Les Ontologies dans les Systèmes d’Information

7,743 views

Published on

Presentation faite pour la formation enitab a partir d'un chapitre d'ouvrage ROUSSEY, C., FRANÇOIS PINET, KANG, M.A., CORCHO, O. - 2009. How ontologies are used for software interoperability. Chapter to appear in: Use of Ontologies to Support Information Interoperability, Springer, 52 pages disponible ici http://www.towntology.net/towntologyreferences.php

Published in: Technology, Travel, Business
3 Comments
5 Likes
Statistics
Notes
No Downloads
Views
Total views
7,743
On SlideShare
0
From Embeds
0
Number of Embeds
5
Actions
Shares
0
Downloads
608
Comments
3
Likes
5
Embeds 0
No embeds

No notes for slide

Les Ontologies dans les Systèmes d’Information

  1. 1. Les Ontologies dans les Systèmes d’Information Catherine ROUSSEY catherine.roussey@cemagref.fr Université de Lyon CNRS, Université Lyon 1, LIRIS UMR5205, Villeurbanne, France CEMAGREF, 24 Av. des Landais, BP 50085, 63172 Aubière, France ROUSSEY, C., FRANÇOIS PINET, KANG, M.A., CORCHO, O. - 2009. How ontologies are used for software interoperability. Chapter to appear in: Use of Ontologies to Support Information Interoperability, Springer, 52 pages http://www.towntology.net/towntologyreferences.php
  2. 2. Plan  Donnée, Information, Connaissance  Historique des Ontologies  Ontologie(s): Définitions  Interopérabilité: Définition ◦ Type d’ontologie / type d’interroperabilité ◦ Information ontology ◦ Linguistic ontology ◦ Software ontology ◦ Formal ontology  Construction d’ontologies: les bases 13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 2
  3. 3. Données, Informations, Connaissances  Donnée: est un élément d’information manipulable par un ordinateur et percevable par un humain ◦ 17  Information: données + sens + contexte (pour l’humain)  type (pour la machine) ◦ Information structurée  BD  17 ° une valeur numérique de type température ◦ Information non structurée  texte brut  Un texte brut pour la machine = une séquence de caractères  type document ◦ Information semi structurée  page HTML  Le texte est structuré en partie : titre, paragraphe etc… une forme de typage plus fin de séquence de caractères  Connaissance (pour l’humain): information + stabilité + croyance (vrai ou faux) ◦ Une sorte de généralisation d’un ensemble d’information ◦ La connaissance est toujours propre à une personne et peut être partagée par d’autres personnes ◦ Une température en France est comprise entre -30 et +40 Zins, C., (2007).Conceptual approaches for defining "Data", "Information", and "Knowledge". Journal of the American Society for Information Science (JASIST), 58 (4). pp. 479-493. 13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 3
  4. 4. Données, Informations, Connaissances Classe objet au sens POO: information + généralisation + traitement  La classe « température » a des données avec des méthodes associées  calcul de la température moyenne d’une région: (17 + 22 + …) / N  La hiérarchie est construite sur les méthodes (les comportements)  Grace au typage (la classe) certains traitements sont impossibles ( addition de températures) 13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 4
  5. 5. Données, Informations, Connaissances Entité en BD Relationnelle: information + mémorisation + vérification  Stocker toutes les températures d’une région sur une période données  Données quantitatives et qualitatives ◦ Une valeur de température est associée à un nom de département.  Éviter la redondance pour éliminer les incohérences de Mise à Jour ◦ une table Région avec des ID (Clé Primaire)  Clé Etrangère dans une autre table  Organisation se construit sur le partage de données communes (inclusion d’attributs).  Vérifier la cohérence des données lors de l’insertion et de la MàJ contraintes d’intégrité  Hypothèses du monde fermé 13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 5
  6. 6. Données, Informations, Connaissances Connaissances formelles en IA: information + généralisation + vérification + raisonnement  Description qualitative des objets ◦ Une température = chaud, froid, tempéré  Raisonnement au sens informatique = un certains type de traitement ◦ Inférence = création de nouvelles connaissances ◦ Classification automatique d’un objet ou d’une classe dans une hiérarchie ◦ Validation du modèle de données (l’ensemble des définitions des classes sont elles cohérentes)  La hiérarchie est construite sur les propriétés (la description qualitative de la classe)  Hypothèse du monde ouvert 13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 6
  7. 7. Schéma général Résultat d’un processus d’apprentissage: HUMAIN Connaissances une généralisation d’un ensemble d’information que l’on va mémoriser Information Sens dans un contexte Données Perception Des traitement particuliers non lié au Connaissances en IA données: description qualitative MACHINE Description sous forme d’attribut Classes en POO (description quantitative & qualitative ) + méthodes (traitements) BD Relationnelle Données fortement structurées optimisées pour le stockage Différent niveau de granularité : information Données typées structurée  non structurées Données
  8. 8. Historique des Ontologies  Ontologie avec un O majuscule (philosophie):  une science: une branche de la métaphysique qui a pour objectif l’étude de l’être en tant qu’être, c'est-à-dire l'étude des propriétés générales de tout ce qui est… définition adaptée de Wikipedia  Ontologies au pluriel avec un o minuscule (informatique):  outils informatiques résultat d’une modélisation définition à suivre… Quels sont les modèles conceptuels que vous connaissez? 13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 8
  9. 9. Historique des Ontologies  Expert System  Knowledge based System  Knowledge separation from treatment in order to solve a specific problem or to achieve a task.  Knowledge reuse in different systems Method input Problem Solving Method Method output Described by Extended to mapping Domain Application Method ontology ontology ontology 13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 9
  10. 10. Definitions Ontologie…  Gruber 1993:  « an ontology is an explicit specification of a conceptualization. »  Borst 1997:  « ontologies are defined as a formal specification of a shared conceptualization. »  Studer 1998 :  « an ontology is a formal, explicit specification of a shared conceptualization.  Conceptualization refers to an abstract model of some phenomenon in the world by having identified the relevant concepts of that phenomenon.  Explicit means that the type of concepts used, and the constraints on their use are explicitly defined.  Formal refers to the fact that the ontology should be machine readable.  Shared reflects the notion that an ontology captures consensual knowledge, that is, it is not private of some individual but accepted by a group. 13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 10
  11. 11. Definitions Ontologie …  Guarino and Giaretta 1995:  « A logical theory which gives an explicit, partial account of a conceptualization »  Guarino 1998:  « a set of logical axioms designed to account for the intended meaning of a vocabulary » 13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 11
  12. 12. Definitions Ontologie …  Aussenac Gilles 2006:  « spécification normalisée représentant les classes des objets reconnus comme existant dans le domaine. Construire une ontologie, c’est aussi décider d’une manière d’être et d’exister des objets. »  Roche 2005:  « Définie pour un objectif donné et un domaine particulier,  une ontologie est pour l’ingénierie des connaissances une représentation d’une modélisation d’un domaine partagée par une communauté d’acteurs.  Objet informatique défini à l’aide d’un formalisme de représentation, elle se compose principalement d’un ensemble de concepts définis en compréhension, de relations et de propriétés logiques ». 13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 12
  13. 13. Ontologie = des choix 1. Choix des traitements/ usage: pourquoi faire? 2. K partagée ◦  consensus sur un domaine ◦ Théorie minimale pour comprendre le domaine 3. Modélisation ◦ Choisir des concepts ◦ Choisir des invariants ou primitives qui permettent de différencier les concepts les uns des autres  propriétés  relations ◦  construire une taxonomie (une hiérarchie) 4. Nommer les éléments ◦ Vocabulaire normalisé 5. Formalisme: ◦ choix d’un langage capable d’effectuer les traitements demandé en 1. 13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 13
  14. 14. Ontology : component  Termes: un vocabulaire normalisé  Concepts/classes/types : donne le sens de Lightweight termes  Définitions en Langages Naturels Ontology  Relations entre concepts  Propriétés/attributs de concepts  Taxonomie de concepts Heavyweight  Définitions formelles dans un langage de Ontology représentations des connaissances (Frames / LD …) ◦ Axiomes logiques ◦ Contraintes d’intégrités  Des fonctions (pour calculer une valeur)  Des règles (si X alors Y)  Des instances/individus Knowledge Base 13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 14
  15. 15. Ontology: component hasName * Property Logical Textual Relation * * Definition Definition 1 * 1 hasLabel hasArgument Semantic * Concept * * Relation hasName isInstanceOf hasID hasArgument Instance * Instance * * Relation * * 1 * hasArgument * Linguistic Term Relation 1 13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 15
  16. 16. Interopérabilité: Définition Interoperability is first defined as the ability of an information system or its components to share information and applications. Moreover, interoperability also includes knowledge sharing throughout the life cycle of information system: for example development and use. Fonseca, F., Egenhofer, M., Davis, C., and Borges, K (2000). Ontologies and Knowledge Sharing in Urban GIS. Computer, Environment and Urban Systems, 24(3): pp. 232-251. 2000 13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 16
  17. 17. Différents types d’intéropérabilité Linguistic Logical Ontology Theory Description Logique OWL Formal Conceptual Model UML ER Model Ontology Knowledge Increasing DB Schema XML Schema Taxonomy SKOS Thesaurus Lexical Database RDF List Software Controlled Vocabulary Ontology Glossary Plan Information Mind Map Ontology Human Lexical Data Knowledge Model Object Interoperability Interoperability Interoperability Interoperability Interoperability 13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 17 Increasing Interoperability Capibility
  18. 18. Classification des ontologies par spécialité Top Level or Foundational Ontology Core reference General Ontology Ontology Domain Ontology Task Ontology specialize Application or Local Ontology 13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 18
  19. 19. Information Ontology  composed of diagrams and sketches  only used by humans  clarify and organize the ideas of collaborators in the development of a project.  Easily modifiable and scalable  Synthetic and schematic 13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 19
  20. 20. Information Ontology: component Property * * hasLabel * Concept hasName isInstanceOf hasID hasArgument Instance * Instance * * Relation * * 1 Term 13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 20
  21. 21. Information Ontology: Format Screenshot of FreeMind 13/11/2009 http://freemind.sourceforge.net/wiki/index.php/Main_Page CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 21
  22. 22. Information Ontology: example architectural project Bouattour O., Halin G., Bignon J.-C.(2007). Management System For A Virtual Cooperative Project. In Proceeding of the eCAADe Conference, Frankfort, Allemagne, Septembre 2007 13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 22
  23. 23. Information Ontology: example urban planning process Kaza N., Hopkins L.D.(2007). Ontology for Land Development Decisions and Plans. In Ontologies for Urban Development: Interfacing Urban Information Systems , Teller J., Lee J., Roussey C. ed. University of Geneva 6,7 November 2006 . pp. 143-156. Studies in Computational Intelligence 61. Springer Verlag . ISBN 978-3-540-71975- 13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 23
  24. 24. Linguistic Ontology  terms are ambiguous ◦ A concept can be referenced by several terms ◦ A term can reference several concepts  define the vocabulary ◦ dictionary =list all the terms of a language  vocabulary normalization ◦ terminology agreement between a users’ community ◦ Choose one term for each concept that is the preferred label of only one concept.  Thesaurus relationships: equivalence, hierarchical and associative. 13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 24
  25. 25. Linguistic Ontology: component hasName * Textual Definition Relation * 1 hasPreferredLabel hasArgument Semantic 1 Concept * * Relation isInstanceOf hasID 1 Instance 1 1 * hasArgument * Linguistic Term Relation 1 13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 25
  26. 26. Linguistic Ontology: example The theme list of the GEMET thesaurus http://www.eionet.europa.eu/gemet/index_html?langcode=fr 13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 26
  27. 27. Linguistic Ontology: example Le thesaurus URBAMET http://portail.documentation.developpement- durable.gouv.fr/notx/Urbanisme/thesaurus/navigation.xhtml 13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 27
  28. 28. Linguistic Ontology: example http://www.iho.shom.fr/Dhydro/Html/site_edition/consultation.html 13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 28
  29. 29. Linguistic Ontology: example WordNet® = large lexical database of English http://wordnet.princeton.edu/ 13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 29
  30. 30. Linguistic Ontology: format SKOS: Simple Knowledge Organization System http://www.w3.org/2004/02/skos/intro 13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 30
  31. 31. Linguistic Ontology: format Douglas Richard Hofstadter. Gödel, Escher, Bach: an Eternal RDF Golden Braid. Basic Book 1999 (ISBN 0-465-02656-7) Resource Description Framework <rdf:Description rdf:about='http://cemagref/enitab/module7'> <titre>Les Ontologies dans les Systèmes d’Information</titre> <enseignant>Catherine Roussey</enseignant> </rdf:Description> 13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 31
  32. 32. Lexical Interoperability in Information Retrieval System Linguistic ontology blue Index docu query Indexing ment Matching Query Document Red docu index and Indexing ment Retrieve user query Gree Red blue n docu docu ment ment Indexing docu ment 32 13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS
  33. 33. Système Documentaire Multilingue SyDoM ROUSSEY, Catherine. Une méthode d'indexation sémantique adaptée aux corpus multilingues . Thèse : Institut National des Sciences Appliquées de Lyon, 2001, 196 p. 13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS Disponible sur http://docinsa.insa-lyon.fr/these/pont.php?&id=roussey 33
  34. 34. Lexical Interoperability Semantic Web Search Engine Metadata linguistic repository ontology blue annotations Web document Inference mapping identified by engine URI red annotations Query annotation Retrieve green annotations Neon Project de la FAO 13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 34
  35. 35. Software Ontology Software implementation driven ontologies  Conceptual schema for software development activities  Data storage  Data manipulation (method)  Data consistency (constraint) 13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 35
  36. 36. Software Ontology: component Property * * hasLabel hasArgument Semantic * Concept * * Relation hasName isInstanceOf hasID * Instance * * 1 Term 13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 36
  37. 37. Software Ontology: Example Top level structure of ISO 12006-3 represented through the EXPRESS-G graphical language Names S[1:?] 2,2 xtdName (ABS) Descriptions S[1:?] 2,3 1,2(3) xtdDescription xtdRoot References S[1:?] 2,4 xtdReference 1 (ABS) 1,1(3) 3,1 (ABS) 1,5(3) xtdObject xtdRelationship xtdCollection 1 *xtdNest xtdActor xtdSubject xtdBag xtdActivity 1,6(3) xtdUnit 1,4(3) 3,2 xtdMeasureWithUnit xtdProperty 1,3(3) ISO/DIS 12006-3 version 3. 2004. Building construction -- Organization of information about 37 13/11/2009CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS construction works – Part 3: Framework for object-oriented information
  38. 38. Software Ontology: Example Industry Foundation Classes IFC 13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 38 http://www.iai-tech.org/mvd/cv/IFC2x3/beta/html/Building.htm
  39. 39. Software Ontology: Examples  XMI: XML Metadata Interchange ◦ http://www.omg.org/technology/documents/fo rmal/xmi.htm  GML Geographic Markup Language ◦ http://www.opengis.net/gml/  … 13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 39
  40. 40. Data Interoperability: Data Exchange Format for a Software Chain Software Ontology Data exchange format Blue Green Red system system system Blue Green Red data data data 13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 40
  41. 41. Building Information Model http://www.xscad.com/  Outils 3D basé sur IFC  Un outil par expert  Échange de données entre experts  Problèmes identifiés + tôt  Gestion de l’avancement des http://www.tut.fi/units/rka/rtt/tutkimus/vbl/aurora_ii.pdf travaux  Repousse les décisions budgétaires à une phase de conception plus avancée 13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 41
  42. 42. Formal Ontology  Clear semantic using formal logics: ◦ Description Logic (DL) ◦ Conceptual Graph (CG) ◦ First Order Logic (FOL)  Reasonning ◦ Coherence, model validation 13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 42
  43. 43. Formal Ontology: component hasName * Property Logical Textual Relation * * Definition Definition 1 * 1 hasLabel hasArgument Semantic * Concept * * Relation hasName isInstanceOf hasID hasArgument Instance * Instance * * Relation * * 1 * hasArgument * Linguistic Term Relation 1 13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 43
  44. 44. Formal Ontology: example 13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 44 Trausan-Matu S.(2009). Ontology-Based Interoperability in Knowledge-Based Communication Systems. Chapter to appear in: Use of Ontologies to Support Information Interoperability, Springer
  45. 45. Formal Ontology: format OWL: Ontology Web Language  OWL Lite  OWL DL  OWL Full www.w3.org 2007 13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 45
  46. 46. Knowledge Model Interoperability: Information System Conception Ontologies Derivation links Conceptual Schema CLASSE B CLASSE A relation Attribute b1 Attribute a1 Attribute b2 Attribute a2 13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 46 Fonseca, F., Egenhofer, M., Davis, C., and Borges, K (2000). Ontologies and Knowledge Sharing in Urban GIS. Computer, Environment and Urban Systems, 24(3): pp. 232-251. 2000
  47. 47. user adapted interface development User Specific Interface Information Knowledge Sources Base Inhabitant Conceptual annotation OUPP links ontology databases Local Urbanist texts ontologies Instances 3D City Model Instance links Metral, C; Falquet, G; Karatzas, K (2007 A). Ontologies for the Integration of Air Quality 13/11/2009and 3D City Models. In proceeding of the 2nd Cost Action C21 – Towntology Workshop Models CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 47 Ontologies for urban development: conceptual models for practitioners ,Turin, October 2007
  48. 48. Object Interoperability: a global system related to local one retrieve query mapping Mediated Mediator virtual database Global schema Wrapper local local local for the Red schema schema schema DB Wrapper for the Blue DB 13/11/2009 Blue Green Red CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 48 data data data
  49. 49. IGN-E case : the Phenomen Ontology red database domain ontology query PhenomenOntology retrieve Mapping blue database Gomez-Pérez, A Ramos Gargantilla JA, Rodríguez Pascual A, Vilches Blázquez 13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX a hidden ontology Lecture LM (2008). The IGN-E case: Integrating through COMMUNICANTS 49 notes in geoinformation and cartography p 417-434
  50. 50. Construction d’Ontologies: les bases
  51. 51. Méthodes de construction d’ontologies Cycle de vie en plusieurs étapes 1. Spécification 2. Acquisition de Connaissances 3. Formalisation 4. Évaluation 5. Documentation 13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 51
  52. 52. Spécification  a quoi va servir l’ontologie?  Identifier le but de l’application  limiter le domaine ◦ les objets ◦ les usagers, les points de vues ◦ les sources documentaires ◦ Les autres ontologies  Trouver les questions auxquelles devra répondre l’ontologie.  Trouver les scénarios d’utilisation des connaissances 13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 52
  53. 53. Acquisition des connaissances  Réutiliser des ontologies existantes ◦ top level ontology ◦ Ontologie d’une partie du domaine ex. ontologie des unités  Identifier les termes importants ◦ normaliser le vocabulaire  Identifier les concepts et les relations du domaine ◦ Définition écrite en Langue Naturelle ◦ Trouver les conditions minimales et suffisantes pour dire qu’un objet appartient à une classe donnée. ◦ Trouver les différences entre classes sœurs et classe mère/ classe fille  Stratégie différente suivant les sources étudiées: ◦ Thesaurus, ◦ Base de données, ◦ texte etc… 13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 53
  54. 54. Construire la taxonomie de concepts  Hiérarchie avec une relation is a ou relation de subsomption  3 stratégies pour identifier les concepts  Bottom-up : ◦ spécialisé  général, ◦ concepts très détaillés pas nécessairement utiles  Top-down: ◦ général  spécialisé, ◦ facilite la cohérence et la réutilisation mais dirige la conception suivant un point de vue  Middle-out: ◦ concept important  spécialisé, général; ◦ ontologies modulaires, facilite la stabilité des résultats 13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 54
  55. 55. Formalisation  Coder l’ontologie dans un langage formel  des outils: Protégé, Kaon, OntoEdit …  Trouver les classes, les attributs, les types, les contraintes  Peupler l’ontologie: instancier les classes  base de connaissances 13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 55
  56. 56. Evaluation  Construction d’ontologie: un domaine récent  Valider la taxonomie: ◦ Pas de cycle ◦ Toutes les instances d’une classe sont aussi les instances de la classe mère ◦ Hiérarchie homogène: pas de classe isolée, pas de listes de sous classes trop importante  Tester l’application ◦ Répondre aux questions de la phase de spécification 13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 56
  57. 57. Documentation  Donner des explications ◦ Expliquer les choix de modélisation  Définition en langage naturel ◦ Concepts, propriétés, relations, contraintes  Lier les concepts aux sources dont sont issues les définitions 13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 57
  58. 58. Conclusion  Toutes les méthodes sont faites pour des experts en ontologies qui communiquent avec des experts du domaine  La phase d’acquisition des connaissances est la plus longue et la plus fastidieuse.  Écrire une ontologie valide n’est pas évident ◦ Différence entre un concept et un terme, une instance et une classe, … ◦ Trouver un consensus entre experts du domaine ◦ La relation partie-de n’est pas la relation hiérarchique de la taxonomie 13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 58
  59. 59. Bibliographie sur la construction d’ontologies  Outils ◦ Neon Toolkit ◦ KAON ◦ Protégé  Article de Références ◦ Gómez-Pérez, A. (1998). Knowledge sharing and reuse. Handbook of Applied Expert Systems. Liebowitz, editor, CRC Press. ◦ Gómez-Pérez, A., Fernandez-Lopéz, M., Corcho, 0 (2003). Ontological Engineering, Springer Editor. ◦ Uschold, M. and Gruninger, M. (1996). Ontologies: Principles, Methods and Applications. Knowledge Engineering Review 11(2) ◦ Gruber, T. R. Toward principles for the design of ontologies used for knowledge sharing. Padova, Italy, 1992. 13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 59
  60. 60. OWL DL Logique de Description
  61. 61. OWL DL: Composants  Classe = un ens d’individus  « datatype property » ◦ lie un individu à un type de données (ex: hasID)  « annotation property » ◦ lie un individu, une classe, une « property » à une métadonnée (ex: hasLabel)  « objects property » ◦ lie un individu à un individu (ex: hasPart)  Constructeurs : description des classes  Restrictions : crée des classes anonymes  Individus  base de connaissances Hai Wang, Alan Rector, Nick Drummond, Matthew Horridge, et al. OWL Pizzas: Practical Experience of Teaching OWL-DL: Common Errors & Common Patterns. EKAW 2004.
  62. 62. Classes  Classes = concepts = type de concepts  Classe nommée  Classe anonyme ◦ Un axiome pour décrire la classe ◦ Nom ?  Classe primitive  Classe définie ◦ Conditions nécessaires ◦ Conditions nécessaires et suffisantes ?  Classe équivalente ( )  sous classe ( )  Hiérarchie de classes = taxonomie
  63. 63. Constructeurs  Union de classes : ou logique  Intersection de classe : et logique  Négation de classe : le complément
  64. 64. Objects Property  « Functional property »: pour un individu donné il existe au plus une functional property ( ex: hasBirthMother)  « Inverse property »  « Transitive property »  « Symetric property »  « Domain » et « range »: définie la cible « range » et la source « domain » du lien entre des individus. ◦ Ce n’est pas une contrainte, c’est un axiome utilisé pour inférer, peut conduire à des incohérences
  65. 65. Restrictions  Existentiel restriction ( hasBirthMother.Thing) ◦ « Some » ◦ définie une classe anonyme contenant les individus qui ont au moins un lien par la property ◦ Les individus qui ont au moins une mère biologique  Universal restriction ( hasBirthMother.Human) ◦ « Only » ◦ définie une classe anonyme contenant les individus qui ,quand il possède un lien par la property hasBirthMother, la cible du lien est toujours de la classe Human ◦ Les individus qui n’ont pas de lien hasBirthMother appartiennent à cette classe !!! ◦ Only n’implique pas some !!!  Cardinality restriction ≥N hasPart.Thing
  66. 66. Raisonnements  Classification automatique de la taxonomie de classes (héritage multiple)  Détection automatique de l’appartenance d’un individu à une classe  Ontologie consistante  cohérence de la théorie? ◦ Pas de « unsatisfiable classe » ◦ Unsatisfiability = il n’y aura jamais un individu qui pourra appartenir à cette classe  Interrogation pour retrouver un ensemble d’individu répondant à un axiome.

×