EP2997526A2 - Système d'aide à la décision multicritère avec génération automatique d'explications, et procédé correspondant - Google Patents

Système d'aide à la décision multicritère avec génération automatique d'explications, et procédé correspondant

Info

Publication number
EP2997526A2
EP2997526A2 EP14726924.5A EP14726924A EP2997526A2 EP 2997526 A2 EP2997526 A2 EP 2997526A2 EP 14726924 A EP14726924 A EP 14726924A EP 2997526 A2 EP2997526 A2 EP 2997526A2
Authority
EP
European Patent Office
Prior art keywords
criteria
alternative
score
given
contributions
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.)
Ceased
Application number
EP14726924.5A
Other languages
German (de)
English (en)
Inventor
Bénédicte GOUJON
Christophe Labreuche
Bertrand DUQUEROIE
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Thales SA
Original Assignee
Thales SA
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Thales SA filed Critical Thales SA
Publication of EP2997526A2 publication Critical patent/EP2997526A2/fr
Ceased legal-status Critical Current

Links

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

Definitions

  • the present invention relates to a multicriterion decision support system, and a corresponding method. It finds an application in particular to the evaluation of alternatives relating to a decision to be made in a multicriteria-type context, for example when it comes to choosing the location of a plant, an investment strategy, to evaluate projects, etc.
  • Multi-criteria decision support systems and processes are based on a multi-criteria decision-making model that is developed from expert knowledge of the relevant application domain.
  • multi-criteria decision support systems make it possible to evaluate the alternatives available to a decision-maker, and thus to make a decision quickly which can be complex, in particular because it involves many criteria, depending on the calculated scores for different alternatives.
  • a decision support system that only evaluates alternatives is not enough to meet such a need, because it does not explain the origin of a score of an alternative.
  • This process generates explanations based on the criteria or aggregations of a given level in the model, using a method using four anchors for the generation of explanations. These anchors are not related to the contribution of the different elements in the calculation of the difference between the scores of two compared alternatives, or in the calculation of the evaluation of an alternative.
  • One of the aims of the invention is therefore to solve the aforementioned problems, in particular to propose a system and a method for generating explanations on the score of an alternative, or on the comparison of an alternative with respect to another , based on the contributions of the different elements influencing this score, regardless of the level of these elements in the multi-criteria and multi-level decision-making model.
  • the subject of the invention is a multicriterion decision support system comprising a knowledge base, an alternative evaluation module, an explanations generating module, and a module determination of contributions.
  • the knowledge base forms a multi-criteria decision model.
  • criteria relating to a given decision-making, possible values associated with all or part of the criteria, criteria weights associated with all or part of the criteria, and interaction weights associated with the interactions between criteria, a given combination of possible values of at least a part of the criteria forming an alternative.
  • the alternative evaluation module is able to determine a score for a given alternative, depending on the criteria weights, and / or interaction weights, and / or values.
  • the explanation generation module is able to construct explanations on the score of a given alternative in an absolute manner or in relation to the score of one or more other alternatives.
  • Criteria are stored in the knowledge base in a multi-level hierarchical manner, with groups of terminal criteria grouped at the terminal level under higher level aggregated criteria, the aggregated criteria being themselves grouped at the top level under other criteria. aggregate criteria of even higher level.
  • the contribution determination module is able to determine, for criteria belonging to several levels of the multicriterion decision model, the contributions of the criteria weights, and / or the interaction weights and / or values, in a score evaluated by the alternative evaluation module for a given alternative.
  • the explanation generation module is capable of constructing explanations on a score of a given alternative, in an absolute manner or in relation to the score of one or more other alternatives, from contributions determined by the module of determination of contributions.
  • system further comprises one or more of the following characteristics, taken individually or in any technically possible combination:
  • the alternative evaluation module uses an integral type cost function of Choquet 2-additive or weighted sum type to determine a score for a given alternative;
  • the contribution determination module is able to determine the contributions of the weights and / or interaction weights associated with the higher level aggregated criteria in the multicriteria decision model;
  • the contribution determination module is able to determine the contributions of the weights and / or the interaction weights associated with the end criteria in the multicriteria decision model;
  • the contribution determination module is able to determine the contributions of the values associated with the criteria
  • the contribution determination module is able to carry out a normalization of the determined contributions, preferably between the values 0 and 1;
  • the contribution determination module is able to determine the positive contributions of the criteria weights, and / or interaction weights and / or values, in a score evaluated by the alternative evaluation module for a given alternative ;
  • the contribution determination module is capable of determining the negative contributions, below a given threshold, of the criteria weights, and / or the interaction weights and / or values, in a score evaluated by the evaluation module alternatives for a given alternative;
  • the explanation generation module is able to generate an explanation of the score of the alternative given with respect to the score of another alternative, the explanation presenting one or more contributions that contribute to the superiority of the score of the alternative; one of the two alternatives on the score of the other;
  • the explanation generation module is capable of generating an explanation of the score of the alternative given with respect to the score of another alternative, the explanation presenting one or more contributions which contribute to the inferiority of the score of one of two alternatives on the score of the other;
  • the possible scores of alternatives, the possible values of criteria, the possible values of weight and the possible values of interaction weight are grouped by interval, a level value being associated with each interval, and the generation module of explanation is able to generate an explanation presenting one or more contributions of a given criterion weight, or a given interaction weight, or a given criterion value, the explanation using the level value associated with the criterion interval to which the given weight of criteria belongs, or the given interaction weight, or the given criterion value;
  • the system comprises a base of patterns in which at least one pattern containing one or more variables corresponding to an alternative name, and / or a value of criterion weight level and / or interaction weight between criterion, and / or an alternative value, and the explanation generation module is able to generate an explanation using the pattern;
  • the explanation generation module is capable of generating an explanation by replacing the variables contained in the pattern by the values corresponding to the alternative name, and / or the value of the weight level and / or the interaction weight. , and / or the value of alternative, relating to a given alternative;
  • the explanation generation module is suitable, when an explanation concerns the contribution of an interaction weight associated with two criteria presenting two values whose difference is smaller than a given threshold, to generate a complementary explanation on the discontinuity the explanation according to the variations of the values;
  • the explanation generation module is capable of constructing explanations of the score of the alternative given with respect to a higher score corresponding to a fictitious alternative and / or compared to a lower score corresponding to a fictitious alternative.
  • the subject of the invention is also, according to a second aspect, a decision support method comprising a step of constructing a multicriterion decision model, a step of evaluating an alternative by means of a module of evaluating alternatives, a step of generating explanations by means of an explanation generating module, and a step of determining contributions by means of a contribution determining module.
  • the multicriteria decision-making model includes criteria concerning a given decision-making, possible values associated with all or some of the criteria, criteria weights associated with all or some of the criteria, and interaction weights associated with the interactions between criteria, a combination data of possible values of at least part of the criteria forming an alternative, the multi-criteria decision model being stored in a knowledge base.
  • the step of evaluating an alternative determines a score for a given alternative, based on criteria weights, and / or interaction weights, and / or values.
  • the explanation generation step constructs explanations of the score of the given alternative, either absolutely or in relation to the score of one or more other alternatives.
  • the criteria are organized in the knowledge base in a hierarchical manner on a terminal level and at least a higher level, with groups of terminal criteria grouped at the terminal level under higher level aggregated criteria, the aggregated criteria being able to be themselves grouped at the top level under other aggregate criteria of even higher level.
  • the contribution determination step determines, for criteria belonging to several levels of the multicriterion decision model, the contributions of the criteria weights, and / or the interaction weights and / or values, in the score evaluated during the evaluation. step of evaluating alternatives for the given alternative.
  • the explanation generating step constructs the explanations of the score of the given alternative, in an absolute manner or with respect to the score of one or more other alternatives, from the contributions determined during the step of determination of contributions.
  • the method further comprises one or more of the following characteristics, taken in isolation or in any technically possible combination:
  • the evaluation step uses an integral type cost function of Choquet 2- additive or weighted sum type; the contribution determination step determines the contributions of the weights and / or interaction weights associated with the higher level aggregated criteria in the multicriteria decision model;
  • the contribution determination step determines the contributions of the weights and / or interaction weights associated with the end criteria in the multicriteria decision model
  • the contribution determination stage determines the contributions of the values associated with the criteria
  • the step of determining the contributions performs a normalization of the determined contributions, preferably between the values 0 and 1;
  • the contribution determination step determines the positive contributions of the criteria weights, and / or the interaction weights and / or values, in the evaluated score during the alternatives evaluation step for the alternative given;
  • the contribution determining step determines the negative contributions, below a given threshold, of the criteria weights, and / or interaction weights and / or values, in the score evaluated during the evaluation step alternatives for the given alternative;
  • the explanation generation step generates an explanation of the score of the alternative given with respect to the score of another alternative, the explanation presenting one or more contributions that contribute to the superiority of the score of one of the two alternatives on the score of the other;
  • the explanation concerns the contribution of a weight that is not a minimum weight, or an interaction weight that is not a minimum interaction weight, or a value that is not a minimum value, associated with a criterion;
  • the explanation generation step generates an explanation of the score of the alternative given with respect to the score of another alternative, the explanation presenting one or more contributions that contribute to the inferiority of the score of one two alternatives on the score of the other;
  • the explanation presents the contribution of a weight that is a minimum weight, or an interaction weight that is a minimum interaction weight, or a value that is a minimum value, associated with a criterion;
  • the possible scores of alternatives, the possible values of criteria, the possible values of weight and the possible values of interaction weight are grouped by interval, a level value is associated with each interval, and the generation step explanation generates an explanation presenting one or more contributions of a given criterion weight, or a given interaction weight, or a given criterion value, the explanation using the level value associated with the interval to which belongs the given weight of criteria, or the given interaction weight, or the given criterion value;
  • the explanation generating step generates an explanation by using at least one pattern containing one or more variables corresponding to an alternative name, and / or a criterion weight level value and / or a weight value of interaction between criterion, and / or an alternative value, the patterns and variables being stored in a pattern database;
  • the explanation generation step generates an explanation by replacing the variables contained in the pattern by the values corresponding to the alternative name, and / or the value of the weight level and / or the interaction weight, and / or the value of alternative, relating to a given alternative;
  • the explanation generating step when an explanation concerns the contribution of an interaction weight associated with two criteria having two values whose difference is smaller than a given threshold, the explanation generating step generates a complementary explanation on the discontinuity of the explanation according to the variations of the values;
  • the explanation generation step constructs explanations on the score of the given alternative with respect to a higher score corresponding to a fictitious alternative and / or compared to a lower score corresponding to a fictitious alternative.
  • the system and the method of the invention make it possible to identify the strongest contributions and, secondly, to exploit them to generate explanations, the all without the need for language knowledge specific to one particular area or another.
  • FIG. 1 schematic representation of a first example of multi-criteria multi-criteria decision model
  • FIG. 2 schematic representation of a second example of multi-criteria multi-criteria decision model
  • FIG. 3 schematic representation of a third example of multi-criteria multi-criteria decision model
  • FIG. 4 schematic representation of an exemplary system according to the invention.
  • Figures 1 to 3 show three different examples of applications in which a multilevel multi-criteria decision model can be constructed.
  • the schematic representation takes the form of a tree structure in which are organized the various criteria making it possible to model the making of a decision.
  • criteria C are defined at the terminal level. Such criteria C have no children in the tree. Symbolically, we attach to these terminal criteria C universes U, which may or may not have the same name as the criteria C.
  • These criteria C are grouped by aggregation under higher level criteria, which are called aggregations A. These aggregations A can also be grouped by aggregation under even higher level criteria A, and so on.
  • Figure 1 is for a site protection assessment model
  • Figure 2 is for a home purchase model
  • Figure 3 is for a model for the assessment of a site protection. 'a remote meeting.
  • the model is stored in a knowledge base 1.
  • This knowledge base 1 is broken down into a base 1b in which the elements defining the model strictly speaking are stored: the criteria and aggregations A, C (with their hierarchical organization), the values v of these criteria A, C, the weights a k of these criteria A, C as well as the weights b jk relating to the interactions between criteria A, C.
  • the other part 1 of the knowledge base 1 includes the description of the alternatives E, W which correspond to different possible decisions.
  • a combination of value v of end criteria C determines a possible alternative.
  • Values v can be text values.
  • This model distinguishes at the first level (just below the main aggregation "Remote Meeting Evaluation") the functional aspects, which are related to management during the meeting and after the meeting, of non-functional aspects, which are related to the security and the type of terminals that can be used.
  • An apprenticeship was used to inform the different weights (including the interaction weights) of the model, which are not shown in Figure 3.
  • an alternative on a given aggregation A corresponds to the result given by a cost function, such as a Choquet integral or a weighted sum, on the criteria A or C aggregated under this aggregation A.
  • a cost function such as a Choquet integral or a weighted sum
  • a 2-additive Choquet integral is used, which makes it possible to take into account the possible interactions between criteria.
  • H (x 1; ..., x n ) ⁇ v k X x k " ⁇ ⁇ ], k ⁇ £ M lj, k X
  • - Xi, x n are the n aggregated A or C criteria or sub-aggregations under an aggregation A on which the alternative E is evaluated;
  • - M represents all the criteria at the level considered.
  • the local coefficient in favor of an alternative corresponds to all the weights that highlight a force of the alternative.
  • the local coefficient to the detriment of an alternative corresponds, for its part, to the set of "min", ie the set of minimum weights that highlight a weakness of the alternative rather than a force.
  • the Choquet integral is applied at each level to obtain local satisfactions or scores on each aggregation.
  • the scores of the alternatives thus evaluated are stored in a storage area 7, and a first type of explanations EXP can be generated automatically by an explanation generation module 3, for example:
  • a contribution determination module 4 also makes it possible to determine the contributions Cb of the criteria weights a k , and / or the interaction weights b j! K and / or the values v, in a score evaluated by the module of evaluation of alternatives 2 for a given alternative E, W.
  • weights and interactions are on the same scale, while the values on the criteria and aggregations are comparable.
  • weights and interactions are generally higher for higher-level A aggregations than for C-criteria, especially for models with more than three levels.
  • the first calculation corresponds to a global perspective. It focuses only on the higher level, and allows to estimate the contribution of the weights and interactions of this level.
  • the second calculation corresponds to a "model" perspective and makes it possible to evaluate the contribution of each criterion and aggregation of the model.
  • the third calculation corresponds to a detailed perspective. It focuses on the weights associated with the criteria: interactions, minimum weight and local coefficients.
  • the contribution determination module 4 makes it possible to identify the elements having the greatest contribution, in the case of the comparison between two alternatives E, W, and in the case of the evaluation of an alternative.
  • a 1 corresponds to the set of parent aggregations of the criterion i, ⁇ ⁇ , ⁇ ⁇ 0 ( ⁇ ) (respectively ⁇ ⁇ , ⁇ ⁇ 0 ( ⁇ )) is the local coefficient of the criterion (or aggregation) i 'in an integral of Choquet (or in a weighted sum) in favor of the alternative X
  • the weight contribution of a criterion, or terminal weight is therefore a function of the weights on the parent aggregations.
  • a is the minimum weight on criterion i, ci, j is a substitutability (or negative synergy) between criteria i and j
  • H (X) - H (Y) ⁇ k e N, k ⁇ i ( ⁇ k) e A k k (x) xc k (X) ⁇ Where k - ⁇ k .e A k k ( Y) ⁇ c k (Y) ⁇ k )
  • contribution calculation Cb the result is normalized between 0 and 1 to obtain a normalized contribution Cn.
  • the normalization can constitute to carry out the following operation:
  • i is a criterion or a combination of elements
  • N is the set of criteria or combinations of elements.
  • the standardized contribution thus obtained is expressed as a percentage, which is simpler to understand, and which retains the sign of the corresponding gross contribution.
  • the filtering and this grouping are performed by a filtering module 6.
  • weight is considered very important. The value of "E” here is very good while the value of "W” is bad here.
  • Hole sentences or patterns, stored as sentences and variables in a pattern database 5 are used.
  • a complementary explanation can be added to the explanation associated with these criteria or aggregations. This is an explanation that indicates to the user that the contribution of the element in question may change if the values close to the alternative on one criterion and on another criterion are reversed because of their interaction.
  • the representation of the system architecture as given in the example of FIG. 4 is a functional representation, which does not necessarily prejudge the exact organization of the different functional elements (separate, shared, remote, etc.). .) included in the system.
  • the calculations for determining the contributions Cb given in the present description are examples of nonlimiting calculations of the invention, which notably make it possible to take into account the multi-criteria and multi-level nature of a decision model. Other types of calculations can be used, which allow to take into account this character.

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 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. 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 ; - 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 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 ; - 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 ; - 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 apparaîtront 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 ; - 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 1 b 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 bj k relatifs aux interactions entre critères A, C.
L'autre partie 1 a 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 1 a et 1 b 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. 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.
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 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 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(x1 ; ..., xn) =∑ vk X xk " Σ{], k}£ M lj, k X |Xj - Xk| 2 avec :
- Xi , 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 ;
lj, 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) = k}£ M bj k X min(Xj, Xk) + k}£ M Cj, k X max(Xj, Xk) avec, outre les définitions ci-dessus :
- ak correspond au poids minimum du critère k ;
- bj, k correspond à la complémentarité entre les critères j et k ;
- q, k correspond à la substituabilité entre les critères j et k. 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) =∑ke N Π k.e A k ak.(E) χ ak(E) χ Ek où 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 Π k'e A k ak'(E) χ 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%. 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 bj!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 bL 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 0.1 1 .
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 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 œuvre, 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) ' ar,Pro(X) x α,, pra(X) χ O i - Π j-e ' ar,Pro(Y) x α,, Pra(Y) X i
Où A1 correspond à l'ensemble des agrégations parentes du critère i, αι·,Ρι·0(Χ) (respectivement αι·,Ρι·0(Υ)) 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 Où , (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(Y)), au poids minimum, et à la synergie négative.
Plus précisément, lorsque aj,Pro(X) = aj,Pro(Y), on calcule la contribution brute du coefficient local en faveur de X et Y, noté aj,Pro(X, Y), 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! ,e M (a,,pro(X,Y)) = ai,pro(X, Y) χ {O , - t)
Par ailleurs, lorsque ai,Pro(X)≠ αί,ΡΓ0(Υ), on calcule la contribution brute du poids minimum a, 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, je M (ai) = ai {Où i -
Enfin, toujours lorsque ai,Pro(X) ≠ ai,Pro(Y), on calcule la contribution brute de la synergie négative c,, , 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, ,e M (Q, j) = Q, j (max(i£ i , Où ) - max(£^ i , I ))
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 α,,ΡΓ0(Χ) = α,,Ρι·ο(Υ), on calcule la contribution brute du coefficient local en faveur de X et Y, noté α,,ΡΓο(Χ, Y), modulo le produit de poids d'agrégations parentes, noté Π re A' p, , portant sur le critère i dans la préférence pour l'alternative X par rapport à une alternative Y, de la façon suivante :
Cbx>Y, ,e N (a,,pro(X,Y) ° Π ,G A' ρ,.) = Π ,.e A ! Pi' χ ai,Pro(X, Y) χ {Où i - ψ i) où p. 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 = a,, ou pr = Crj.
Par ailleurs, lorsque ai,Pro(X) ≠ ai,Pro(Y), on calcule la contribution brute multi- niveaux du poids minimum a, , modulo le produit de poids d'agrégations parentes, noté
Π j-e A1 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, ,ε Ν (¾ ° Π re A pi.) = Π re A ! ρΓ χ a-, χ {O -, - i)
Enfin, toujours lorsque α,,ΡΓ0(Χ) ≠ α,,ΡΓο(Υ), on calcule la contribution brute multi- niveaux de la synergie négative Q, j, modulo le produit de poids d'agrégations parentes, noté Π ι·ε Α' Pi-, 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, ,ε N (Q, i ° Π re A Pi ) = Π re A ! pr χ cu χ (max(i£ i , ,) -
Comme il ressort des calculs de contribution de poids terminal présentés ci- 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 )
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 ûù > Où j et que ty < ty
Et l'on pose que a, est le poids minimum sur le critère i, ci, j est une substituabilité (ou synergie négative) entre les critères i et j
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) =∑ke N,k≠i ( Π k.e A k pk.(X) x ck(X) χ Où k - Π k.e A k pk.(Y) χ ck(Y) χ k)
+ a,- x ai',pro(X, Y) x a, x {O , - £^ ,) + a,- χ αί·,ΡΓ0(Χ, Y) χ cit j χ O ,
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, ,e N, je N, re Α' , i-e A' (ai ° ar,Pro(X,Y) ° a ) = a,- χ ar,Pro(X, Y) χ ai χ {O \ - i)
Cbx>Y, ie Nje NJ'e A' , re A' (Cij ° ar,Pro(X,Y) ° ar) = ar x ar,Pro(X, YJ x Qj ^
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 oc , = ψ , = 0.9, et lorsque la combinaison des poids a, x ar,Pro(X, Y) x c est importante (valeur élevée). Pour chaque calcul de contribution Cb, le résultat est normalisé entre 0 et 1 pour obtenir une contribution normalisée Cn. La normalisation peut constituer à réaliser l'opération suivante :
Cnx>Y(i) = Cbx>Y(i) /∑ke N |Cbx>Y(k)|
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 CR)) = 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 :
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. 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 aqreqationWeiqht aqreqationName, preferredAlternativeName is valueOfPreferredAltOnAq while otherAlternativeName is valueOfOtherAltOnAq. », 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 complWeiqht complementarity between agrégation 1 Name and agregation2Name penalizes otherAlternativeName which is valueOfOtherAltOnComplementarity on agregationNameValOfOtherAltOnCompl. ». On obtient la phrase suivante : « The very important complementarity between Functional aspects and Not functional aspects penalizes W which is bad on Functional aspects. ». 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 CR"): 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 valueOfPrefAltOnCriterion score. ». On obtient la phrase suivante :
« On the important « Préparation 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 « Préparation 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. 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

REVENDICATIONS
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 supérieur,, la base de connaissance (1 ) comprenant également des valeurs possibles (v) associées aux critères terminaux(A, C), des poids de critères (ak) associés aux critères (A, C) terminaux ou agrégés, et des poids d'interaction (bj!k, cj!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 (ak), des poids d'interaction (bj!k, q,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 (ak), des poids d'interaction (bj!k, q,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 (ak) et/ou des poids d'interaction (bj,k, q,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 (ak) et/ou des poids d'interaction (bj!k, q,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 (ak), et/ou des poids d'interaction (bj!k, q,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 (ak), et/ou des poids d'interaction (bj!k, q,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).
1 1 .- 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).
12. - Système selon l'une quelconque des revendications 1 à 1 1 , les scores possibles d'alternatives (E, W), les valeurs possibles (v) de critères (A, C), les valeurs possibles de poids (ak) et les valeurs possibles de poids d'interaction (bj,k, q,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 (ak) donné, ou d'un poids d'interaction (bj!k, q,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 (ak) donné, ou ledit poids d'interaction (bj!k, q,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 (ak) de critère (A, C) et/ou de poids d'interaction (bj!k, q,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 (ak) et/ou de poids d'interaction (bj,k, q,k), et/ou à 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 (bj!k, q,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).
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 (ak) associés aux critères (A, C) terminaux ou agrégés, et des poids d'interaction (bj!k, q,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 (ak), des poids d'interaction (bj,k, Cj,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 (ak), des poids d'interaction (bj!k, q,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 (ak) et/ou des poids d'interaction (bj!k, q,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 (ak) et/ou des poids d'interaction (bj!k, q,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 (ak), et/ou des poids d'interaction (bj!k, q,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 (ak), et/ou des poids d'interaction (bj!k, q,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.
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 (ak) qui n'est pas un poids minimum, ou d'un poids d'interaction (bj!k, q,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).
29. - Procédé selon la revendication 28, caractérisé en ce que l'explication (EXP) présente la contribution d'un poids (ak) qui est un poids minimum, ou d'un poids d'interaction (bj!k, cj!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 (ak) et les valeurs possibles de poids d'interaction (bj!k, q,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 (ak) donné, ou d'un poids d'interaction (bj!k, q,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 (ak) donné, ou ledit poids d'interaction (bj!k, q,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 (ak) de critère (A, C) et/ou de poids d'interaction (bj!k, q,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 (ak) et/ou de poids d'interaction (bj!k, q,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 (bj,k, q,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.
EP14726924.5A 2013-05-17 2014-05-16 Système d'aide à la décision multicritère avec génération automatique d'explications, et procédé correspondant Ceased EP2997526A2 (fr)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
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
EP2997526A2 true EP2997526A2 (fr) 2016-03-23

Family

ID=49474456

Family Applications (1)

Application Number Title Priority Date Filing Date
EP14726924.5A Ceased EP2997526A2 (fr) 2013-05-17 2014-05-16 Système d'aide à la décision multicritère avec génération automatique d'explications, et procédé 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)

* Cited by examiner, † Cited by third party
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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
None *

Also Published As

Publication number Publication date
WO2014184381A2 (fr) 2014-11-20
CA2912751A1 (fr) 2014-11-20
WO2014184381A3 (fr) 2015-02-19
FR3005769A1 (fr) 2014-11-21

Similar Documents

Publication Publication Date Title
WO2014184381A2 (fr) Système d&#39;aide à la décision multicritère avec génération automatique d&#39;explications, et procédé correspondant
Akamani et al. Toward the adaptive governance of transboundary water resources
Chrun et al. Corporate environmentalism: Motivations and mechanisms
Ackers Corporate social responsibility assurance: how do South African publicly listed companies compare?
Nutley et al. Policy transfer and convergence within the UK: the case of local government performance improvement regimes
GB2418499A (en) Information analysis arrangement
Turcan et al. Empirical studies on legitimation strategies: A case for international business research extension
Vieira et al. From carbon dependence to renewables: The European oil majors' strategies to face climate change
Tse et al. Fast‐expanding markets: The revolution of the microeconomy
Pascoe et al. Does membership matter? Individual influences in natural resource management decision making
Tan-Mullins Dancing to China's tune: Understanding the impacts of a rising China through the political-ecology framework
Zumofen Public accountability: A summary analysis
Khodadadi The impact of knowledge management on social responsibility at social security organization in East Azarbaijan province
Engel et al. Accommodating multiple interests in local forest management: a focus on facilitation, actors and practices
Brown Investigating the impact of the external environment on strategic information systems planning: a qualitative inquiry
Park The future journey of international journal of multinational corporation strategy
Hansen‐Magnusson et al. Studying contemporary constitutionalism: Memory, myth and horizon
Ogiri et al. Motivations of legitimacy theory for CSR reporting in the Niger Delta region of Nigeria: a theoretical framework
Brooks et al. Walking a fine line: examining the position of the construction quality auditor through the lens of financial audit literature
Henike Imitate or Deviate? How Cognitive Safety Impacts Entrepreneurial Business Modelling
Burke Getting your point across: The WWF communication style
CN109800289B (zh) 鉴定网络用户的方法及系统、网络信息的屏蔽方法及系统
Åkvik et al. A case study on Business model innovation to empower sustainable development in the oil and gas supplier industry.
Keenan et al. Tokyo's booms and busts: Placing Japan in the global financial network
Laemmle Monumentally Inadequate: Conservation at Any Cost Under the Antiquities Act

Legal Events

Date Code Title Description
PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

17P Request for examination filed

Effective date: 20151117

AK Designated contracting states

Kind code of ref document: A2

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR

AX Request for extension of the european patent

Extension state: BA ME

DAX Request for extension of the european patent (deleted)
17Q First examination report despatched

Effective date: 20161019

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: EXAMINATION IS IN PROGRESS

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: EXAMINATION IS IN PROGRESS

APBK Appeal reference recorded

Free format text: ORIGINAL CODE: EPIDOSNREFNE

APBN Date of receipt of notice of appeal recorded

Free format text: ORIGINAL CODE: EPIDOSNNOA2E

APBR Date of receipt of statement of grounds of appeal recorded

Free format text: ORIGINAL CODE: EPIDOSNNOA3E

APAF Appeal reference modified

Free format text: ORIGINAL CODE: EPIDOSCREFNE

REG Reference to a national code

Ref country code: DE

Ref legal event code: R003

APBT Appeal procedure closed

Free format text: ORIGINAL CODE: EPIDOSNNOA9E

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE APPLICATION HAS BEEN REFUSED

18R Application refused

Effective date: 20240212