discontinuité de l'explication en fonction des variations des valeurs ;
- l'étape de génération d'explications construit des explications sur le score de l'alternative donnée par rapport à un score supérieur correspondant à une alternative fictive et/ou par rapport à un score inférieur correspondant à une alternative fictive.
Ainsi, en utilisant la contribution des éléments du modèle, sans se restreindre à un niveau donné, le système et le procédé de l'invention permettent d'identifier les contributions les plus fortes et, ensuite, de les exploiter pour générer des explications, le tout sans nécessiter de connaissances linguistiques spécifiques à un domaine particulier ou à un autre.
Les caractéristiques et avantages de l'invention apparaitront à la lecture de la description qui va suivre, donnée uniquement à titre d'exemple, et non limitative, en référence aux figures annexées suivantes :
- figure 1 : représentation schématique d'un premier exemple de modèle décisionnel multicritère multiniveau ;
- figure 2: représentation schématique d'un deuxième exemple de modèle décisionnel multicritère multiniveau ;
8 - figure 3: représentation schématique d'un troisième exemple de modèle décisionnel multicritère multiniveau ;
- figure 4: représentation schématique d'un exemple de système selon l'invention.
Les figures 1 à 3 montrent trois exemples différents d'applications dans lesquelles un modèle décisionnel multicritère multiniveau peut être construit.
La représentation schématique prend la forme d'une arborescence dans laquelle sont organisés les différents critères permettant de modéliser la prise d'une décision.
On peut voir sur les trois figures 1 à 3 que les critères A, C sont regroupés de façon hiérarchique.
Plus précisément, des critères C sont définis au niveau terminal. De tels critères C
n'ont pas de fils dans l'arborescence. Symboliquement, on attache à ces critères terminaux C des univers U, qui peuvent ou non porter le même nom que les critères C.
Ces critères C sont regroupés par agrégation sous des critères de niveau supérieur, que l'on appelle des agrégations A. Ces agrégations A peuvent également être regroupées par agrégation sous des critères A de niveau encore supérieur, et ainsi de suite.
L'agrégation A de niveau le plus haut représente symboliquement l'application que l'on modélise. Ainsi, la figure 1 concerne un modèle relatif à l'évaluation de la protection d'un site, la figure 2 concerne un modèle relatif à l'achat d'une maison, et la figure 3 concerne un modèle relatif à l'évaluation d'une réunion à distance.
Le modèle est stocké dans une base de connaissance 1. Cette base de connaissance 1 se décompose notamment en une base lb dans laquelle les éléments définissant le modèle à proprement parler sont stockés : les critères et agrégations A, C
(avec leur organisation hiérarchique), les valeurs v de ces critères A, C, les poids ak de ces critères A, C ainsi que les poids b, k relatifs aux interactions entre critères A, C.
L'autre partie la de la base de connaissance 1 comprend la description des alternatives E, W qui correspondent à différentes décisions possibles. Une combinaison de valeur v de critères terminaux C détermine une alternative possible.
Les valeurs v peuvent être des valeurs textuelles.
On souligne que la représentation, en figure 4, des deux parties la et lb de la base de connaissances 1 comme deux sous-parties de cette base de connaissance 1, est une représentation purement fonctionnelle non limitative de l'invention. Ces deux parties peuvent être des zones de stockage d'information physiquement distinctes, voire distantes, l'une de l'autre.
- figure 4: représentation schématique d'un exemple de système selon l'invention.
Les figures 1 à 3 montrent trois exemples différents d'applications dans lesquelles un modèle décisionnel multicritère multiniveau peut être construit.
La représentation schématique prend la forme d'une arborescence dans laquelle sont organisés les différents critères permettant de modéliser la prise d'une décision.
On peut voir sur les trois figures 1 à 3 que les critères A, C sont regroupés de façon hiérarchique.
Plus précisément, des critères C sont définis au niveau terminal. De tels critères C
n'ont pas de fils dans l'arborescence. Symboliquement, on attache à ces critères terminaux C des univers U, qui peuvent ou non porter le même nom que les critères C.
Ces critères C sont regroupés par agrégation sous des critères de niveau supérieur, que l'on appelle des agrégations A. Ces agrégations A peuvent également être regroupées par agrégation sous des critères A de niveau encore supérieur, et ainsi de suite.
L'agrégation A de niveau le plus haut représente symboliquement l'application que l'on modélise. Ainsi, la figure 1 concerne un modèle relatif à l'évaluation de la protection d'un site, la figure 2 concerne un modèle relatif à l'achat d'une maison, et la figure 3 concerne un modèle relatif à l'évaluation d'une réunion à distance.
Le modèle est stocké dans une base de connaissance 1. Cette base de connaissance 1 se décompose notamment en une base lb dans laquelle les éléments définissant le modèle à proprement parler sont stockés : les critères et agrégations A, C
(avec leur organisation hiérarchique), les valeurs v de ces critères A, C, les poids ak de ces critères A, C ainsi que les poids b, k relatifs aux interactions entre critères A, C.
L'autre partie la de la base de connaissance 1 comprend la description des alternatives E, W qui correspondent à différentes décisions possibles. Une combinaison de valeur v de critères terminaux C détermine une alternative possible.
Les valeurs v peuvent être des valeurs textuelles.
On souligne que la représentation, en figure 4, des deux parties la et lb de la base de connaissances 1 comme deux sous-parties de cette base de connaissance 1, est une représentation purement fonctionnelle non limitative de l'invention. Ces deux parties peuvent être des zones de stockage d'information physiquement distinctes, voire distantes, l'une de l'autre.
9 Le système et le procédé de l'invention vont maintenant être décrits en référence à
la figure 4 et à l'application modélisée en figure 3.
Plus précisément, on s'intéresse dans la figure 3 au cas des outils de gestion de réunions, et plus particulièrement à des outils permettant l'accès à distance (via des terminaux : PC, SmartPhone, etc...) et un enregistrement de réunion de formations.
Ce modèle distingue au premier niveau (juste en dessous de l'agrégation principale Evaluation Réunion à Distance ) les aspects fonctionnels, qui sont liés à la gestion pendant la réunion et après la réunion, des aspects non fonctionnels, qui sont liés à la sécurité et au type de terminaux utilisables. Un apprentissage a permis de renseigner les différents poids (dont les poids d'interactions) du modèle, qui ne sont pas représentés sur la figure 3.
On va chercher à comparer deux alternatives E et W, définies dans le tableau 1 ci-dessous.
Univers (U) associés aux alternative E alternative W
critères (C) Indexation enregistrement Indexation sémantique Découpage par chapitres (critère Recherche infos) Construction compte-rendu Construction CR possible pas de construction CR
Partie d'écran partagée vision de l'orateur et de l'écran vision de l'orateur et de l'écran support support Qualité audio Très bonne ;moyenne ;faible Très bonne ;moyenne ;faible Echange d'informations échanges publics ou privés échanges public par écrit Historique Historique disponible Pas d'historique disponible Sécurité Sécurité simple ;renforcée Sécurité renforcée Terminaux utilisables Toutes machines et tous Toutes machines et tous systèmes d'exploitation systèmes d'exploitation Tableau 1 Une fois le modèle construit, on va procéder à l'évaluation de chaque alternative, au moyen d'un module d'évaluation 2, qui permet d'attribuer un score à chaque alternative.
Ainsi, la valeur d'une alternative sur une agrégation A donnée correspond au résultat donné par une fonction de coût, telle qu'une intégrale de Choquet ou une somme pondérée, sur les critères A ou C agrégés sous cette agrégation A.
La satisfaction globale, ou score, attachée à une alternative correspond au résultat de la fonction de coût appliquée à chaque agrégation.
De préférence, pour le calcul du score d'une alternative, on utilise une intégrale de Choquet 2-additives, qui permet de prendre en compte les interactions éventuelles entre 5 critères.
En particulier, on s'intéresse à la substituabilité, ou synergie négative. Il s'agit d'une interaction négative (un seul critère peut être satisfait), dont le poids est attribué à la valeur maximale de l'alternative sur les deux critères en interaction.
On s'intéresse également à la complémentarité, ou synergie positive. Il s'agit d'une
la figure 4 et à l'application modélisée en figure 3.
Plus précisément, on s'intéresse dans la figure 3 au cas des outils de gestion de réunions, et plus particulièrement à des outils permettant l'accès à distance (via des terminaux : PC, SmartPhone, etc...) et un enregistrement de réunion de formations.
Ce modèle distingue au premier niveau (juste en dessous de l'agrégation principale Evaluation Réunion à Distance ) les aspects fonctionnels, qui sont liés à la gestion pendant la réunion et après la réunion, des aspects non fonctionnels, qui sont liés à la sécurité et au type de terminaux utilisables. Un apprentissage a permis de renseigner les différents poids (dont les poids d'interactions) du modèle, qui ne sont pas représentés sur la figure 3.
On va chercher à comparer deux alternatives E et W, définies dans le tableau 1 ci-dessous.
Univers (U) associés aux alternative E alternative W
critères (C) Indexation enregistrement Indexation sémantique Découpage par chapitres (critère Recherche infos) Construction compte-rendu Construction CR possible pas de construction CR
Partie d'écran partagée vision de l'orateur et de l'écran vision de l'orateur et de l'écran support support Qualité audio Très bonne ;moyenne ;faible Très bonne ;moyenne ;faible Echange d'informations échanges publics ou privés échanges public par écrit Historique Historique disponible Pas d'historique disponible Sécurité Sécurité simple ;renforcée Sécurité renforcée Terminaux utilisables Toutes machines et tous Toutes machines et tous systèmes d'exploitation systèmes d'exploitation Tableau 1 Une fois le modèle construit, on va procéder à l'évaluation de chaque alternative, au moyen d'un module d'évaluation 2, qui permet d'attribuer un score à chaque alternative.
Ainsi, la valeur d'une alternative sur une agrégation A donnée correspond au résultat donné par une fonction de coût, telle qu'une intégrale de Choquet ou une somme pondérée, sur les critères A ou C agrégés sous cette agrégation A.
La satisfaction globale, ou score, attachée à une alternative correspond au résultat de la fonction de coût appliquée à chaque agrégation.
De préférence, pour le calcul du score d'une alternative, on utilise une intégrale de Choquet 2-additives, qui permet de prendre en compte les interactions éventuelles entre 5 critères.
En particulier, on s'intéresse à la substituabilité, ou synergie négative. Il s'agit d'une interaction négative (un seul critère peut être satisfait), dont le poids est attribué à la valeur maximale de l'alternative sur les deux critères en interaction.
On s'intéresse également à la complémentarité, ou synergie positive. Il s'agit d'une
10 interaction positive (les deux critères doivent être satisfaits), dont le poids est attribué à la valeur minimale de l'alternative sur les deux critères en interaction.
Pour une agrégation donnée, le score local, c'est dire sur un seul niveau, d'une alternative E correspond alors au calcul de l'intégrale de Choquet 2-additive suivant :
(1) H(xi, xn) = kErm vk X xk - kle mlj,k X IX] - xkl/2 avec :
- xl, .= =, xn sont les n critères ou sous-agrégations A, C agrégés sous une agrégation A sur laquelle l'alternative E est évaluée ;
- vk est le poids du critères k;
- xk est le la valeur de l'alternative E sur le critère k;
-I k représente l'interaction entre les critères j et k;
- M représente l'ensemble des critères au niveau considéré.
Une autre écriture de cette intégrale de Choquet 2-additive peut être donnée de la façon suivante :
(2) H(xi, xn) = kE NA ak X xk - klE NA ID, k X
min(xJ, xk) + klE M c, k X max(xJ, xk) avec, outre les définitions ci-dessus :
- ak correspond au poids minimum du critère k;
- b, k correspond à la complémentarité entre les critères j et k;
- c, k correspond à la substituabilité entre les critères j et k.
Pour une agrégation donnée, le score local, c'est dire sur un seul niveau, d'une alternative E correspond alors au calcul de l'intégrale de Choquet 2-additive suivant :
(1) H(xi, xn) = kErm vk X xk - kle mlj,k X IX] - xkl/2 avec :
- xl, .= =, xn sont les n critères ou sous-agrégations A, C agrégés sous une agrégation A sur laquelle l'alternative E est évaluée ;
- vk est le poids du critères k;
- xk est le la valeur de l'alternative E sur le critère k;
-I k représente l'interaction entre les critères j et k;
- M représente l'ensemble des critères au niveau considéré.
Une autre écriture de cette intégrale de Choquet 2-additive peut être donnée de la façon suivante :
(2) H(xi, xn) = kE NA ak X xk - klE NA ID, k X
min(xJ, xk) + klE M c, k X max(xJ, xk) avec, outre les définitions ci-dessus :
- ak correspond au poids minimum du critère k;
- b, k correspond à la complémentarité entre les critères j et k;
- c, k correspond à la substituabilité entre les critères j et k.
11 Ainsi, le coefficient local en faveur d'une alternative correspond à
l'ensemble des poids qui mettent en valeur une force de l'alternative. Le coefficient local en défaveur d'une alternative correspond, quant à lui, à l'ensemble des min , soit l'ensemble des poids minima qui mettent en valeur une faiblesse de l'alternative plutôt qu'une force.
Pour calculer la satisfaction ou utilité globale d'une alternative, dans le cadre d'un modèle multicritère multiniveau, l'intégrale de Choquet est appliquée à chaque niveau afin d'obtenir les satisfactions ou scores locaux sur chaque agrégation.
Le calcul du score global d'une alternative E, donc de son utilité globale, peut alors s'écrire en s'appuyant sur les scores locaux, de la façon suivante :
(3) H(E) = 4cE N n weAk ale(E) >< ak(E) X Ek Cil Ak correspond à l'ensemble des agrégations parentes du critère k, N est l'ensemble des critères du modèle et ak est le coefficient local du critère k pour l'alternative E
(l'expression n k..Ak ak,(E) x ak(E) correspond au coefficient global du critère k pour l'alternative E).
Dans le cas de la comparaison entre deux alternatives E et W, on s'intéressera alors à la différence entre H(E) et H(W).
Dans le cas de l'évaluation d'une alternative E, de manière absolue, c'est-à-dire sans comparaison à une autre alternative, celle-ci est affectée à un niveau :
très mauvais , mauvais , moyen , bon , très bon .
Pour expliquer pourquoi une alternative est affectée à un niveau donné, on explique pourquoi cette alternative n'est pas moins bonne et pourquoi elle n'est pas meilleure. Par exemple, pour une alternative bonne , on explique pourquoi elle n'est pas moyenne et pourquoi elle n'est pas très bonne . Pour cela, deux comparaisons sont utilisées : une comparaison avec une alternative fictive moyenne (par exemple présentant un score normalisé de 0.6 sur tous les critères) et une comparaison avec une alternative fictive très bonne (par exemple présentant un score de 0.8 sur tous les critères).
A titre d'exemple, selon le propre modèle utilisé par la demanderesse dans le cadre de l'exemple de la figure 3, le score normalisé obtenu pour l'alternative E, noté
U(E), est le suivant : U(E)=77%
De même, le score normalisé obtenu pour l'alternative W, noté U(W), est le suivant : U(W)=43 /0.
l'ensemble des poids qui mettent en valeur une force de l'alternative. Le coefficient local en défaveur d'une alternative correspond, quant à lui, à l'ensemble des min , soit l'ensemble des poids minima qui mettent en valeur une faiblesse de l'alternative plutôt qu'une force.
Pour calculer la satisfaction ou utilité globale d'une alternative, dans le cadre d'un modèle multicritère multiniveau, l'intégrale de Choquet est appliquée à chaque niveau afin d'obtenir les satisfactions ou scores locaux sur chaque agrégation.
Le calcul du score global d'une alternative E, donc de son utilité globale, peut alors s'écrire en s'appuyant sur les scores locaux, de la façon suivante :
(3) H(E) = 4cE N n weAk ale(E) >< ak(E) X Ek Cil Ak correspond à l'ensemble des agrégations parentes du critère k, N est l'ensemble des critères du modèle et ak est le coefficient local du critère k pour l'alternative E
(l'expression n k..Ak ak,(E) x ak(E) correspond au coefficient global du critère k pour l'alternative E).
Dans le cas de la comparaison entre deux alternatives E et W, on s'intéressera alors à la différence entre H(E) et H(W).
Dans le cas de l'évaluation d'une alternative E, de manière absolue, c'est-à-dire sans comparaison à une autre alternative, celle-ci est affectée à un niveau :
très mauvais , mauvais , moyen , bon , très bon .
Pour expliquer pourquoi une alternative est affectée à un niveau donné, on explique pourquoi cette alternative n'est pas moins bonne et pourquoi elle n'est pas meilleure. Par exemple, pour une alternative bonne , on explique pourquoi elle n'est pas moyenne et pourquoi elle n'est pas très bonne . Pour cela, deux comparaisons sont utilisées : une comparaison avec une alternative fictive moyenne (par exemple présentant un score normalisé de 0.6 sur tous les critères) et une comparaison avec une alternative fictive très bonne (par exemple présentant un score de 0.8 sur tous les critères).
A titre d'exemple, selon le propre modèle utilisé par la demanderesse dans le cadre de l'exemple de la figure 3, le score normalisé obtenu pour l'alternative E, noté
U(E), est le suivant : U(E)=77%
De même, le score normalisé obtenu pour l'alternative W, noté U(W), est le suivant : U(W)=43 /0.
12 On distingue ainsi l'alternative préférée E, qui présente le score le plus élevé, de l'autre alternative W, qui présente le score le moins élevé.
Les scores des alternatives ainsi évaluées sont stockés dans une zone de stockage 7, et un premier type d'explications EXP peut être généré
automatiquement par un module de génération d'explications 3, par exemple :
E est préférée à W sur Evaluation Réunion à Distance Un module de détermination des contributions 4 permet par ailleurs de déterminer les contributions Cb des poids de critères ak, et/ou des poids d'interaction b,,k et/ou des valeurs v, dans un score évalué par le module d'évaluation d'alternatives 2 pour une alternative donnée E, W.
Le calcul de ces contributions Cb est réalisé de préférence par plusieurs fonctions différentes, ce qui permet de multiplier les points de vue.
L'existence d'interactions entre critères a un impact non négligeable sur le score global d'une alternative.
On est donc en présence de plusieurs éléments pouvant avoir une contribution importante dans le score d'une alternative : les poids ak minimum des critères et agrégations A, C, les interactions ID, k entre critères et agrégations A, C, les valeurs v sur les critères et agrégations.
Les poids et interactions (aussi appelées poids d'interaction), se placent sur une même échelle, tandis que les valeurs sur les critères et agrégations sont comparables.
Différents calculs sont donc utilisés pour évaluer les contributions des critères et agrégations (qui regroupent des poids minimum et des interactions associées aux valeurs sur les critères et agrégations), et les contributions individuelles des poids et interactions.
En outre, les poids et interactions sont généralement plus important pour les agrégations A d'un niveau supérieur que pour les critères C, tout particulièrement pour les modèles à plus de trois niveaux.
En effet, si on dispose d'un modèle contenant trois agrégations A au niveau supérieur, elles se verront affectées d'un poids moyen de 0.33. Si chacune de ces agrégations A agrège trois critères C, ceux-ci se verront affectés d'un poids moyen de 0.11.
Aussi, des calculs différents sont utilisés pour déterminer les contributions des poids et interactions du niveau supérieur et pour déterminer les contributions des poids et interactions liés aux critères C, en vue de ne pas étouffer des critères pourtant
Les scores des alternatives ainsi évaluées sont stockés dans une zone de stockage 7, et un premier type d'explications EXP peut être généré
automatiquement par un module de génération d'explications 3, par exemple :
E est préférée à W sur Evaluation Réunion à Distance Un module de détermination des contributions 4 permet par ailleurs de déterminer les contributions Cb des poids de critères ak, et/ou des poids d'interaction b,,k et/ou des valeurs v, dans un score évalué par le module d'évaluation d'alternatives 2 pour une alternative donnée E, W.
Le calcul de ces contributions Cb est réalisé de préférence par plusieurs fonctions différentes, ce qui permet de multiplier les points de vue.
L'existence d'interactions entre critères a un impact non négligeable sur le score global d'une alternative.
On est donc en présence de plusieurs éléments pouvant avoir une contribution importante dans le score d'une alternative : les poids ak minimum des critères et agrégations A, C, les interactions ID, k entre critères et agrégations A, C, les valeurs v sur les critères et agrégations.
Les poids et interactions (aussi appelées poids d'interaction), se placent sur une même échelle, tandis que les valeurs sur les critères et agrégations sont comparables.
Différents calculs sont donc utilisés pour évaluer les contributions des critères et agrégations (qui regroupent des poids minimum et des interactions associées aux valeurs sur les critères et agrégations), et les contributions individuelles des poids et interactions.
En outre, les poids et interactions sont généralement plus important pour les agrégations A d'un niveau supérieur que pour les critères C, tout particulièrement pour les modèles à plus de trois niveaux.
En effet, si on dispose d'un modèle contenant trois agrégations A au niveau supérieur, elles se verront affectées d'un poids moyen de 0.33. Si chacune de ces agrégations A agrège trois critères C, ceux-ci se verront affectés d'un poids moyen de 0.11.
Aussi, des calculs différents sont utilisés pour déterminer les contributions des poids et interactions du niveau supérieur et pour déterminer les contributions des poids et interactions liés aux critères C, en vue de ne pas étouffer des critères pourtant
13 significatifs dans la compréhension de l'évaluation globale par les contributions plus fortes des poids et interactions du niveau supérieur.
Par ailleurs, une normalisation des calculs de contribution permet de revenir à une échelle commune pour la génération d'explications.
Dans un exemple de mise en oeuvre, on utilise trois fonctions de calcul de contribution, chaque fonction étant associée à une perspective.
Le premier calcul correspond à une perspective globale. Il se focalise uniquement sur le niveau supérieur, et permet d'estimer la contribution des poids et interactions de ce niveau.
Le deuxième calcul correspond à une perspective modèle et permet d'évaluer la contribution de chaque critère et agrégation du modèle.
Le troisième calcul correspond à une perspective détaillée. Il se focalise sur les poids associés aux critères : interactions, poids minimum et coefficients locaux.
Ainsi, le module de détermination des contributions 4 permet d'identifier les éléments ayant la plus forte contribution, dans le cas de la comparaison entre deux alternatives E, W, et dans le cas de l'évaluation d'une alternative.
Ces éléments présentant la plus forte contribution sont ensuite utilisés pour la génération d'explications EXP, par le module de génération d'explications 3.
Le calcul de la contribution brute Cb multi-niveaux d'un critère (ou d'une agrégation de critères) i dans la préférence pour l'alternative X par rapport à une alternative Y, peut s'écrire :
Cbx,y(i) = II i'E ar,Pro(X) X ai, Pro(X) X Xi- n i'E ar,Pro(Y) X ai, Pro(Y) x OC.I A' correspond à l'ensemble des agrégations parentes du critère i, ar,pro(X) (respectivement arpro(Y)) est le coefficient local du critère (ou de l'agrégation) i' dans une intégrale de Choquet (ou dans une somme pondérée) en faveur de l'alternative X
(respectivement Y), et X , (respectivement ,=) est la valeur de l'alternative X
(respectivement Y) sur le critère (ou l'agrégation) i.
Lorsque l'on veut déterminer la contribution d'un poids de premier niveau, on s'intéresse :
au coefficient local en faveur de X et Y (lorsque ai,pro(X)= ai,pro(Y)), au poids minimum, et à la synergie négative.
Plus précisément, lorsque ctipro(X) = ctipro(Y), on calcule la contribution brute du coefficient local en faveur de X et Y, noté cti,pro(X, Y), portant sur le critère (ou l'agrégation) du
Par ailleurs, une normalisation des calculs de contribution permet de revenir à une échelle commune pour la génération d'explications.
Dans un exemple de mise en oeuvre, on utilise trois fonctions de calcul de contribution, chaque fonction étant associée à une perspective.
Le premier calcul correspond à une perspective globale. Il se focalise uniquement sur le niveau supérieur, et permet d'estimer la contribution des poids et interactions de ce niveau.
Le deuxième calcul correspond à une perspective modèle et permet d'évaluer la contribution de chaque critère et agrégation du modèle.
Le troisième calcul correspond à une perspective détaillée. Il se focalise sur les poids associés aux critères : interactions, poids minimum et coefficients locaux.
Ainsi, le module de détermination des contributions 4 permet d'identifier les éléments ayant la plus forte contribution, dans le cas de la comparaison entre deux alternatives E, W, et dans le cas de l'évaluation d'une alternative.
Ces éléments présentant la plus forte contribution sont ensuite utilisés pour la génération d'explications EXP, par le module de génération d'explications 3.
Le calcul de la contribution brute Cb multi-niveaux d'un critère (ou d'une agrégation de critères) i dans la préférence pour l'alternative X par rapport à une alternative Y, peut s'écrire :
Cbx,y(i) = II i'E ar,Pro(X) X ai, Pro(X) X Xi- n i'E ar,Pro(Y) X ai, Pro(Y) x OC.I A' correspond à l'ensemble des agrégations parentes du critère i, ar,pro(X) (respectivement arpro(Y)) est le coefficient local du critère (ou de l'agrégation) i' dans une intégrale de Choquet (ou dans une somme pondérée) en faveur de l'alternative X
(respectivement Y), et X , (respectivement ,=) est la valeur de l'alternative X
(respectivement Y) sur le critère (ou l'agrégation) i.
Lorsque l'on veut déterminer la contribution d'un poids de premier niveau, on s'intéresse :
au coefficient local en faveur de X et Y (lorsque ai,pro(X)= ai,pro(Y)), au poids minimum, et à la synergie négative.
Plus précisément, lorsque ctipro(X) = ctipro(Y), on calcule la contribution brute du coefficient local en faveur de X et Y, noté cti,pro(X, Y), portant sur le critère (ou l'agrégation) du
14 premier niveau i dans la préférence pour l'alternative X par rapport à une alternative Y, de la façon suivante :
Cbx>y, iG M (ai,Pro(X,Y)) = ai,Pro(X, Y) x (X - Ç ;) Par ailleurs, lorsque ai,pro(X) ai,pro(Y), on calcule la contribution brute du poids minimum ai portant sur le critère (ou l'agrégation) du premier niveau i dans la préférence pour l'alternative X par rapport à une alternative Y, de la façon suivante :
Cbx>y, ;G NA (ai) = ai x (X - i) Enfin, toujours lorsque ai,pro(X) cti,pro(Y), on calcule la contribution brute de la synergie négative ci, associée aux critères (ou agrégations) i et j dans la préférence pour l'alternative X par rapport à une alternative Y, de la façon suivante :
Cbx>y, iG M (c,) = Pi, j X (max(X , X i) - max( , ;)) Lorsque l'on veut déterminer la contribution des poids terminaux, on s'intéresse aux poids en lien direct avec les critères : coefficient local a en faveur de X et Y, poids minimum, et synergie négative.
Plus précisément, lorsque ai,pro(X) = ai,pro(Y), on calcule la contribution brute du coefficient local en faveur de X et Y, noté ai,pro(X, Y), modulo le produit de poids d'agrégations parentes, noté ri rE Ai Pr, portant sur le critère i dans la préférence pour l'alternative X par rapport à une alternative Y, de la façon suivante :
Cbx>y, iG N (ai,Pro(X,Y) rE Ai Pi') = rE Ai Pi' X
ai,Pro(X, Y) x (X - i) où or est le poids d'une agrégation parente i' du critère i.
Lorsque ar,pro(X) = ar,pro(Y), alors Pr = ar,pro(X,Y). Sinon Pr = ai, ou pi, =
c,r.
Par ailleurs, lorsque ai,pro(X) ai,pro(Y), on calcule la contribution brute multi-niveaux du poids minimum ai , modulo le produit de poids d'agrégations parentes, noté
rE Ai Pr, portant sur le critère i dans la préférence pour l'alternative X par rapport à une alternative Y, de la façon suivante :
Cbx>y, iG N (ai rE Ai Pi') = rE Ai Pi' x ai x (X -Enfin, toujours lorsque ai,pro(X) ai,pro(Y), on calcule la contribution brute multi-niveaux de la synergie négative ci, modulo le produit de poids d'agrégations parentes, noté ri õGAi p, associée aux critères i et j dans la préférence pour l'alternative X par rapport à une alternative Y, de la façon suivante :
Cbx>y, iG N (Ci, rE Ai p)= i'E Ai pi, x c1,1 x (max(X , X)-max(y, , ;)) Comme il ressort des calculs de contribution de poids terminal présentés ci-5 dessus, la contribution du poids d'un critère, ou poids terminal, est donc fonction des poids sur les agrégations parentes.
Pour illustrer ces calculs de contribution d'un poids terminal, on peut utiliser le modèle multi-critère multi-niveaux simplifié suivant :
Niveau 1 : aggrégation i" (associée à un poids minimum ac) 10 Niveau 2 : aggrégation i' (associée à un coefficient local ar, pro(X,Y)) Niveau 3 ou niveau terminal : critère i et critère j On fait par ailleurs l'hypothèse que Xi> X; et que J.
Et l'on pose que ai est le poids minimum sur le critère i, ci, j est une substituabilité
(ou synergie négative) entre les critères i et j
Cbx>y, iG M (ai,Pro(X,Y)) = ai,Pro(X, Y) x (X - Ç ;) Par ailleurs, lorsque ai,pro(X) ai,pro(Y), on calcule la contribution brute du poids minimum ai portant sur le critère (ou l'agrégation) du premier niveau i dans la préférence pour l'alternative X par rapport à une alternative Y, de la façon suivante :
Cbx>y, ;G NA (ai) = ai x (X - i) Enfin, toujours lorsque ai,pro(X) cti,pro(Y), on calcule la contribution brute de la synergie négative ci, associée aux critères (ou agrégations) i et j dans la préférence pour l'alternative X par rapport à une alternative Y, de la façon suivante :
Cbx>y, iG M (c,) = Pi, j X (max(X , X i) - max( , ;)) Lorsque l'on veut déterminer la contribution des poids terminaux, on s'intéresse aux poids en lien direct avec les critères : coefficient local a en faveur de X et Y, poids minimum, et synergie négative.
Plus précisément, lorsque ai,pro(X) = ai,pro(Y), on calcule la contribution brute du coefficient local en faveur de X et Y, noté ai,pro(X, Y), modulo le produit de poids d'agrégations parentes, noté ri rE Ai Pr, portant sur le critère i dans la préférence pour l'alternative X par rapport à une alternative Y, de la façon suivante :
Cbx>y, iG N (ai,Pro(X,Y) rE Ai Pi') = rE Ai Pi' X
ai,Pro(X, Y) x (X - i) où or est le poids d'une agrégation parente i' du critère i.
Lorsque ar,pro(X) = ar,pro(Y), alors Pr = ar,pro(X,Y). Sinon Pr = ai, ou pi, =
c,r.
Par ailleurs, lorsque ai,pro(X) ai,pro(Y), on calcule la contribution brute multi-niveaux du poids minimum ai , modulo le produit de poids d'agrégations parentes, noté
rE Ai Pr, portant sur le critère i dans la préférence pour l'alternative X par rapport à une alternative Y, de la façon suivante :
Cbx>y, iG N (ai rE Ai Pi') = rE Ai Pi' x ai x (X -Enfin, toujours lorsque ai,pro(X) ai,pro(Y), on calcule la contribution brute multi-niveaux de la synergie négative ci, modulo le produit de poids d'agrégations parentes, noté ri õGAi p, associée aux critères i et j dans la préférence pour l'alternative X par rapport à une alternative Y, de la façon suivante :
Cbx>y, iG N (Ci, rE Ai p)= i'E Ai pi, x c1,1 x (max(X , X)-max(y, , ;)) Comme il ressort des calculs de contribution de poids terminal présentés ci-5 dessus, la contribution du poids d'un critère, ou poids terminal, est donc fonction des poids sur les agrégations parentes.
Pour illustrer ces calculs de contribution d'un poids terminal, on peut utiliser le modèle multi-critère multi-niveaux simplifié suivant :
Niveau 1 : aggrégation i" (associée à un poids minimum ac) 10 Niveau 2 : aggrégation i' (associée à un coefficient local ar, pro(X,Y)) Niveau 3 ou niveau terminal : critère i et critère j On fait par ailleurs l'hypothèse que Xi> X; et que J.
Et l'on pose que ai est le poids minimum sur le critère i, ci, j est une substituabilité
(ou synergie négative) entre les critères i et j
15 La part des poids associés au critère i dans la différence entre le score global de X
et le score global de Y est mise en valeur par le calcul suivant :
H(X) ¨ H(Y) = LE N,4c#i Ak Pw(X) x ak(X) x Xk- Ak IMY) x ak(Y) x k) + a x ar,pre, Y) x ai x (X - i) + a x ar,pre, Y) x c, x Xi On obtient ainsi pour cet exemple deux contributions brutes associées au critère i :
l'une relative au poids minimum du critère i, l'autre relative à l'interaction avec le critère j :
Cbx>y, iG N, iG N, rE Ai , rE Ai' (ai ar,Pro(X,Y) a") = ai- x ar,pro(X, Y) x ai x (X - i) Cbx>y, ie N, je N, re Ai , Ai' (Ci, ar,pro(X,Y) ar) = a x ar,pro(X, x ci,i x X
La distinction des poids ai et ci, j peut ainsi permettre la mise en valeur du rôle spécifique de l'interaction entre les critères i et j dans une préférence entre deux alternatives X et Y, par exemple lorsque x = y j = 0.9, et lorsque la combinaison des poids ar, x arpro(X, Y) x c, est importante (valeur élevée).
et le score global de Y est mise en valeur par le calcul suivant :
H(X) ¨ H(Y) = LE N,4c#i Ak Pw(X) x ak(X) x Xk- Ak IMY) x ak(Y) x k) + a x ar,pre, Y) x ai x (X - i) + a x ar,pre, Y) x c, x Xi On obtient ainsi pour cet exemple deux contributions brutes associées au critère i :
l'une relative au poids minimum du critère i, l'autre relative à l'interaction avec le critère j :
Cbx>y, iG N, iG N, rE Ai , rE Ai' (ai ar,Pro(X,Y) a") = ai- x ar,pro(X, Y) x ai x (X - i) Cbx>y, ie N, je N, re Ai , Ai' (Ci, ar,pro(X,Y) ar) = a x ar,pro(X, x ci,i x X
La distinction des poids ai et ci, j peut ainsi permettre la mise en valeur du rôle spécifique de l'interaction entre les critères i et j dans une préférence entre deux alternatives X et Y, par exemple lorsque x = y j = 0.9, et lorsque la combinaison des poids ar, x arpro(X, Y) x c, est importante (valeur élevée).
16 Pour chaque calcul de contribution Cb, le résultat est normalisé entre 0 et 1 pour obtenir une contribution normalisée On. La normalisation peut constituer à
réaliser l'opération suivante :
Cnx>y(i) = Cbx>y(i) / LEN ICbx>y(k)I
Ici, i correspond à un critère ou à une combinaison d'éléments, N correspond à
l'ensemble des critères ou des combinaisons d'éléments.
La contribution normalisée ainsi obtenue est exprimée sous forme de pourcentage, plus simple à comprendre, et qui conserve le signe de la contribution brute correspondante.
Ainsi, même si des calculs de contribution de différents types sont utilisés, portant sur différents éléments (critères ou agrégations, élément du premier niveau ou éléments terminaux, ...), les contributions normalisées sont comparables sur une même échelle.
Dans l'exemple correspondant à la figure 3, un premier calcul, focalisé sur les éléments (poids et interactions) du premier niveau, permet d'obtenir les contributions normalisées suivantes :
- Contribution(Poids(Aspects fonctionnels))= 0.56 - Contribution(Complémentarité(Aspects fonctionnels, Aspects non fonctionnels))= 0.27 Un deuxième calcul, focalisé sur les éléments terminaux (poids et interactions associées aux critères), permet d'obtenir les contributions normalisées suivantes :
- Contribution(Poids global(Préparation du OR)) = 0.188 - Contribution(Poids global(Recherche infos)) = 0.176 Un troisième calcul, focalisé sur les critères et agrégations, permet d'obtenir les contributions normalisées suivantes :
25- Contribution(Aspects Fonctionnels) = 0.418 - Contribution(Gestion Après) = 0.128 - Contribution(Gestion Pendant) = 0.07 De préférence, une fois que toutes les contributions positives (et éventuellement les contributions négatives fortes) ont été regroupées, on ne conserve pour les explications qu'un nombre limité d'éléments, par exemple quatre, qui présentent la plus forte contribution, en ordre croissant.
réaliser l'opération suivante :
Cnx>y(i) = Cbx>y(i) / LEN ICbx>y(k)I
Ici, i correspond à un critère ou à une combinaison d'éléments, N correspond à
l'ensemble des critères ou des combinaisons d'éléments.
La contribution normalisée ainsi obtenue est exprimée sous forme de pourcentage, plus simple à comprendre, et qui conserve le signe de la contribution brute correspondante.
Ainsi, même si des calculs de contribution de différents types sont utilisés, portant sur différents éléments (critères ou agrégations, élément du premier niveau ou éléments terminaux, ...), les contributions normalisées sont comparables sur une même échelle.
Dans l'exemple correspondant à la figure 3, un premier calcul, focalisé sur les éléments (poids et interactions) du premier niveau, permet d'obtenir les contributions normalisées suivantes :
- Contribution(Poids(Aspects fonctionnels))= 0.56 - Contribution(Complémentarité(Aspects fonctionnels, Aspects non fonctionnels))= 0.27 Un deuxième calcul, focalisé sur les éléments terminaux (poids et interactions associées aux critères), permet d'obtenir les contributions normalisées suivantes :
- Contribution(Poids global(Préparation du OR)) = 0.188 - Contribution(Poids global(Recherche infos)) = 0.176 Un troisième calcul, focalisé sur les critères et agrégations, permet d'obtenir les contributions normalisées suivantes :
25- Contribution(Aspects Fonctionnels) = 0.418 - Contribution(Gestion Après) = 0.128 - Contribution(Gestion Pendant) = 0.07 De préférence, une fois que toutes les contributions positives (et éventuellement les contributions négatives fortes) ont été regroupées, on ne conserve pour les explications qu'un nombre limité d'éléments, par exemple quatre, qui présentent la plus forte contribution, en ordre croissant.
17 De même, on regroupe certains éléments (dans l'exemple de la figure 3:
Aspects Fonctionnels est présent via son poids dans le premier calcul, et via le troisième calcul), afin d'éviter des répétitions de noms de critères ou agrégations.
Le filtrage et ce regroupement sont réalisés par un module de filtrage 6.
La génération d'explications EXP, par l'intermédiaire du module de génération d'explications 3, permet alors de transformer en texte de chaque élément, en s'appuyant sur des connaissances relatives à l'importance du poids, qui dépend de chaque modèle, et à la valeur de l'élément. Ces connaissances relatives à l'importance des poids et à la valeur des éléments sont regroupées dans une zone de stockage 8.
Pour les poids, on définit en fonction des poids du modèle des tranches de valeurs associées à très important , important , peu important et très peu important .
Pour les valeurs v, on définit des seuils à 0, 0.2, 0.4, 0.6, 0.8 et 1 auxquels on associe les termes nul (v=0), très mauvais (0<v<0.2), mauvais , moyen , bon , très bon (0.8<v<1), maximal (v=1).
Pour l'élément ayant la plus forte contribution (poids de l'agrégation Aspects fonctionnels ) : le poids est considéré comme très important. La valeur de E est ici très bonne tandis que la valeur de W est ici mauvaise.
On utilise des phrases à trous ou patrons, stockées sous forme de phrase et de variables dans une base de patrons 5.
A partir de la phrase à trous suivante on the aqreqationWeight aqreqationName, preferredAlternativeName is valueOf PreferredAltOnAq while otherAlternativeName is value0f0therAltOnAq. , on obtient la phrase suivante on the very important Functional aspects, E is very qood while W is bad. .
Pour l'élément ayant la deuxième plus forte contribution (complémentarité
entre les agrégations Aspects fonctionnels et Aspects non fonctionnels ), le poids est considéré comme très important. Une complémentarité mettant en avant une faiblesse, on ne regarde que la valeur pour W qui est celle sur Aspects fonctionnels , évaluée comme mauvaise.
On utilise la phrase à trous suivante : The complWeight complementarity between agreqation1 Name and aqreqation2Name penalizes otherAlternativeName which is value0f0therAltOnComplementarity on agreqationNameVal0f0therAltOnCompl. .
On obtient la phrase suivante : The very important complementarity between Functional aspects and Not functional aspects penalizes W which is bad on Functional aspects. .
Aspects Fonctionnels est présent via son poids dans le premier calcul, et via le troisième calcul), afin d'éviter des répétitions de noms de critères ou agrégations.
Le filtrage et ce regroupement sont réalisés par un module de filtrage 6.
La génération d'explications EXP, par l'intermédiaire du module de génération d'explications 3, permet alors de transformer en texte de chaque élément, en s'appuyant sur des connaissances relatives à l'importance du poids, qui dépend de chaque modèle, et à la valeur de l'élément. Ces connaissances relatives à l'importance des poids et à la valeur des éléments sont regroupées dans une zone de stockage 8.
Pour les poids, on définit en fonction des poids du modèle des tranches de valeurs associées à très important , important , peu important et très peu important .
Pour les valeurs v, on définit des seuils à 0, 0.2, 0.4, 0.6, 0.8 et 1 auxquels on associe les termes nul (v=0), très mauvais (0<v<0.2), mauvais , moyen , bon , très bon (0.8<v<1), maximal (v=1).
Pour l'élément ayant la plus forte contribution (poids de l'agrégation Aspects fonctionnels ) : le poids est considéré comme très important. La valeur de E est ici très bonne tandis que la valeur de W est ici mauvaise.
On utilise des phrases à trous ou patrons, stockées sous forme de phrase et de variables dans une base de patrons 5.
A partir de la phrase à trous suivante on the aqreqationWeight aqreqationName, preferredAlternativeName is valueOf PreferredAltOnAq while otherAlternativeName is value0f0therAltOnAq. , on obtient la phrase suivante on the very important Functional aspects, E is very qood while W is bad. .
Pour l'élément ayant la deuxième plus forte contribution (complémentarité
entre les agrégations Aspects fonctionnels et Aspects non fonctionnels ), le poids est considéré comme très important. Une complémentarité mettant en avant une faiblesse, on ne regarde que la valeur pour W qui est celle sur Aspects fonctionnels , évaluée comme mauvaise.
On utilise la phrase à trous suivante : The complWeight complementarity between agreqation1 Name and aqreqation2Name penalizes otherAlternativeName which is value0f0therAltOnComplementarity on agreqationNameVal0f0therAltOnCompl. .
On obtient la phrase suivante : The very important complementarity between Functional aspects and Not functional aspects penalizes W which is bad on Functional aspects. .
18 Si la complémentarité n'était pas gérée à part, on regarderait la contribution du poids global de "Aspects non fonctionnels" pour E (surfaces rouge clair et turquoise) comparé au poids global pour W (surface rouge claire), la contribution serait la plus importante et l'explication générée ressemblerait à Not functional aspects reinforces E which is good while W is maximal. .
Pour l'élément ayant la troisième plus forte contribution (critère "Préparation du OR"): le poids est considéré comme important, et la valeur est maximale pour "E". On utilise la phrase à trous suivante : On the CriterionWeight criterionName , preferredAlternative is reinforced by its value0fPrefAltOnCriterion score.
. On obtient la phrase suivante :
On the important Preparation of the report , E is reinforced by its maximal score.
Des mots de liaison et des mises en valeur (gras) sont enfin utilisés pour permettre l'obtention du texte explicatif final suivant :
E is preferred to W on Evaluation of the remote formation meetings since = on the very important Functional aspects , E is very good while W is bad.
= The very important complementarity between Functional aspects and Not functional aspects penalizes W which is bad on Functional aspects .
= On the important Preparation of the report , E is reinforced by its maximal score.
Par ailleurs, dans le cas d'une interaction entre deux critères (ou agrégations) ayant des valeurs proches (la différence entre ces valeurs étant inférieure à
un seuil déterminé), pour permettre à un utilisateur ayant modifié légèrement la valeur d'une alternative de comprendre pourquoi de nouvelles explications sont générées qui ne portent plus sur les mêmes éléments, une explication complémentaire peut être ajoutée à
l'explication associée à ces critères ou agrégations. Il s'agit d'une explication qui indique à
l'utilisateur que la contribution de l'élément en question peut changer si les valeurs proches de l'alternative sur tel critère et sur tel autre critère sont inversées en raison de leur interaction.
La présente description est donnée à titre d'exemple non limitatif de l'invention. En particulier, la représentation de l'architecture du système telle que donnée à
l'exemple de la figure 4 est une représentation fonctionnelle, qui ne préjuge pas nécessairement de l'organisation exacte des différents éléments fonctionnels (séparés, partagés, distants, etc...) compris dans le système.
Pour l'élément ayant la troisième plus forte contribution (critère "Préparation du OR"): le poids est considéré comme important, et la valeur est maximale pour "E". On utilise la phrase à trous suivante : On the CriterionWeight criterionName , preferredAlternative is reinforced by its value0fPrefAltOnCriterion score.
. On obtient la phrase suivante :
On the important Preparation of the report , E is reinforced by its maximal score.
Des mots de liaison et des mises en valeur (gras) sont enfin utilisés pour permettre l'obtention du texte explicatif final suivant :
E is preferred to W on Evaluation of the remote formation meetings since = on the very important Functional aspects , E is very good while W is bad.
= The very important complementarity between Functional aspects and Not functional aspects penalizes W which is bad on Functional aspects .
= On the important Preparation of the report , E is reinforced by its maximal score.
Par ailleurs, dans le cas d'une interaction entre deux critères (ou agrégations) ayant des valeurs proches (la différence entre ces valeurs étant inférieure à
un seuil déterminé), pour permettre à un utilisateur ayant modifié légèrement la valeur d'une alternative de comprendre pourquoi de nouvelles explications sont générées qui ne portent plus sur les mêmes éléments, une explication complémentaire peut être ajoutée à
l'explication associée à ces critères ou agrégations. Il s'agit d'une explication qui indique à
l'utilisateur que la contribution de l'élément en question peut changer si les valeurs proches de l'alternative sur tel critère et sur tel autre critère sont inversées en raison de leur interaction.
La présente description est donnée à titre d'exemple non limitatif de l'invention. En particulier, la représentation de l'architecture du système telle que donnée à
l'exemple de la figure 4 est une représentation fonctionnelle, qui ne préjuge pas nécessairement de l'organisation exacte des différents éléments fonctionnels (séparés, partagés, distants, etc...) compris dans le système.
19 De même, les calculs de détermination des contributions Cb donnés dans la présente description sont des exemples de calculs non limitatifs de l'invention, qui permettent notamment la prise en compte du caractère multicritère et multi-niveaux d'un modèle décisionnel. D'autres types de calculs peuvent être utilisés, qui permettent de prendre en compte ce caractère.
Claims (34)
1.- Système d'aide à la décision multicritère comprenant :
- une base de connaissances (1) formant un modèle décisionnel multicritères, dans laquelle sont stockés des critères (A, C) concernant une prise de décision donnée (D) de manière hiérarchisée sur plusieurs niveaux, avec des groupes de critères terminaux (C) regroupés au niveau terminal sous des critères agrégés (A) de niveau supérieur, les critères agrégés (A) pouvant être eux-mêmes regroupés au niveau supérieur sous d'autres critères agrégés (A) de niveau encore supérieurõla base de connaissance (1) comprenant également des valeurs possibles (v) associées aux critères terminaux(A, C), des poids de critères (a k) associés aux critères (A, C) terminaux ou agrégés, et des poids d'interaction (b j,k, c j,k) associés aux interactions entre critères (A, C) terminaux ou agrégés, une combinaison donnée de valeurs possibles (v) des critères terminaux (C) formant une alternative (E, W), - un module d'évaluation d'alternatives (2), apte à déterminer un score pour une alternative donnée (E, W), en fonction des poids de critères (a k), des poids d'interaction (b j,k, c j,k), et des valeurs (v), - un module de génération automatique d'explications (3) apte à construire automatiquement des explications (EXP) sur le score d'une alternative donnée (E) de manière absolue ou par rapport au score d'une ou plusieurs autres alternatives (W), caractérisé en ce que - le système comprend également un module de détermination de contributions (4), apte à déterminer, pour des critères (A, C) terminaux et agrégés appartenant à différents niveaux du modèle décisionnel multicritère, les contributions (Cb) des poids de critères (a k), des poids d'interaction (b j,k, c j,k) et des valeurs (v), dans un score évalué par le module d'évaluation d'alternatives (2) pour une alternative donnée (E, W), - le module de génération d'explications (3) est apte à construire automatiquement des explications (EXP) sur un score d'une alternative donnée (E), de manière absolue ou par rapport au score d'une ou plusieurs autres alternatives (W), à
partir de contributions (Cb) déterminées par le module de détermination des contributions (4).
- une base de connaissances (1) formant un modèle décisionnel multicritères, dans laquelle sont stockés des critères (A, C) concernant une prise de décision donnée (D) de manière hiérarchisée sur plusieurs niveaux, avec des groupes de critères terminaux (C) regroupés au niveau terminal sous des critères agrégés (A) de niveau supérieur, les critères agrégés (A) pouvant être eux-mêmes regroupés au niveau supérieur sous d'autres critères agrégés (A) de niveau encore supérieurõla base de connaissance (1) comprenant également des valeurs possibles (v) associées aux critères terminaux(A, C), des poids de critères (a k) associés aux critères (A, C) terminaux ou agrégés, et des poids d'interaction (b j,k, c j,k) associés aux interactions entre critères (A, C) terminaux ou agrégés, une combinaison donnée de valeurs possibles (v) des critères terminaux (C) formant une alternative (E, W), - un module d'évaluation d'alternatives (2), apte à déterminer un score pour une alternative donnée (E, W), en fonction des poids de critères (a k), des poids d'interaction (b j,k, c j,k), et des valeurs (v), - un module de génération automatique d'explications (3) apte à construire automatiquement des explications (EXP) sur le score d'une alternative donnée (E) de manière absolue ou par rapport au score d'une ou plusieurs autres alternatives (W), caractérisé en ce que - le système comprend également un module de détermination de contributions (4), apte à déterminer, pour des critères (A, C) terminaux et agrégés appartenant à différents niveaux du modèle décisionnel multicritère, les contributions (Cb) des poids de critères (a k), des poids d'interaction (b j,k, c j,k) et des valeurs (v), dans un score évalué par le module d'évaluation d'alternatives (2) pour une alternative donnée (E, W), - le module de génération d'explications (3) est apte à construire automatiquement des explications (EXP) sur un score d'une alternative donnée (E), de manière absolue ou par rapport au score d'une ou plusieurs autres alternatives (W), à
partir de contributions (Cb) déterminées par le module de détermination des contributions (4).
2.- Système selon la revendication 1, caractérisé en ce que le module d'évaluation d'alternatives (2) utilise une fonction de coût (H) de type intégrale de Choquet 2-additive ou de type somme pondérée pour déterminer un score pour une alternative donnée (E, W).
3.- Système selon l'une quelconque des revendications 1 et 2, caractérisé en ce que le module de détermination des contributions (4) est apte à déterminer les contributions (Cb) des poids (a k) et/ou des poids d'interaction (b j,k, c j,k) associés aux critères agrégés (A) de plus haut niveau dans le modèle décisionnel multicritère.
4.- Système selon l'une quelconque des revendications 1 à 3, caractérisé en ce que le module de détermination des contributions (4) est apte à déterminer les contributions (Cb) des poids (a k) et/ou des poids d'interaction (b j,k, c j,k) associés aux critères terminaux (C) dans le modèle décisionnel multicritère.
5.- Système selon l'une quelconque des revendications 1 à 4, caractérisé en ce que le module de détermination des contributions (4) est apte à déterminer les contributions (Cb) des valeurs (v) associées aux critères (A, C).
6.- Système selon l'une quelconque des revendications 1 à 5, caractérisé en ce que le module de détermination des contributions (4) est apte à effectuer une normalisation des contributions (Cb) déterminées, de préférence entre les valeurs 0 et 1.
7.- Système selon l'une quelconque des revendications 1 à 6, caractérisé en ce que le module de détermination des contributions (4) est apte à déterminer les contributions (Cb) positives des poids de critères (a k), et/ou des poids d'interaction (b j,k, c j,k) et/ou des valeurs (v), dans un score évalué par le module d'évaluation d'alternatives (2) pour une alternative donnée (E, W).
8.- Système selon l'une quelconque des revendications 1 à 7, caractérisé en ce que le module de détermination des contributions (4) est apte à déterminer les contributions (Cb) négatives, inférieures à un seuil donné, des poids de critères (a k), et/ou des poids d'interaction (b j,k, c j,k) et/ou des valeurs (v), dans un score évalué par le module d'évaluation d'alternatives (2) pour un alternative donnée (E, W).
9. Système selon l'une quelconque des revendications 1 à 8, caractérisé en ce que le module de détermination des contributions (4) est apte à filtrer les contributions (Cb) en sorte de ne garder que les N contributions (Cb) les plus fortes en valeur absolue, avec N > 0, de préférence N=4.
10.- Système selon l'une quelconque des revendications 1 à 9, caractérisé en ce que le module de génération d'explications (3) est apte à générer une explication (EXP) sur le score de l'alternative donnée (E) par rapport au score d'une autre alternative (W), l'explication (EXP) présentant une ou plusieurs contributions (Cb) qui contribuent à la supériorité du score de l'une (E) des deux alternatives (E, W) sur le score de l'autre (W).
11.- Système selon l'une quelconque des revendications 1 à 10, caractérisé en ce que le module de génération d'explications (3) est apte à générer une explication (EXP) sur le score de l'alternative donnée (W) par rapport au score d'une autre alternative (E), l'explication (EXP) présentant une ou plusieurs contributions (Cb) qui contribuent à
l'infériorité du score de l'une (W) des deux alternatives (E, W) sur le score de l'autre (E).
l'infériorité du score de l'une (W) des deux alternatives (E, W) sur le score de l'autre (E).
12.- Système selon l'une quelconque des revendications 1 à 11, les scores possibles d'alternatives (E, W), les valeurs possibles (v) de critères (A, C), les valeurs possibles de poids (a k) et les valeurs possibles de poids d'interaction (b j,k, c j,k) étant regroupées par intervalle, une valeur de niveau étant associée à chaque intervalle, caractérisé en ce que le module de génération d'explication (3) est apte à
générer une explication (EXP) présentant une ou plusieurs contributions (Cb) d'un poids de critères (a k) donné, ou d'un poids d'interaction (b j,k, c j,k) donné, ou d'une valeur donnée (v) de critère (A, C), l'explication (EXP) utilisant la valeur de niveau associée à
l'intervalle auquel appartient ledit poids de critères (a k) donné, ou ledit poids d'interaction (b j,k, c j,k) donné, ou ladite valeur donnée (v) de critère (A, C).
générer une explication (EXP) présentant une ou plusieurs contributions (Cb) d'un poids de critères (a k) donné, ou d'un poids d'interaction (b j,k, c j,k) donné, ou d'une valeur donnée (v) de critère (A, C), l'explication (EXP) utilisant la valeur de niveau associée à
l'intervalle auquel appartient ledit poids de critères (a k) donné, ou ledit poids d'interaction (b j,k, c j,k) donné, ou ladite valeur donnée (v) de critère (A, C).
13.- Système selon l'une quelconque des revendications 1 et 12, caractérisé en ce qu'il comprend une base de patrons (5) dans laquelle est stocké au moins un patron contenant une ou plusieurs variables correspondant à un nom d'alternative (E, W), et/ou à
une valeur de niveau de poids (a k) de critère (A, C) et/ou de poids d'interaction (b j,k, c j,k) entre critère (A, C), et/ou à une valeur d'alternative (E, W), et en ce que le module de génération d'explication (3) est apte à générer une explication (EXP) en utilisant ledit patron.
une valeur de niveau de poids (a k) de critère (A, C) et/ou de poids d'interaction (b j,k, c j,k) entre critère (A, C), et/ou à une valeur d'alternative (E, W), et en ce que le module de génération d'explication (3) est apte à générer une explication (EXP) en utilisant ledit patron.
14.- Système selon la revendication 13, caractérisé en ce que le module de génération d'explication (3) est apte à générer une explication (EXP) en remplaçant les variables contenues dans le patron par les valeurs correspondant au nom d'alternative (E, W), et/ou à la valeur de niveau de poids (a k) et/ou de poids d'interaction (b j,k, c j,k), et/ou à
la valeur d'alternative (E, W), relatives à une alternative donnée.
la valeur d'alternative (E, W), relatives à une alternative donnée.
15.- Système selon l'une quelconque des revendications 1 à 14, caractérisé en ce que le module de génération d'explications (3) est apte , lorsqu'une explication (EXP) concerne la contribution (Cb) d'un poids d'interaction (b j,k, c j,k) associé
à deux critères présentant deux valeurs (v) dont la différence est inférieure à un seuil donné, à générer une explication complémentaire sur la discontinuité de l'explication (EXP) en fonction des variations desdites valeurs (v).
à deux critères présentant deux valeurs (v) dont la différence est inférieure à un seuil donné, à générer une explication complémentaire sur la discontinuité de l'explication (EXP) en fonction des variations desdites valeurs (v).
16.- Système selon l'une quelconque des revendications 1 à 15, caractérisé en ce que, le module de génération d'explications (2) est apte à construire des explications (EXP) sur le score de l'alternative donnée (E) par rapport à un score supérieur correspondant à une alternative fictive et/ou par rapport à un score inférieur correspondant à une alternative fictive.
17.- Procédé d'aide à la décision comprenant :
- une étape de construction d'un modèle décisionnel multicritère comprenant des critères (A, C) concernant une prise de décision donnée (D) de manière hiérarchisée sur un niveau terminal et au moins un niveau supérieur, avec des groupes de critères terminaux (C) regroupés au niveau terminal sous des critères agrégés (A) de niveau supérieur, les critères agrégés (A) pouvant être eux-mêmes regroupés au niveau supérieur sous d'autres critères agrégés (A) de niveau encore supérieur, le modèle comprenant également des valeurs possibles (v) associées aux critères terminaux (C), des poids de critères (a k) associés aux critères (A, C) terminaux ou agrégés, et des poids d'interaction (b j,k, c j,k) associés aux interactions entre critères (A, C) terminaux ou agrégés, une combinaison donnée (E, W) de valeurs possibles (v) des critères terminaux (C) formant une alternative (E, W), ledit modèle décisionnel multicritères étant stocké
dans une base de connaissance (1), - une étape d'évaluation d'une alternative (E) au moyen d'un module d'évaluation d'alternatives (2), qui détermine un score pour une alternative donnée (E, W), en fonction des poids de critères (a k), des poids d'interaction (b j,k, c j,k), et des valeurs (v), - une étape de génération automatique d'explications (EXP), au moyen d'un module de génération automatique d'explications (3), qui construit automatiquement des explications (EXP) sur le score de l'alternative donnée (E), de manière absolue ou par rapport au score d'une ou plusieurs autres alternatives (W), caractérisé en ce que :
- le procédé comprend également une étape de détermination de contributions (Cb), au moyen d'un module de détermination de contributions (4), qui détermine, pour des critères (A, C) terminaux et agrégés appartenant à
différents niveaux du modèle décisionnel multicritère, les contributions (Cb) des poids de critères (a k), des poids d'interaction (b j,k, c j,k) et des valeurs (v), dans le score évalué
lors de l'étape d'évaluation d'alternatives (2) pour l'alternative donnée (E, W), - l'étape de génération automatique d'explications (EXP) construit automatiquement les explications (EXP) sur le score de l'alternative donnée (E), de manière absolue ou par rapport au score d'une ou plusieurs autres alternatives (W), à
partir des contributions (Cb) déterminées lors de l'étape de détermination des contributions.
- une étape de construction d'un modèle décisionnel multicritère comprenant des critères (A, C) concernant une prise de décision donnée (D) de manière hiérarchisée sur un niveau terminal et au moins un niveau supérieur, avec des groupes de critères terminaux (C) regroupés au niveau terminal sous des critères agrégés (A) de niveau supérieur, les critères agrégés (A) pouvant être eux-mêmes regroupés au niveau supérieur sous d'autres critères agrégés (A) de niveau encore supérieur, le modèle comprenant également des valeurs possibles (v) associées aux critères terminaux (C), des poids de critères (a k) associés aux critères (A, C) terminaux ou agrégés, et des poids d'interaction (b j,k, c j,k) associés aux interactions entre critères (A, C) terminaux ou agrégés, une combinaison donnée (E, W) de valeurs possibles (v) des critères terminaux (C) formant une alternative (E, W), ledit modèle décisionnel multicritères étant stocké
dans une base de connaissance (1), - une étape d'évaluation d'une alternative (E) au moyen d'un module d'évaluation d'alternatives (2), qui détermine un score pour une alternative donnée (E, W), en fonction des poids de critères (a k), des poids d'interaction (b j,k, c j,k), et des valeurs (v), - une étape de génération automatique d'explications (EXP), au moyen d'un module de génération automatique d'explications (3), qui construit automatiquement des explications (EXP) sur le score de l'alternative donnée (E), de manière absolue ou par rapport au score d'une ou plusieurs autres alternatives (W), caractérisé en ce que :
- le procédé comprend également une étape de détermination de contributions (Cb), au moyen d'un module de détermination de contributions (4), qui détermine, pour des critères (A, C) terminaux et agrégés appartenant à
différents niveaux du modèle décisionnel multicritère, les contributions (Cb) des poids de critères (a k), des poids d'interaction (b j,k, c j,k) et des valeurs (v), dans le score évalué
lors de l'étape d'évaluation d'alternatives (2) pour l'alternative donnée (E, W), - l'étape de génération automatique d'explications (EXP) construit automatiquement les explications (EXP) sur le score de l'alternative donnée (E), de manière absolue ou par rapport au score d'une ou plusieurs autres alternatives (W), à
partir des contributions (Cb) déterminées lors de l'étape de détermination des contributions.
18.- Procédé selon la revendication 17, caractérisé en ce que l'étape d'évaluation utilise une fonction de coût (H) de type intégrale de Choquet 2-additive ou de type somme pondérée.
19.- Procédé selon l'une quelconque des revendications 17 et 18, caractérisé
en ce que l'étape de détermination des contributions (Cb) détermine les contributions (Cb) des poids (a k) et/ou des poids d'interaction (b j,k, c j,k) associés aux critères agrégés (A) de plus haut niveau dans le modèle décisionnel multicritère.
en ce que l'étape de détermination des contributions (Cb) détermine les contributions (Cb) des poids (a k) et/ou des poids d'interaction (b j,k, c j,k) associés aux critères agrégés (A) de plus haut niveau dans le modèle décisionnel multicritère.
20.- Procédé selon l'une quelconque des revendications 17 à 19, caractérisé en ce que l'étape de détermination des contributions (Cb) détermine les contributions (Cb) des poids (a k) et/ou des poids d'interaction (b j,k, c j,k) associés aux critères terminaux (C) dans le modèle décisionnel multicritère.
21.- Procédé selon l'une quelconque des revendications 17 à 20, caractérisé en ce que l'étape de détermination des contributions (Cb) détermine les contributions (Cb) des valeurs (v) associées aux critères (A, C).
22.- Procédé selon l'une quelconque des revendications 17 à 21, caractérisé en ce que l'étape de détermination des contributions (Cb) effectue une normalisation des contributions (Cb) déterminées, de préférence entre les valeurs 0 et 1.
23.- Procédé selon l'une quelconque des revendications 17 à 22, caractérisé en ce que l'étape de détermination des contributions détermine les contributions (Cb) positives des poids de critères (a k), et/ou des poids d'interaction (b j,k, c j,k) et/ou des valeurs (v), dans le score évalué lors de l'étape d'évaluation d'alternatives pour l'alternative donnée (E, W).
24.- Procédé selon l'une quelconque des revendications 17 à 23, caractérisé en ce que l'étape de détermination des contributions détermine les contributions (Cb) négatives, inférieures à un seuil donné, des poids de critères (a k), et/ou des poids d'interaction (b j,k, c j,k) et/ou des valeurs (v), dans le score évalué lors de l'étape d'évaluation d'alternatives pour l'alternative donnée (E, W).
25. Procédé selon l'une quelconque des revendications 17 à 24, caractérisé en ce que les contributions (Cb) déterminées lors de l'étape de détermination des contributions (Cb) les contributions (Cb) sont filtrées en sorte de ne garder que les N
contributions (Cb) les plus fortes en valeur absolue, avec N > 0, de préférence N=4.
contributions (Cb) les plus fortes en valeur absolue, avec N > 0, de préférence N=4.
26.- Procédé selon l'une quelconque des revendications 17 à 25, caractérisé en ce que l'étape de génération d'explications (EXP) génère une explication (EXP) sur le score de l'alternative donnée (E) par rapport au score d'une autre alternative (W), l'explication (EXP) présentant une ou plusieurs contributions (Cb) qui contribuent à la supériorité du score de l'une (E) des deux alternatives (E, W) sur le score de l'autre (W).
27.- Procédé selon la revendication 26, caractérisé en ce que l'explication (EXP) concerne la contribution d'un poids (a k) qui n'est pas un poids minimum, ou d'un poids d'interaction (b j,k, c j,k) qui n'est pas un poids d'interaction minimum, ou d'une valeur (v) qui n'est pas une valeur (v) minimale, associé à un critère (A, C).
28.- Procédé selon l'une quelconque des revendications 17 à 27, caractérisé en ce que l'étape de génération d'explications (EXP) génère une explication (EXP) sur le score de l'alternative donnée (W) par rapport au score d'une autre alternative (E), l'explication (EXP) présentant une ou plusieurs contributions (Cb) qui contribuent à
l'infériorité du score de l'une (W) des deux alternatives (E, W) sur le score de l'autre (E).
l'infériorité du score de l'une (W) des deux alternatives (E, W) sur le score de l'autre (E).
29.- Procédé selon la revendication 28, caractérisé en ce que l'explication (EXP) présente la contribution d'un poids (a k) qui est un poids minimum, ou d'un poids d'interaction (b j,k, b j,k) qui est un poids d'interaction minimum, ou d'une valeur (v) qui est une valeur (v) minimale, associé à un critère (A, C).
30.- Procédé selon l'une quelconque des revendications 17 à 29, caractérisé en ce que les scores possibles d'alternatives (E, W), les valeurs possibles (v) de critères (A, C), les valeurs possibles de poids (a k) et les valeurs possibles de poids d'interaction (b j,k, c j,k) sont regroupées par intervalle, en ce qu'une valeur de niveau est associée à
chaque intervalle, et en ce que l'étape de génération d'explication (EXP) génère une explication (EXP) présentant une ou plusieurs contributions (Cb) d'un poids de critères (a k) donné, ou d'un poids d'interaction (b j,k, c j,k) donné, ou d'une valeur donnée (v) de critère (A, C), l'explication (EXP) utilisant la valeur de niveau associée à l'intervalle auquel appartient ledit poids de critères (a k) donné, ou ledit poids d'interaction (b j,k, c j,k) donné, ou ladite valeur donnée (v) de critère (A, C).
chaque intervalle, et en ce que l'étape de génération d'explication (EXP) génère une explication (EXP) présentant une ou plusieurs contributions (Cb) d'un poids de critères (a k) donné, ou d'un poids d'interaction (b j,k, c j,k) donné, ou d'une valeur donnée (v) de critère (A, C), l'explication (EXP) utilisant la valeur de niveau associée à l'intervalle auquel appartient ledit poids de critères (a k) donné, ou ledit poids d'interaction (b j,k, c j,k) donné, ou ladite valeur donnée (v) de critère (A, C).
31.- Procédé selon l'une quelconque des revendications 17 à 30, caractérisé en ce que l'étape de génération d'explication (EXP) génère une explication (EXP) en utilisant au moins un patron contenant une ou plusieurs variables correspondant à un nom d'alternative (E, W), et/ou à une valeur de niveau de poids (a k) de critère (A, C) et/ou de poids d'interaction (b j,k, c j,k) entre critère (A, C), et/ou à une valeur d'alternative (E, W), les patrons et les variables étant stockés dans une base de patrons (5).
32.- Procédé selon la revendication 31, caractérisé en ce que l'étape de génération d'explication (EXP) génère une explication (EXP) en remplaçant les variables contenues dans le patron par les valeurs correspondant au nom d'alternative (E, W), et/ou à la valeur de niveau de poids (a k) et/ou de poids d'interaction (b j,k, c j,k), et/ou à la valeur d'alternative (E, W), relatives à une alternative donnée.
33.- Procédé selon l'une quelconque des revendications 17 à 32, caractérisé en ce que, lorsqu'une explication (EXP) concerne la contribution (Cb) d'un poids d'interaction (b j,k, c j,k) associé à deux critères présentant deux valeurs (v) dont la différence est inférieure à un seuil donné, l'étape de génération d'explications (EXP) génère une explication complémentaire sur la discontinuité de l'explication (EXP) en fonction des variations desdites valeurs (v).
34.- Procédé selon l'une quelconque des revendications 17 à 33, caractérisé en ce que, l'étape de génération d'explications (EXP) construit des explications (EXP) sur le score de l'alternative donnée (E) par rapport à un score supérieur correspondant à une alternative fictive et/ou par rapport à un score inférieur correspondant à une alternative fictive.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR1301148 | 2013-05-17 | ||
| FR1301148A FR3005769A1 (fr) | 2013-05-17 | 2013-05-17 | Systeme d'aide a la decision multicritere avec generation automatique d'explications et procede correspondant |
| PCT/EP2014/060170 WO2014184381A2 (fr) | 2013-05-17 | 2014-05-16 | Système d'aide à la décision multicritère avec génération automatique d'explications, et procédé correspondant |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CA2912751A1 true CA2912751A1 (fr) | 2014-11-20 |
Family
ID=49474456
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CA2912751A Pending CA2912751A1 (fr) | 2013-05-17 | 2014-05-16 | Systeme d'aide a la decision multicritere avec generation automatique d'explications, et procede correspondant |
Country Status (4)
| Country | Link |
|---|---|
| EP (1) | EP2997526A2 (fr) |
| CA (1) | CA2912751A1 (fr) |
| FR (1) | FR3005769A1 (fr) |
| WO (1) | WO2014184381A2 (fr) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10127240B2 (en) | 2014-10-17 | 2018-11-13 | Zestfinance, Inc. | API for implementing scoring functions |
| US20180322406A1 (en) * | 2017-05-04 | 2018-11-08 | Zestfinance, Inc. | Systems and methods for providing machine learning model explainability information |
| US11941650B2 (en) | 2017-08-02 | 2024-03-26 | Zestfinance, Inc. | Explainable machine learning financial credit approval model for protected classes of borrowers |
| US11960981B2 (en) | 2018-03-09 | 2024-04-16 | Zestfinance, Inc. | Systems and methods for providing machine learning model evaluation by using decomposition |
| WO2019212857A1 (fr) | 2018-05-04 | 2019-11-07 | Zestfinance, Inc. | Systèmes et procédés pour enrichir des outils de modélisation et une infrastructure de modélisation en éléments sémantiques |
| US11816541B2 (en) | 2019-02-15 | 2023-11-14 | Zestfinance, Inc. | Systems and methods for decomposition of differentiable and non-differentiable models |
| US10977729B2 (en) | 2019-03-18 | 2021-04-13 | Zestfinance, Inc. | Systems and methods for model fairness |
| US11321638B2 (en) | 2020-03-16 | 2022-05-03 | Kyndryl, Inc. | Interoperable smart AI enabled evaluation of models |
| US11720962B2 (en) | 2020-11-24 | 2023-08-08 | Zestfinance, Inc. | Systems and methods for generating gradient-boosted models with improved fairness |
-
2013
- 2013-05-17 FR FR1301148A patent/FR3005769A1/fr active Pending
-
2014
- 2014-05-16 EP EP14726924.5A patent/EP2997526A2/fr not_active Ceased
- 2014-05-16 CA CA2912751A patent/CA2912751A1/fr active Pending
- 2014-05-16 WO PCT/EP2014/060170 patent/WO2014184381A2/fr active Application Filing
Also Published As
| Publication number | Publication date |
|---|---|
| EP2997526A2 (fr) | 2016-03-23 |
| WO2014184381A2 (fr) | 2014-11-20 |
| WO2014184381A3 (fr) | 2015-02-19 |
| FR3005769A1 (fr) | 2014-11-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CA2912751A1 (fr) | Systeme d'aide a la decision multicritere avec generation automatique d'explications, et procede correspondant | |
| Ackers | Corporate social responsibility assurance: how do South African publicly listed companies compare? | |
| Okhuysen et al. | The challenges of building theory by combining lenses | |
| Tomer | The human firm: A socio-economic analysis of its behaviour and potential in a new economic age | |
| CA2469957A1 (fr) | Methode d'aide a la prise de decision pour la gestion d'un gisement petrolier en presence de parametres techniques et economiques incertains | |
| CN111539221A (zh) | 一种数据处理方法及系统 | |
| GB2418499A (en) | Information analysis arrangement | |
| Prati et al. | Public perceptions of beach nourishment and conflict management strategies: A case study of Portonovo Bay in the Adriatic Italian Coast | |
| Vieira et al. | From carbon dependence to renewables: The European oil majors' strategies to face climate change | |
| Blondeel | Taking away a “social licence”: Neo-Gramscian perspectives on an international fossil fuel divestment norm | |
| Tse et al. | Fast‐expanding markets: The revolution of the microeconomy | |
| Sheppard et al. | Aesthetics: are we neglecting a critical issue in certification for sustainable forest management? | |
| Hull et al. | Wildland—Urban Interface Forest Entrepreneurs: A Look at a New Trend | |
| Jenkins et al. | Collaborative management: community engagement process as the decision making process | |
| Aguiar | Design strategy: Towards a post-rational, practice-based perspective | |
| Engel et al. | Accommodating multiple interests in local forest management: a focus on facilitation, actors and practices | |
| Pérez‐Cornejo et al. | City reputation and the role of sustainability in cities | |
| Sykes | A moral economy of the transnational Papua New Guinean household: Solidarity and estrangement while ‘working other gardens’ | |
| Angulo | Sustainability Transitions: Multi-scale modelling of renewable energy technologies diffusion and urban resilience under a network approach in the Swiss Alps and in the South Region of France | |
| Metzner et al. | Experiences with fisheries co-management in Australia and New Zealand | |
| Chabaud et al. | Re-using qualitative data in management science: a second choice? | |
| Henike | Imitate or Deviate? How Cognitive Safety Impacts Entrepreneurial Business Modelling | |
| Lauten-Weiss et al. | The Circular Business Framework for Building, Developing and Steering Businesses in the Circular Economy. Sustainability 2021, 13, 963 | |
| Brooks et al. | Doing the Right Thing: Highlighting Social Responsibility, Corporate Ethics, and Social Values in the Classroom Through Case Studies | |
| Burke | Getting your point across: The WWF communication style |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| EEER | Examination request |
Effective date: 20190416 |
|
| EEER | Examination request |
Effective date: 20190416 |
|
| EEER | Examination request |
Effective date: 20190416 |
|
| EEER | Examination request |
Effective date: 20190416 |
|
| EEER | Examination request |
Effective date: 20190416 |
|
| EEER | Examination request |
Effective date: 20190416 |
|
| EEER | Examination request |
Effective date: 20190416 |
|
| EEER | Examination request |
Effective date: 20190416 |