Login

Zainab Rachid Assaghir

Associate professor
Computer Science - Statistics department - Section I - Hadath
Speciality: Applied Mathematics
Specific Speciality: Math-App
Interests: Sport Cooking

Positions
2015 - present : Associate Professor

Lebanese University

2010 - 2014 : Assistant professor

Lebanese University
Hadat

2011 - 2014 : Assistant professor

Lebanese international university
Beirut

2010 - 2014 : Assistant professor

Arts and technology university of Lebanon
Beirut

2010 - 2011 : ATER

Université de Nancy

2009 - 2010 : ATER

Université de Nancy
Nancy

Teaching 7 Taught Courses
(2014-2015) ACTU 422 - *

M Mathematics for Finance and Actuarial Sciences

(2014-2015) BEMA 503 - Statistics : analysis and data processing

M2 Marine Biology and Ecology

(2014-2015) MMAP 526 - IT Tools (R and SAS)

M2 Biostatistics

(2014-2015) Stat 427 - Statistical software (SAS and R)

M1 Statistics

(2014-2015) ACTU 432 - *

M Mathematics for Finance and Actuarial Sciences

(2014-2015) MMAP 580 - Training

M2 Biostatistics

(2014-2015) Stat 214 - Economics

BS Statistics

Education
2006 - 2010: Doctorat

Institut National Polytechnique de Lorraine
Applied Mathematics

2005 - 2006: Master 2

Université de Montpellier 2
Biostatistics

2001 - 2005: Maitrise

Université Libanaise
Statistique

Publications 18 publications
Zaher Khraibani, Zainab Assaghir, Hussein Khraibani, Dimitris Poursanidis, Anis Hoayek, Ghazi Bitar, Hassan Zeineddine, Argyro Zenetos and Hussein Badran Application of the Records Method to Identify the Sporadicity of Percnon gibbesi Distribution in Greece 2014

Zainab Assaghir and Amedeo Napoli and Mehdi Kaytoue and Didier Dubois and Henri Prade Numerical Information Fusion: Lattice of Answers with Supporting Arguments IEEE Computer Society 2011

The problem addressed in this paper is the merging of numerical information provided by several sources. Merging conflicting pieces of information into an interpretable and useful format is a tricky task even when an information fusion method is chosen. The use of formal concept analysis and pattern structures enables us to associate subsets of sources to combination results obtainable from consistent subsets of pieces of information. This provides a lattice of arguments where the reliability of sources can be taken into account. Instead of providing a unique fusion result, the method yields a structured view of partial results labelled by subsets of sources and allows us to argue about the most appropriate evaluation. The approach is illustrated with an experiment on a real-world application to decision aid in agricultural practices.

Zainab Assaghir, Mehdi Kaytoue, Wagner Meira Jr., Jean Villerd Extracting Decision Trees from Interval Pattern Concept Lattices CEUR-WS.org 2011

Formal Concept Analysis (FCA) and concept lattices have shown their effectiveness for binary clustering and concept learning. Moreover, several links between FCA and unsupervised data mining tasks such as itemset mining and association rules extraction have been emphasized. Several works also studied FCA in a supervised framework, showing that popular machine learning tools such as decision trees can be extracted from concept lattices. In this paper, we investigate the links between FCA and decision trees with numerical data. Recent works showed the efficiency of "pattern structures" to handle numerical data in FCA, compared to traditional discretization methods such as conceptual scaling.

Zainab Assaghir, Mehdi Kaytoue-Uberall, Amedeo Napoli, Henri Prade Organiser la fusion d'informations par l'analyse formelle de concepts Hermann-Editions 2011

Le problème étudié dans cet article est la fusion d’informations provenant de différentes sources : il s’agit de constituer une nouvelle information en fusionnant celles qui sont délivrées par les sources. Le problème de la fusion devient délicat surtout quand les sources fournissent des informations contradictoires. Parfois, les résultats de la fusion globale, appliquée à l’ensemble de toutes les sources, ne peuvent pas être directement utilisés pour une décision. Dans ce papier, nous utiliserons l’analyse formelle de concepts pour organiser les résultats des méthodes de fusion d’informations numériques. Cette approche permet d’associer un sous-ensemble de sources avec son résultat de fusion. Quand le résultat global de la fusion est imprécis, la méthode permet à l’utilisateur d’identifier un sous-ensemble maximal de sources qui a un résultat de fusion plus précis et utile.Enfin, une expérience en agronomie nous sert de première validation pour l’aide à la décision de pratiques agricoles

Mehdi Kaytoue, Zainab Assaghir, Nizar Messai, Amedeo Napoli Classification de données numériques par treillis de concepts basée sur une similarité symbolique/numérique 2010

Mehdi Kaytoue, Zainab Assaghir, Nizar Messai, Amedeo Napoli Complémentarité de deux méthodes de classification pour la construction de treillis de concepts à partir de données numériques 2010

Zainab Assaghir Analyse formelle de concepts et fusion d'informations : application à l'estimation et au contrôle d'incertitude des indicateurs agri-environnementaux 2010

La fusion d'informations consiste à résumer plusieurs informations provenant des différentes sources en une information exploitable et utile pour l'utilisateur. Le problème de la fusion est délicat surtout quand les informations délivrées sont incohérentes et hétérogènes. Les résultats de la fusion ne sont pas souvent exploitable et utilisables pour prendre une décision, quand ils sont imprécis. C'est généralement due au fait que les informations sont incohérentes. Plusieurs méthodes de fusion sont proposées pour combiner les informations imparfaites et elles appliquent l'opérateur de fusion sur l'ensemble de toutes les sources et considèrent le résultat tel qu'il est. Dans ce travail, nous proposons une méthode de fusion fondée sur l'Analyse Formelle de Concepts, en particulier son extension pour les données numériques : les structures de patrons. Cette méthode permet d'associer chaque sous-ensemble de sources avec son résultat de fusion. Toutefois l'opérateur de fusion est choisi, alors un treillis de concept est construit. Ce treillis fournit une classification intéressante des sources et leurs résultats de fusion. De plus, le treillis garde l'origine de l'information. Quand le résultat global de la fusion est imprécis, la méthode permet à l'utilisateur d'identifier les sous-ensemble maximaux de sources qui supportent une bonne décision. La méthode fournit une vue structurée de la fusion globale appliquée à l'ensemble de toutes les sources et des résultats partiels de la fusion marqués d'un sous-ensemble de sources. Dans ce travail, nous avons considéré les informations numériques représentées dans le cadre de la théorie des possibilités et nous avons utilisé trois sortes d'opérateurs pour construire le treillis de concepts. Une application dans le monde agricole, où la question de l'expert est d'estimer des valeurs des caractéristiques de pesticide provenant de plusieurs sources, pour calculer des indices environnementaux est détaillée pour évaluer la méthode de fusion proposée.

Mehdi Kaytoue, Zainab Assaghir, Amedeo Napoli, Sergei O. Kuznetsov Embedding tolerance relations in formal concept analysis: an application in information fusion ACM 2010

This paper shows how to embed a similarity relation between complex descriptions in concept lattices. We formalize similarity by a tolerance relation: objects are grouped within a same concept when having similar descriptions, extending the ability of FCA to deal with complex data. We propose two different approaches. A first classical manner defines a discretization procedure. A second way consists in representing data by pattern structures, from which a pattern concept lattice can be constructed directly. In this case, considering a tolerance relation can be mathematically defined by a projection in a meet-semi-lattice. This allows to use concept lattices for their knowledge representation and reasoning abilities without transforming data. We show finally that resulting lattices are useful for solving information fusion problems.

Mehdi Kaytoue, Zainab Assaghir, Nizar Messai, Amedeo Napoli Two Complementary Classification Methods for Designing a Concept Lattice from Interval Data Springer 2010

This paper holds on the application of two classification methods based on formal concept analysis (FCA) to interval data. The first method uses a similarity between objects while the second considers so-called pattern structures. We deeply detail these methods in order to show their close links. This parallel study helps understanding complex data with concept lattices. We explain how the second method obtains same results and how to handle missing values. Most importantly, this is achieved in full compliance with the FCA-framework, and thus benefits from existing and efficient tools such as algorithms. Finally, an experiment on real-world data in agronomy has been carried out for decision helping in agricultural practices

Zainab Assaghir, Mehdi Kaytoue, Amedeo Napoli, Henri Prade Managing Information Fusion with Formal Concept Analysis Springer 2010

The main problem addressed in this paper is the merging of numerical information provided by several sources (databases, experts...). Merging pieces of information into an interpretable and useful format is a tricky task even when an information fusion method is chosen. Fusion results may not be in suitable form for being used in decision analysis. This is generally due to the fact that information sources are heterogeneous and provide inconsistent information, which may lead to imprecise results. In this paper, we propose the use of Formal Concept Analysis and more specifically pattern structures for organizing the results of fusion methods. This allows us to associate any subset of sources with its information fusion result. Once a fusion operator is chosen, a concept lattice is built. With examples throughout this paper, we show that this concept lattice gives an interesting classification of fusion results. When the fusion global result is too imprecise, the method enables the users to identify what maximal subset of sources that would support a more precise and useful result. Instead of providing a unique fusion result, the method yields a structured view of partial results labelled by subsets of sources. Finally, an experiment on a real-world application has been carried out for decision aid in agricultural practices.

Zainab Assaghir, Mehdi Kaytoue, Henri Prade A Possibility Theory-Oriented Discussion of Conceptual Pattern Structures Springer 2010

A fruitful analogy between possibility theory and formal concept analysis has recently contributed to show the interest of introducing new operators in this latter setting. In particular, another Galois connection, distinct from the classical one that defines formal concepts, has been laid bare which allows for the decomposition of a formal context into sub-contexts when possible. This paper pursues a similar investigation by considering pattern structures which are known to offer a generalization of formal concept analysis. The new operators as well as the other Galois connection are introduced in this framework, where an object is associated to a structured description rather than just to its set of properties. The description may take many different forms. In this paper, we more particularly focus on two important particular cases, namely ordered lists of intervals, and propositional knowledge bases, which both allow for incomplete descriptions. They are then extended to fuzzy and uncertain descriptions by introducing fuzzy intervals and possibilistic logic bases respectively in these two settings.

Mehdi Kaytoue, Sergei O. Kuznetsov, Zainab Assaghir, Amedeo Napoli Embedding Tolerance Relations in Concept Lattices - An application in Information Fusion 2010

Formal Concept Analysis (FCA) is a well founded mathematical framework used for conceptual classification and knowledge management. Given a binary table describing a relation b etween ob jects and attributes, FCA consists in building a set of concepts organized by a subsumption relation within a concept lattice. Accordingly, FCA requires to transform complex data, e.g. numb ers, intervals, graphs, into binary data leading to loss of information and p o or interpretability of ob ject classes. In this pap er, we prop ose a pre-pro cessing metho d pro ducing binary data from complex data taking advantage of similarity b etween ob jects. As a result, the concept lattice is comp osed of classes b eing maximal sets of pairwise similar ob jects. This metho d is based on FCA and on a formalization of similarity as a tolerance relation (reflexive and symmetric). It applies to complex ob ject descriptions and esp ecially here to interval data. Moreover, it can b e applied to any kind of structured data for which a similarity can b e defined (sequences, graphs, etc.). Finally, an application highlights that the resulting concept lattice plays an imp ortant role in information fusion problem, as illustrated with a real-world example in agronomy

Zainab Assaghir Formal Concept Analysis and Possibility theory : control and estimation of uncertainty of the agricultural indicator 2010

La fusion d'informations consiste à résumer plusieurs informations provenant des différentes sources en une information exploitable et utile pour l'utilisateur. Le problème de la fusion est délicat surtout quand les informations délivrées sont incohérentes et hétérogènes. Les résultats de la fusion ne sont pas souvent exploitable et utilisables pour prendre une décision, quand ils sont imprécis. C'est généralement due au fait que les informations sont incohérentes. Plusieurs méthodes de fusion sont proposées pour combiner les informations imparfaites et elles appliquent l'opérateur de fusion sur l'ensemble de toutes les sources et considèrent le résultat tel qu'il est. Dans ce travail, nous proposons une méthode de fusion fondée sur l'Analyse Formelle de Concepts, en particulier son extension pour les données numériques : les structures de patrons. Cette méthode permet d'associer chaque sous-ensemble de sources avec son résultat de fusion. Toutefois l'opérateur de fusion est choisi, alors un treillis de concept est construit. Ce treillis fournit une classification intéressante des sources et leurs résultats de fusion. De plus, le treillis garde l'origine de l'information. Quand le résultat global de la fusion est imprécis, la méthode permet à l'utilisateur d'identifier les sous-ensemble maximaux de sources qui supportent une bonne décision. La méthode fournit une vue structurée de la fusion globale appliquée à l'ensemble de toutes les sources et des résultats partiels de la fusion marqués d'un sous-ensemble de sources. Dans ce travail, nous avons considéré les informations numériques représentées dans le cadre de la théorie des possibilités et nous avons utilisé trois sortes d'opérateurs pour construire le treillis de concepts. Une application dans le monde agricole, où la question de l'expert est d'estimer des valeurs des caractéristiques de pesticide provenant de plusieurs sources, pour calculer des indices environnementaux est détaillée pour évaluer la méthode de fusion proposée

Zainab Assaghir, Mehdi Kaytoue, Nizar Messai, Amedeo Napoli On the mining of interval data with Formal Concept Analysis 2009

Zainab Assaghir, Mehdi Kaytoue, Amedeo Napoli, Henri Prade Organisation de la fusion d'informations avec l'analyse formelle de concepts 2009

Zainab Assaghir, Mehdi Kaytoue, Nizar Messai, Amedeo Napoli An approach based on Formal Concept Analysis for mining numerical data 2009

Zainab Assaghir, Philippe Girardin, Amedeo Napoli Fuzzy Logic Approach to Represent and Propagate Imprecision in Agri-Environmental Indicator Assessment 2009

The indicator of groundwater contamination developed and used in agriculture is calculated from data available in the field or data estimated by an expert. The modeling of this indicator generally requires a large number of parameters whose measure is imprecise. Several information sources provide information about the same imprecise quantities which have to be combined for defining what is called an ”indicator of groundwater contamination” (Igro). This indicator estimates the impact of cultivation practices on the groundwater contamination. In this paper, we explore a possibilistic information fusion method by using the notion of maximal coherent subsets to represent the imprecisions of multisource variables of the indicator. We also calculate the bounds of this indicator, and we propagate imprecision by using an interval analysis. Finally, we present the indicator’s results for pesticides applied on different crops.

Zainab Assaghir, Philippe Girardin, Amedeo Napoli Utilisation de la théorie des possibilités pour calculer un indicateur agri-envirennemental 2008

Languages
Arabic

Full professional proficiency

English

Full professional proficiency

French

Full professional proficiency