Graphes RDF et leur Manipulation
pour la Gestion de Connaissances
soutenance d’Habilitation à Diriger les Recherches.
Fabien L. Gandon, Edelweiss, Inria
n² n
n

µCV
INSA : ingénieur maths appliquées
et DEA images & SB connaissances.
ACACIA, INRIA : doctorant IA distribuée
& web sémantique pour mémoires
d’entreprises à base d’ontologies.
Carnegie‐Mellon University : post‐doc
sur accès mobiles aux services & vie
privée.
EDELWEISS, INRIA : CR, communautés.
2

matérialiser et utiliser des
mémoires collectives
•hybrides : documents‐représentations
•intrawebs sémantiques, communautés
•représentations et traitements à base de graphes
•serveurs de connaissances distribué(e)s
•utilisation et interaction
3

1, mémoires
numériques collectives
4

cube(x) cube(y) cube(z)
couleur(x, bleu)
couleur(y, jaune)
couleur(z, rouge)
droite(z, y) droite(y, x)
ontologie:
o cube() couleur(,) gauche(,)
o cube(?a)⇒objet(?a)
o gauche(?a,?b)⇔droite(?b,?a)
5

• conceptualisation partielle
• propriétés de catégories
• formalisation pour traitement
ontologie
6

= personnalisés
accès mobiles à des services de CMU
[NSF & DARPA]
7

8

[INRIA & I3S]
un wiki dans le web sémantique
9

10

Knowledge Management Platform
pour la gestion des partenariats sur Sophia
[RNRT]
11

12

2, représenter
des connaissances et
les doter d’une
inscription numérique
13

W3C©
14

W3C©
15

W3C®
16

RDF, toute connaissance est décomposée en
triplets ( sujet , prédicat , objet )
arcs ( nœud, arête , nœud )
17

ex : doc.html a pour auteur Fabien
et a pour thème la Musique
18

doc.html a pour auteur Fabien
doc.html a pour thème Musique
19

Fabien
auteur
doc.html
thème
Musique
20

graphes
du web sémantique
21

GRIWES [COLOR, LIRMM, I3S]
Graphes dans les Représentations et les
Inférences sur le Web et Systèmes symboliques
22

ERGraph
G=(EG, RG, nG, lG)
• EG entités
• RG hyperarcs
• nG : RG → EG* arguments
• lG : EG ∪ RG → L étiquettes
23

EMapping
une relation binaire qui associe chaque
élément d’un ERGraph EH
avec au plus un
élément d’un ERGraph EG
24

vissés(x,y) soudés(z,v)
vissés(y,z) soudés(z,u) *
vissés vissés
soudés(u,v) x z
y
vissés vissés
vissés(x,?p) vissés(?p,z) x z
soudés soudés
u v
25

langage de requête
SPARQL
SELECT ...
FROM ...
WHERE { ... }
26

RDFS pour définir les classes de
ressources et organiser leur
hiérarchie Document
Rapport
27

RDFS pour définir les relations,
leur hiérarchie et leurs
signatures créateur
auteur
Document Personne
28

véhicule véhicule
GR
O voiture(x)⇒véhicule(x)
voiture
voiture GF
F∧Omodulo une ontologie F ≤ GR
mapping
→R⇔G
29

EMapping
opération centrale :
interroger,
raisonner,
visualiser,
…
30

extension de RDF/XML pour déclarer la
http://.../rdfsource.html provenance
dc:title
dc:creator
http://...#me RDF Source
foaf:mbox rdf:type
foaf:name
mailto:fgandon@inria.fr foaf:Person Fabien Gandon
31

extension de RDF/XML pour déclarer la
http://.../rdfsource.html provenance
dc:title http://www.w3.org
dc:creator
http://www.w3.org
http://...#me RDF Source
foaf:mbox rdf:type
foaf:name
http:// www.inria.fr
http:// www.inria.fr http:// www.inria.fr
mailto:fgandon@inria.fr foaf:Person Fabien Gandon
32

3, espaces métriques des graphes de
connaissances
33

distances sémantiques
métaphore mathématique pour une comparaison
intuitive
34

simuler la mémoire
sémantique est une idée ancienne
(Quillian, 1968) (Collins & Loftus, 1975)
mais avec de nouveaux besoins
35

ma montre n'a qu'une aiguille
mais elle n'est pas cassée.
de l'intérêt d'un à peu près
36

projection
classique
véhicule
voiture(x)⇒véhicule(x)
voiture
t1 < t2 i.e. t1(x)⇒t2(x) T1 ⊂ T2
37

relaxer
une contrainte de typage
voiture
voiture(x) .... camion(x)
camion
t1(x)⇒t2(x) → d(t1,t2)<seuil
(
∀(t1 , t2 ) ∈ H c on a dist (t1 , t2 ) = min{t ≥t1 ,t ≥t 2 } lH c (t1 , t ) + lH c (t2 , t )
2
)
⎡ 1 ⎤
∀(t1 , t 2 ) ∈ H c ; t1 ≤ t 2 on a l H c (t1 , t 2 ) = ∑{t∈ t ,t
2
,t ≠ t1 } ⎢ depth ( t ) ⎥
1 2
⎣2 ⎦ 38

organiser
un tas d'objets
39

Clusters (groups of
bubbles) represent
complementary
competencies i.e.
similar from
technology stand
point
Market : Telecoms
Bubbles (circles)
represent similar
competences ; their
size represent their
frequency
Market : SI Market : IT Applications
organiser
des compétences
Prof. 2
Racines (38 termes)
Prof. 2
Compétences (36 termes)
Echanges (70 termes)
Actions (116 termes)
Délivrables (145 termes)
Prof. 12
Sys. Offres (120 termes)
Ressources (616 termes)
+3 +41 +43 +180
40

distCH (t1, t2 ) = max
∀st ≤ lcst ( t1 , t 2 )
(dist(st, lcst(t1, t2 ))) quand t1 ≠ t2
distCH (t1 , t2 ) = 0 quand t1 = t2 1.7
5
1 1 1
dist (t1 , t2 ) = depth ( lcst ( t ,t )) − 2 − depth ( t ) −1 − depth ( t 2 ) −1
2 1 2
2 2 1 .75
.5
.25
A B C D E F G H I J K L M N
0
organiser
des compétences
Prof. 2
Racines (38 termes)
Prof. 2
Compétences (36 termes)
Echanges (70 termes)
Actions (116 termes)
Délivrables (145 termes)
Prof. 12
Sys. Offres (120 termes)
Ressources (616 termes)
+3 +41 +43 +180
41

42

séparer deux aspects
métaphore mathématique
les « distances » au naturel
simulations informatiques
espaces & métriques, double conception
43

tester
les « distances » au naturel
44

tester
les distances au naturel
camion...
45

intension & intention d'usage
utilisables dans un même graphe concis
sous‐type‐et‐signature Technologie
Réseau Appareil
Sans-fil Téléphone
connexion
GSM Wifi Cellulaire
Définition formelle de l’espace (métrique) :
domain(Tp, Tx) ⇒ sous‐type‐et‐signature (Tp, Tx, wsig)
range(Tp, Tx) ⇒ sous‐type‐et‐signature (Tp, Tx, wsig)
subClassOf(Ty, Tx) ⇒ sous‐type‐et‐signature(Ty, Tx, wclass)
subPropertyOf(Ty, Tx) ⇒ sous‐type‐et‐signature(Ty, Tx, wprop)
sous‐type‐et‐signature(Tx,Ty, w) ⇔ sous‐type‐et‐signature(Tx,Ty, w)
46

intension & intention d'usage
désambigüiser l'extraction de termes
90,00
80,00
70,00
60,00
50,00
[Khelif et al.]
wclass 0.2
wprop 0.4
wsig 0.4
Définition formelle de l’espace (métrique) :
domain(Tp, Tx) ⇒ sous‐type‐et‐signature (Tp, Tx, wsig)
range(Tp, Tx) ⇒ sous‐type‐et‐signature (Tp, Tx, wsig)
subClassOf(Ty, Tx) ⇒ sous‐type‐et‐signature(Ty, Tx, wclass)
subPropertyOf(Ty, Tx) ⇒ sous‐type‐et‐signature(Ty, Tx, wprop)
sous‐type‐et‐signature(Tx,Ty, w) ⇔ sous‐type‐et‐signature(Tx,Ty, w)
47

4, le
problème
des
ressources
distribuées
48

graphes
distribués
49

quelques
serveurs
identiques
RDF
RDF
service web service web
SPARQL
service web application web
RDF
RDF
50

éviter le
broadcast
51

52

index de serveur
caractériser son contenu :
les étoiles et les chemins
53

annotation
ex:A rdf:type idg:Car .
ex:A es:includes ex:B .
ex:B rdf:type id:Door .
ex:B es:includes ex:C .
ex:C rdf:type id:Window .
ex:C es:fixedBy ex:D .
ex:A es:height \"1.219\" .
ex:A es:width \"1.497\" .
ex:A es:madeOf ex:E .
54

étoile
ex:A rdf:type idg:Car .
ex:A es:includes ex:B .
ex:B
ex:B
rdf:type id:Door .
es:includes ex:C . ex:A
ex:C rdf:type id:Window .
ex:C es:fixedBy ex:D .
ex:A es:height \"1.219\" .
ex:A es:width \"1.497\" .
ex:A es:madeOf ex:E .
55

chemin
ex:A rdf:type idg:Car .
ex:A
ex:A es:includes ex:B .
ex:B
ex:B
rdf:type id:Door .
es:includes ex:C . ex:B
ex:C rdf:type id:Window .
ex:C es:fixedBy ex:D .
ex:A
ex:A
es:height \"1.219\" .
es:width \"1.497\" .
ex:C
ex:A es:madeOf ex:E .
ex:D
56

57

chemin d'index
CI(x,y) =<t0, p0, t1, p1, t2..., pn‐1, tn>
étoile d'index
E(x) = ((tx, p0, t0), (tx, p1, t2)... (tx, pn, tn))
58

Car A
includes
Door D
fixedBy
Bolt B
madeOf
Steel S 59

Car *
includes
Door *
fixedBy
Bolt *
madeOf
Steel * 60

parcours
en profondeur à partir de chemins /
étoiles de taille 1 ; écrit en SPARQL
61

l’index des chemins et étoiles est une
annotation
RDF
62

connaître les autres
serveurs
RDF
RDF
RDF
RDF
63

découpage
en sous requêtes (étoiles/chemins)
64

0.3% es:Bolt67
precision length
unit value
inch 1.3
?x filter(!isBLANK(?x))
65

• gestion de connaissances
• gestion de ressources
• intégration d’applications
• services distribués
web • des ressources comme les autres
services sémantiques
66

services annotés et recherchés
sémantiquement
annuaire
2 1
3
demandeur client service fournisseur
67

nom Téléphone Assistante tel Téléphone → Nom nom
employé assistante
68

?s1 rdf:type proc:Process
?s2 rdf:type proc:Process
?s1 proc:hasInput ?input
?s2 proc:hasOutput ?output
?input sawsdl:modelRef ?inType inType
?output sawsdl:modelRef ?outType
?outType rdfs:subPropertyOf ?inType
⇒
?s2 proc:composable ?s1 outType
composable !
69

?s1 all::proc:composable[4] ?s2
?s1 proc:hasInput ?param1
?s2 proc:hasOutput ?param2
?param1 sawsdl:modelRef c:employeeName
?param2 sawsdl:modelRef c:assistantName
composable ?
70

5, l’importance de la
présentation
71

groupement
A C N inférence & ontologie
B L
D
M
E D N
F
L
K M
G H
I J E D
F L
K
G
J E
F L
K E
G
J
K
J
72

73

secteurs angulaires
dans le squelette taxinomique
74

75

substituts en recherche d’information
76

conditions d’identité…
φ(x)∧φ(y) → ( ρ(x,y) ↔ x = y )
∀x (x ∈ α ⊃ nec (x ∈ α))
…minimales
Minimal(ρ) ↔ [ρ(x,y) ↔ ∧i ti(x,y)]
∧ [ ¬∃ ρ' ; IC (ρ') ∧ [ρ'(x,y) ↔ ∧j tj(x,y)] ∧ {tj}⊂{ti}]
et substitut d’affichage
Minimal(ρ) ∧ [ [ρ(x,y) ↔ ∧i ti(x,y)] →
∃ S; Surrogate (S) ∧ S≡{property pj ; pj used in ti(x,y)} ]
77

équivalences ou définitions sous forme de
règles
01 IF [Person: ?p1]->(name)->?n
02 ->(firstname)->?f
03 ->(birthdate)->?d
04 AND [Person: ?p2]->(name)->?n
05 ->(firstname)->?f
06 ->(birthdate)->?d
07 THEN [Person:?p1]->(equivalent)-
01 IF [Person: ?p]-(govern)-[Republic:
02 THEN [President:?p]
78

ouvrages & auteurs
?d rdf:type ex:Document
?d ex:author ?a
?a rdf:type ex:Person
?a ex:name ?n
FILTER( regex( ?n, \".*aiman.*\"))
79

réponse avant…
• Novel (http://isbn.nu/0380789035)
author Man (http://www.neilgaiman.com/)
name: Gaiman
• Article (http://www.asee.org/jee/papers/content.cfm?name=STEPHEN-209.pdf)
author Woman (http://www.mgt.ncsu.edu/faculty/busmgt/laiman-smith.html)
name: Aiman-Smith
80

réponse après…
• Novel (http://isbn.nu/0380789035)
title: American Gods
date: April 30, 2002
author Man (http://www.neilgaiman.com/)
name: Gaiman
first name: Neil
• Article (http://www.asee.org/jee/papers/content.cfm?name=STEPHEN-209.pdf)
title: Algorithm for High Technology Engineering and
Management Education
author Woman (http://www.mgt.ncsu.edu/faculty/busmgt/laiman-smith.html)
name: Aiman-Smith
first name: Lynda
e-mail: lynda_aiman-smith@ncsu.edu
81

User Interaction
Agent
FIPA ACL messages and OWL Content
Directory Facilitator
Agent (FIPA)
Agent Management
Agent (FIPA)
e-Wallet Manager
Agent
Ontologist
Agent
Task-Specific
Agents JADE platform
82

User Interaction
Agent
FIPA ACL messages and OWL Content
Directory Facilitator
Agent (FIPA)
Agent Management
Agent (FIPA)
XSLT OWL (ontologies,
annotations) Rules
(definitions, services,
privacy) Queries
JESS e-Wallet Manager
edition Agent
results
Ontologist
Agent
Task-Specific
Agents JADE platform
83

• connaissance statique et dynamique
• services & règles d’invocation
• règles contrôle d’accès
• règles de révision par abstraction ou falsification
interactions minimales & confidentialité
84

Déclarer Déclarer besoins élémentaires en Faire appel
Requête contexte Pré‐vérification
information et connaissances
des autorisations
requête autorisations nécessaires locales
e- Faire appel services
personnels /
Résultat Assertion Application règles Post‐vérification des publics
connaissance autorisée de révision autorisations
Exemple: Norman demande la position géographique de Fabien
1‐ \"l’expéditeur de la requête est Norman\", \"requête arrivée à 15H34\"
2‐ besoins = \"où se trouve Fabien\" + autorisation accès localisation
3‐ (a) Norman peut‐il demander à localiser Fabien d’après ce que l’on sait?
(b) \"mes collègues de travail peuvent connaître le bâtiment où je me trouve,
lorsque je suis sur le campus\"
(c) Norman est‐il un collègue de travail? Oui
4‐ Pas de réponse dans les connaissances statiques / locales.
5‐ Règles= le réseau sans‐fil permet localisation; champ ‘lieu’ de l’agenda
6‐ Fabien est‐il sur le campus? Oui
7‐ Fabien n'est disposé à révéler que le bâtiment où il se trouve
8‐ “Fabien est dans le bâtiment Borel”
85

condensé
• plusieurs projets de mémoires
• utilisation web sémantique et
contributions (RDF source)
• modèles de graphes (Griwes) et
caractérisation de leurs espaces
métriques
• requêtes et services distribués
• interfaces et interactions intelligentes
86

présentation filtrée
• gestion des connaissances et des
ontologies
• gestion de sources externes
distribuées ; GRDDL
• serveurs (Sewese) et applications
(SweetWiki) web sémantique ; RDFa
• web sémantique & web social
87

• publications : Journal of Web Semantics, IEEE Intelligent
Systems, ICCS, EKAW, ICIW, WWW/Internet, WWWC Dev
track, WikiSym ACM, ISWC, WI IEEE/ACM, AMKM AAAI,…
• enseignements : Master Polytech’Nice, Licence Pro,
UGB Saint Louis (Sénégal), tutoriel EGC
• encadrements : 3 doctorants, 1 post‐doc, 3 ingénieurs,
9 masters
• conférencier : Centrale Paris, Ecole des Mines St Etienne
Univ. Liège, W3C Seminar, IST
• standardisation : W3C: SWBPD (2004‐2006), GRDDL
(2006‐2007), SWD / RDFa TF (2006‐2008)
• comités internationaux : 12 journaux, 10 conf., 13 ateliers
diffusion sur 6 ans… 88

perspectives
• continuum de schémas & ontologies
à l’état sauvage [Limpens]
• compositionײ d’espaces métriques
• index par motifs quelconques [Basse]
• sémantique–sémiotique (Fresnel )
• sémantique & réseaux sociaux [Erétéo]
• ANR ISICIL 2009‐2011
89

WEB
science
90

des dizaines de milliards
de triplets en ligne, RDF a pris son envol (e.g. http://sindice.com/ )
91

pour gérer une diversité
rien de tel que d’utiliser une autre diversité
92

diversité des métadonnées
pour gérer les diversités des ressources,
et permettre les passages à l’échelle.
… nombre des ressources,
… hétérogénéité des représentations,
… foule des utilisateurs,
… diversité des matériels,
… multiplication des applications/services,
… accélération des cycles de vie.
93

demain, celui qui contrôlera les métadonnées,
contrôlera informations & services
à toutes les échelles.
94

95