ConféRence Nantes Dumas100320

635 views

Published on

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
635
On SlideShare
0
From Embeds
0
Number of Embeds
26
Actions
Shares
0
Downloads
11
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

ConféRence Nantes Dumas100320

  1. 1. Towards an Ontology of Territorial Intelligence Pour une ontologie de l’intelligence territoriale Philippe Dumas
  2. 2. Abstract   Why?   A tale of a 10 years small idea   For what purpose?   TI Community   How to proceed?   Motivation Ontology 25/03/10 Ph. Dumas
  3. 3. Once upon a time…. …. a little girl named Territ Intel (Territorial intelligence was about 12 years old) travelled in a Wonderland (Europe) She met the caterpillar on top of his mushroom …. Ontology 25/03/10 Ph. Dumas
  4. 4. `Who are you?' said the Caterpillar. This was not an encouraging opening for a conversation. Intel Territ replied, rather shyly, `I--I hardly know, sir, just at present-- at least I know who I was when I got up this morning, but I think I must have been changed several times since then.' Ontology 25/03/10 Ph. Dumas
  5. 5. Explain yourself! `What do you mean by that?' said the Caterpillar sternly. `Explain yourself!' `I can't explain myself, I'm afraid, sir' said Territ Intel, `because I'm not myself, you see.' `I don't see,' said the Caterpillar. `I'm afraid I can't put it more clearly,' Territ Intel replied very politely, `for I can't understand it myself to begin with; and being so many different sizes in a day is very confusing.' `It isn't,' said the Caterpillar. Ontology 25/03/10 Ph. Dumas
  6. 6. `Keep your temper,' said the Caterpillar. `You!' said the Caterpillar contemptuously. `Who are you?' …. Territ Intel felt a little irritated at the Caterpillar's making such very short remarks, and she drew herself up and said, very gravely, `I think, you ought to tell me who you are, first.' `Why?' said the Caterpillar. Here was another puzzling question; and as Territ Intel could not think of any good reason, and as the Caterpillar seemed to be in a very unpleasant state of mind, she turned away. Ontology 25/03/10 Ph. Dumas
  7. 7. Who? ….. Why? Ontological questions. Ontology 25/03/10 Ph. Dumas
  8. 8. Ontology (to be followed….) “The branch of metaphysics that deals with the nature of being" “A study of the ultimate nature of things" Ontology 25/03/10 Ph. Dumas
  9. 9. Who are you? And you, listener, who are you? Ontology 25/03/10 Ph. Dumas
  10. 10. Whoever you are   Whether   Rationalist, cartesianist, Frenchy, latin   Empiricist, opportunist, Anglo-saxon,   Deductivist   Inductivist   There is a time in the development of a science when you have to define your scientific object Ontology 25/03/10 Ph. Dumas
  11. 11. Unfortunately   For now 10 years, dozen of definitions have been proposed, without any one satisfactory   It has appeared that the concept of Territorial Intelligence is not reducible to a compact although encompassing discourse   It’s a matter of « complexity » in Morin’s acceptation   Any attempt of that sort proves to be reductionist, partial, biased Ontology 25/03/10 Ph. Dumas
  12. 12. An epistemological trick   In Besançon, 2007, we wrote:   « Territorial Intelligence is a polysemic expression. Its frontiers and contents are fuzzy. Its current definitions are numerous and sometimes contradictory. However its usage is wide spreading whatever the risk of confusion is.”   Hence the necessity to assess our object another way around    the idea of a dictionary    the idea of User-Generated Content (UGC) i.e. contributive Ontology 25/03/10 Ph. Dumas
  13. 13. A proof of the vitality of the concept 2007-2010 By Googling the Web Very similar for three languages Very different Ontology 25/03/10 Ph. Dumas
  14. 14. A progressive complexity Ontology Thesaurus Dictionary Vocabulary Ontology 25/03/10 Ph. Dumas
  15. 15. Why not a dictionary?   Vocabulary   No meaning   Dictionary   collection of words in a specific language, often listed alphabetically, with usage information, definitions, etymologies, phonetics, pronunciations,   Thesaurus   Collection of terms with hierarchical predefined and standardized relations Ontology 25/03/10 Ph. Dumas
  16. 16. Why an ontology?   More sexy?   More fashionable?   More geeky?   More complex   More meaning   More relational Ontology 25/03/10 Ph. Dumas
  17. 17. Ontology …   Est un accord sur une   Is an agreement on shared conceptualisation conceptualization, partagée et possibly partial éventuellement partielle.   Is a constructivist process   Se construit   Is possibly "systematic,   Eventuellement est formal, axiomatic « formelle » en ajoutant development of the logic une représentation of all forms and modes of explicite et systématique being" des propriété du modèle et de ses éléments Ontology 25/03/10 Ph. Dumas Olivier Dameron , http://websemantique.org/Ontologie
  18. 18. Why contributive?   User-Generated Content   Progressive   Evolving   Permanent learning   Collective intelligence   Following Wikipedia Ontology 25/03/10 Ph. Dumas
  19. 19. « Larousse met un vent à Wikipédia Gratuite et participative, l’encyclopédie mise en ligne aujourd’hui espère contrer sa rivale." Libération Mardi 13 mai 2008 Free and participative on-line encyclopedia aims at counter attack its rival. Ontology 25/03/10 Ph. Dumas
  20. 20. Apparently, it works with Larousse… Today (2010) thousands of contributions! Why not our community of Territ Intel? Ontology 25/03/10 Ph. Dumas
  21. 21. Why not for us? Aims and objectives of creating a contributive ontology of Territ Intel « Aims are more likely to be overall goals and objectives tend to be more specific and measurable results to be achieved." Ontology 25/03/10 Ph. Dumas
  22. 22. Aims   To arrive at some consensus on the fundamentals, even if partial   To be able to show out the basis of a scientific domain   To provide with conceptual framework (s)   To discover new perspectives   To promote research   ….. and Ontology 25/03/10 Ph. Dumas
  23. 23. remember the advice of the caterpillar …. finally To exist for ourselves and the outer world Ontology 25/03/10 Ph. Dumas
  24. 24. Objectives   To shake up the territorial intelligence community, at the beginning, but also…   To build up a real community by gathering those who support, or practice Territ Intel without knowing it.   To grow up progressively (in a constructivist way) according to an agenda that could be decided here   To use the popularity of Wikipedia-like environment for disseminating our views Ontology 25/03/10 Ph. Dumas
  25. 25. A program 1°step Two starting points to build up a vocabulary   Bottom up approach   Top down approach   Perform an analysis of   Create a list of departure syntactic and semantic (i.e. a vocabulary) by a content of speech existing group of experts (web corpus) on the territorial intelligence and   List of concepts, or terms infer a list of concepts and related to Territ Intel terms most frequently issues used Ontology 25/03/10 Ph. Dumas
  26. 26. Present day sources   Top down   Tentative list of vocabulary   Bottom up   Project “theoretical anchors around the concept of territory”   “Territorii”   Doctoral research on ontologies in three languages Ontology 25/03/10 Ph. Dumas
  27. 27. Examples of existing vocabulary  Acteurs territoriaux  Ecoumène  Projet  Adhésion  Festival (les festivals sont  Région  Apprentissage généralement très implantés )  Représentation  Autonomie    Responsabilité  Capital social, culturel, symbolique,  Global  Richesse intellectuel  Globalisation  Territoire réel, vécu, rêvé, présent,  Carte, cartographie (carte du monde  Gouvernance territoriale projeté surréaliste) (topos)  Identité, identité narrative  Territoire mythique, symbolique,  Cluster (district technologique, Italie) (storytelling), identité culturelle rituel  Communauté, communautarisme  Influence  Territorialisation  Commune  Local  Terrorisme, drogue, trafic  Confiance  Médiateur, passeur, interface  Valeur  Culture  Mémoire « Les peuples n’existent que  Virtualité (O. Mougin, Esprit)  Découpage territorial par leur mémoire »  Xénophobie  Département  Mondialisation  Dispositif  Objet frontière, objet intermédiaire  Dispositif d’intelligence territoriale (boundary object)  District industriel (expérience  Open source, open model italienne)  Patrimoine  Dynamique  Pays  Ecologie industrielle  Pôle de compétitivité Ontology 25/03/10 Ph. Dumas
  28. 28. A program 2°step   Objective: Build up a dictionary   From the lists found out previously,   Add definitions from users’ contributions   Build up consensus or variations in the definitions Ontology 25/03/10 Ph. Dumas
  29. 29. A program 3°step   Objective: to build up a thesaurus   From the dictionary   Activate hypertext links Ontology 25/03/10 Ph. Dumas
  30. 30. A program 4°step   Objective: to make up an ontology   Out of the thesaurus   Solidify "systematic, formal, axiomatic development of the logic of all forms and modes of being”   Activate hypertext links Ontology 25/03/10 Ph. Dumas
  31. 31. Feasibility Communication Animation Motivation Decision Ontology 25/03/10 Ph. Dumas
  32. 32. Since we are territorial, we have to question what Nantes tells us: Ontology 25/03/10 Ph. Dumas
  33. 33. If we think, after lunch, and hear … Ontology 25/03/10 Ph. Dumas
  34. 34. Douleur pour arracher le mal du bien La mesure et le reflet de toute pensée Francis II’s message of prudence and moral strength, … Ontology 25/03/10 Ph. Dumas
  35. 35. Europe Africa … then all people of the world drink the milk of mother TI Ph. Dumas Ontology 25/03/10 35
  36. 36. Thanks dumas@univ-tln.fr Ph. Dumas Ontology 25/03/10 36
  37. 37. Annex: Cours d’ontologie Ph. Dumas Ontology 25/03/10 37
  38. 38. Ontologie Olivier Corby
  39. 39. Ontologie Etude de ce qui est terme emprunté à la philosophie Pour nous : formalisation d’une conceptualisation
  40. 40. Ontologie Se mettre d'accord sur le sens des termes employés dans une organisation, une communauté, un métier Faire en sorte que les personnes et les logiciels se comprennent Utile pour des applications distribuées telles que le Web
  41. 41. Ambiguïté ‘chambre’ : Chambre d'hôtel ? Chambre d'écho ? Chambre des députés ? Chambre d'enregistrement ? Chambre noire ? Chambre funéraire ?
  42. 42. Ontologie éliser les   Identifier, mod concepts d'un domaine, pertinents pour une/des applications   Se mettre d'accord, au sein d'une communauté, sur les termes employés pour se référer à ces concepts
  43. 43. terme Mot de la langue naturelle qui désigne un (des) concept(s) : cat, chat, greffier, matou termes qui désignent le concept de chat   synonymie : plusieurs termes dénotent le même concept   ambiguïté : plusieurs concepts dénotés par le même terme
  44. 44. Ontologie   Identifier/modéliser les concepts et les relations conceptuelles   formaliser la conceptualisation, et le vocabulaire correspondant   Formalisation pour lever toute ambiguïté
  45. 45. Pour quoi faire ?   une base de connaissances à objets   un système d’annotation   un système d’indexation documentaire, de recherche d’information   Commerce électronique
  46. 46. Ontologie   Différentes acceptions du mot ontologie :   Vocabulaire technique,   Référentiel métier,   Terminologie/thesaurus,   Système de classes d’une représentation par objet : UML ?   Base de connaissances terminologique
  47. 47. Conception   Identifier/modéliser les concepts et les termes pertinents   Identifier les relations pertinentes : subClassOf, isa, partOf, hasPart, closeTo, over, under, contain, connected, etc.   Règles pour combiner les concepts et les relations : partOf est transitive
  48. 48. Modéliser   Une ontologie est une modélisation des connaissances   Au sens où une théorie physique est un modèle de la réalité   Il peut y avoir plusieurs modèles d’une même réalité :   expérience de la chute des corps   théorie de la gravitation de Newton   relativité générale d’Enstein
  49. 49. Connaissance   Continuum : donnée, information, connaissance   donnée : … --- …   information : SOS   connaissance : en cas d’alerte, déclencher les secours   La connaissance permet de produire de nouvelles données, informations, connaissances : inférence
  50. 50. Types de connaissances   Connaissances de résolution de problème :   conception, diagnostic, évaluation, planification   tâches, inférences   Connaissances du domaine   e.g. électronique, mécanique, médecine, etc.   ontologie : réutilisable   modèles de domaine : fonctionnel, causal, structurel, exprimés dans le vocabulaire de l’ontologie.
  51. 51. Ontologie concept Object concept Engine < Object concept Vehicle < Object relation partOf : Object -> Object
  52. 52. Modèles de domaine Structurel : Engine e1 partOf Vehicle v2 causal : Engine breakdown => Vehicle stop
  53. 53. Modèles de tâche Conception :   specify, design, assess Diagnostic :   identifier des symptômes, choisir un modèle causal, émettre des hypothèses, imaginer des conséquences, les tester, etc.
  54. 54. Ontologie   L’accent est mis sur les concepts et les relations du domaine   Orienté modélisation, spécification, réutilisation, partage, standardisation.   Relations spécifiques du domaine considéré
  55. 55. Objets   L'accent est mis sur le coté opérationnel.   Opérations rendues possibles par le modèle objet : classification, évolution, simulation, calcul.   Orienté résolution de problème
  56. 56. Terminologie/Thesaurus   L'accent est mis sur les termes utilisés pour dénoter les concepts du domaine (linguistique, langue naturelle).   Les relations entre termes sont linguistiques.   Orienté indexation.
  57. 57. Thesaurus (2) Recueil documentaire alphabétique de termes servant de descripteur pour :   analyser un corpus   indexer des documents   Relations prédéfinies standardisées pour les thésaurus
  58. 58. Relations linguistiques   BT : Broader Term   NT : Narrower Term   TT : Top Term   RT : Related Term (other than BT, NT, TT, etc.)
  59. 59. Relations (2)   USE : Prefered Term   UF : Use for, non preferred synonym, quasi synonym   SN : Scope Note, Une note pour expliquer un terme
  60. 60. Ontologie ?   Composant réutilisable   Réutilisation : généralité, abstraction (reuse)   Partage : consensus, standardisation (sharing)   Accord sur conceptualisation partagée : engagement ontologique (commitment)
  61. 61. Caractéristiques   Formalisation : lever les ambiguïtés   Indépendance (relative) par rapport à une tâche, ou un problème précis   Utilisable pour différentes tâches : conception, diagnostic, maintenance, recherche d'information
  62. 62. Caractéristiques (2)   Indépendante d’une implémentation : limiter le biais dû à un formalisme de représentation : niveau conceptuel   Des inférences sont possibles (relations transitives, axiomes, etc.)
  63. 63. Types d’Ontologies Ontologies générales, abstraites, de haut niveau :   Ontologie des catégories conceptuelles :   objet, événement, état, processus, action, temps, espace Ontologies théoriques :   physique, mathématique, cinématique
  64. 64. Types (2) Ontologie applicative :   Médecine, automobile, patrimoine culturel, organisation, etc.
  65. 65. Principes de conception   Clarté : communiquer le sens des termes définis   Cohérence   Extensibilité   Indépendance vs implémentation   Modularité
  66. 66. Outils/Langages   KIF : Knowledge Interchange Format   Ontolingua   Logiques de description (orientée classification)   Graphe conceptuel (support)   RDF Schema   DAML OIL
  67. 67. Exemples   Ontolingua : www-ksl.stanford.edu/sns.html   WordNet : Ontologie de la langue naturelle   Enterprise Ontology   Kactus : ingénierie   UMLS : Unified Medical Language System   Cyc   EngMath, PhysSys   O’Comma

×