Exploration de données pour la conception inventive
Langue Anglais
Accéder au document

Ce document est protégé en vertu du Code de la Propriété Intellectuelle.

 
Auteur : Guarino, Guillaume
Date de soutenance : 09-12-2022

Directeur(s) de thèse : Cavallucci, Denis

Établissement de soutenance : Strasbourg
Laboratoire : Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....)
École doctorale : École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....)
 
Discipline : Informatique
Classification : Informatique

Mots-clés libres : Traitement automatique du langage, Fouille de brevets, Réseau de neurones, Champ aléatoire conditionnel, TRIZ
Mots-clés :
  • Méthode TRIZ
  • Exploration de données
Résumé : La théorie pour la résolution inventive des problèmes (TRIZ) a été proposée pour favoriser l'innovation de rupture et maximiser les chances de résoudre un problème de manière inventive. Altshuller, le fondateur de cette théorie, a présenté un pseudo-algorithme allant de la formulation d'un problème à sa résolution afin d'aider les ingénieurs. Sa théorie repose sur un constat très fort : chaque problème dans un domaine A peut être relié à un problème déjà résolu dans un domaine B, dont il suffirait d'adapter la solution. Cependant, trouver un problème correspondant dans un autre domaine nécessite, soit de lire toutes les publications scientifiques et brevets existants, soit de développer un algorithme capable de caractériser les problèmes résolus par chaque solution existante. Dans cette thèse, nous avons étudié cette deuxième option. Afin de permettre une recherche de solutions inter-domaines, des approches basées sur des réseaux de neurones sont développées pour identifier les concepts clés de la théorie TRIZ dans les brevets. En particulier, nous proposons une approche de fouille de contradictions basée sur le résumé automatique, une approche de fouille de paramètres intégrant la structure syntaxique des phrases et un modèle multi-tâches unifié.
 
Type de contenu : Text
Format : PDF
 
Entrepôt d'origine : STAR : dépôt national des thèses électroniques françaises
Identifiant : 2022STRAD033
Type de ressource : Thèse