Ontologie de Maintenance des Bâtiments et Capacités des Larges Modèles de Langage (LLM) pour le Peuplement - Mines Saint-Étienne
Conference Papers Year : 2024

Ontologie de Maintenance des Bâtiments et Capacités des Larges Modèles de Langage (LLM) pour le Peuplement

Abstract

Les données de maintenance des bâtiments proviennent de diverses sources, notamment de prestataires de services tels que les ascensoristes, les chauffagistes, ou des professionnels multiservices, ainsi que des clients pouvant être des gestionnaires immobiliers, des villes ou des acteurs du secteur tertiaire. La nature hétérogène de ces données, en raison de la diversité des sources, complique le processus de partage des données. Cet article propose une ontologie de domaine pour représenter ces données, explorant l’utilisation des LLMs pour peupler automatiquement l’ontologie. Les résultats indiquent une bonne performance de ChatGPT et TextCortex dans la génération d’instances à partir de données CSV semi-structurées. Cette approche vise à améliorer l’efficacité du peuplement de l’ontologie malgré la diversité des données de maintenance.
No file

Dates and versions

emse-04636431 , version 1 (05-07-2024)

Identifiers

  • HAL Id : emse-04636431 , version 1

Cite

Joel Mba Kouhoue, Maxime Lefrançois, Alexis Lesage, Jerry Lonlac, Arnaud Doniec, et al.. Ontologie de Maintenance des Bâtiments et Capacités des Larges Modèles de Langage (LLM) pour le Peuplement. IC 2024 - PFIA 2024 - 35es Journées francophones d'Ingénierie des Connaissances @ Plate-Forme Intelligence Artificielle, Jul 2024, La Rochelle, France. pp.103-106. ⟨emse-04636431⟩
82 View
0 Download

Share

More