SlideShare une entreprise Scribd logo
1  sur  44
Les Ontologies ou
comment donner du sens
aux données
S. Garlatti
Plan
 Introduction
• Notion d’ontologie et de sens
• Rôle des Ontologies
• Historique
 Ontologies
• Définitions
• Types d’ontologies
 Différents types de systèmes
• Les logiques de description
Notion d’ontologie et de sens
Le concept de « Voie »
Notion d’ontologie et de sens
Le concept de « Voie »
Notion d’ontologie et de sens
Le concept de « Voie »
Notion d’ontologie et de sens
Le concept de « Voie »
Notion d’ontologie et de sens
 Définir une ontologie c’est
• Donner un sens unique à des concepts
- Pas de Polysémie
• Donc définir un « domaine » de sens particulier
- Les voies de communication, la médecine, les galaxies, les
arts martiaux, etc.
• Consensus dans une communauté de pratiques
Notion d’ontologie et de sens
 Construire une Ontologie
• C’est représenter des connaissances
Connaissances ?????
Rôle des ontologies
 Définir un vocabulaire commun et partagé par une
communauté de pratiques
• Avoir une compréhension commune
• Communiquer, échanger, etc.
Rôle des ontologies
 Expliciter et formaliser des connaissances
• Donner un sens unique à des « entités du monde réel »
Rôle des ontologies
 Donner du sens à des ressources
• Indexation de celles-ci, puis
• Recherche d’information (ressources)
• Réutilisation, partage et échange
Rôle des ontologies
 Raisonnement / inférence
• Construire et découvrir de nouvelles
informations et/ou connaissances à partir
des ontologies et des ressources existantes
Historique
 Les réseaux sémantiques
• Quillian (1968)
- Un mécanisme général d'association pour représenter le
sens des mots
- Ensemble de nœuds et d‘associations représentés par des
liens.
- Un réseau sémantique forme un graphe orienté dont les
nœuds et les arcs sont étiquetés
- Un graphe d'héritage, structuré au moyen d'une relation de
généralisation / spécialisation qui relie entre eux des objets
"sémantiquement proches"
Historique
Historique
 Puis différentes interprétations de cette notion
• Les Frames: M. Minsky [75] a proposé un autre modèle
appelé "frames". Ces "frames" sont des granules de
connaissances plus importantes que les nœuds d'un
réseau sémantique
• Les Logiques de Description: Brachman et Schmolze [77]
ont proposé un autre modèle à mi-chemin entre les
réseaux sémantiques et les Frames de Minsky dont le
premier représentant s'appelle KL-ONE
• Les Graphes Conceptuels: Sowa [84]
• Les Frames-Logic Kifer [95]
Historique
 Points communs
• Réification des entités du « monde réel » sous forme
- D’objets : des classes ou des individus
- Ou de propriétés
• Un objet est défini par une conjonction de propriétés qui
peuvent être des couples attributs / valeurs ou des
relations entre objets
• Organisation des classes :
- Un graphe orienté sans circuit, dont un graphe d’héritage
muni d’une relation « SubClassOf »
Historique
 Points Communs
• Graphe d'héritage, par des liens « SubClassOf » qui
déterminent
- Une relation de généralisation/spécialisation entre les classes et une
relation d’instanciation « Member-of » entre individus et classes.
• Une classe déclare les propriétés qui lui sont spécifiques
• Toute propriété non présente dans un objet peut être héritée
des classes plus générales (mécanisme d'héritage)
• Héritage simple ou multiple
Historique
 Points Communs
• Soit G = (X,H) le graphe d'héritage avec X l'ensemble
des objets,
- X = Y  Z avec Y l'ensemble des « classes » et Z l'ensemble
des « individus »,
- Ce graphe G possède toujours une racine unique et défini un
ordre partiel sur X
- H l'ensemble des arcs, avec H l'ordre induit par le graphe G
et
-  x, y  X tels que x ≤H y alors y est un ancêtre de x et x est
un descendant de y.
Historique
 Définitions d’une classe
• Définition en extension
- L'extension propre d'une classe est définie par un ensemble
d'individus
- L'extension au sens large d'une classe est définie par un
ensemble d’individus et les classes plus spécifiques
• Définition en intension ou compréhension
- Une classe est définie en intension par l'ensemble des
propriétés qu’elle possède ou qu’elle hérite
Historique
 Rapports entre Extension et Intension
• Soient Extp(x) l'extension propre de l'objet x et Ext(x)
l'extension au sens large de l'objet x, alors
 x, y  Y tels que x H y  Ext(x)  Ext(y)
 y  Y et  z  Z, tels que z H y  z  Extp(y)
• Soient z un objet, Int(x) l'intension de x ou ensemble de
propriétés définissant x, c'est-à-dire celles déclarées dans z et
celles héritées de ces ancêtres, alors
 x, y  Y tels que x H y  Int(y)  Int(x)
Historique
 Deux types de classes
• Celles définies en Condition Nécessaires et Suffisantes
• Celles définies comme des Prototypes
- Théorie du prototype de E. Rosch
Historique
 Mécanismes d’inférence
• L'héritage : c'est un mécanisme de partage de propriétés
entre des entités structurées dans une hiérarchie qui
induit un raisonnement monotone ou non monotone selon
les systèmes.
Historique
 Mécanismes d’inférence
• Le filtrage : recherche d’un ensemble d'objets qui
satisfont à certains critères donnés.
- Le filtrage est souvent fondé sur une logique à trois valeurs,
vrai, faux, et inconnu (en monde ouvert)
– Un objet ne vérifiant pas les conditions du filtre n'est pas rejeté
s'il n’est pas contradictoire avec le filtre
– Objets répartis en trois classes sûrs, possibles et impossibles
Historique
 Mécanismes d’inférence
• La classification: la classification est l'opération qui
permet de placer un objet x dans un graphe d'héritage.
Deux cas sont à considérer :
– L’individu
– La classe
Ontologie
 « Naissances des Ontologies »
• Début années 90
• Méthodologies d’acquisition des connaissances
• Séparer les différentes catégories de connaissances et
les raisonnements associés pour
- Construire mieux, plus rapidement, plus facilement,
- Réutiliser et partager les connaissances acquises
- Maintenir plus facilement ces dernières
Ontologie
 Les concepts et les propriétés d’un domaine
hiérarchiquement organisés sont regroupés dans une
entité appelée
« Ontologie »
 Pas d’individus !!!!!
 Une fois construite et acceptée par une communauté
particulière, une ontologie doit traduire un consensus
explicite et un certain niveau de partage par les
membres de la communauté.
Ontologie
 Philosophie : ARISTOTE a défini l’Ontologie comme la science
de l’Être
 Définition (Petit Robert) : la partie de la métaphysique qui
s’intéresse à l’Être en tant qu’Etre
 Ontologie
• Est habituellement comprise comme une science des étants
plutôt que comme une science de l’Être en tant qu’Être
- C’est-à-dire qu’elle s’intéresse davantage à ce qui existe (les étants
ou existants) qu’aux principes de ce qui existe (l’Être)
 « Ontologie » sera utilisé dans le contexte de
l’Ingénierie des connaissances, de l’intelligence
artificielle ou du Web sémantique
•
Ontologie
 Définition 1 (Gruber 1993)
• “An ontology is a formal, explicit specification of a shared
conceptualization of a domain of interest”.
- Conceptualisation : les objets, les concepts et autres entités
qui sont supposés exister dans un domaine particulier et les
relations qu’ils entretiennent entre eux.
 N. Guarino et P. Giaretta
• L’ontologie comme un système conceptuel informel,
• L’ontologie comme la représentation d’un système conceptuel
via une théorie logique et son vocabulaire.
Définitions
 Gruber et M. Uschold et al.
• Ontologie (déf. 2) : Une ontologie implique ou comprend une
certaine vue du monde par rapport à un domaine donné.
- Cette vue est souvent conçue comme un ensemble de concepts,
leurs définitions et leurs interrelations.
- On appelle cela une conceptualisation.
• Une ontologie peut prendre différentes formes mais elle inclura
nécessairement un vocabulaire de termes et une spécification
de leur signification.
• Une ontologie est une spécification rendant partiellement
compte d’une conceptualisation.
Définitions
Une structure d’ontologie est un quintuplet O := {C, R, HC, rel,
AO}
• C et R : ensembles disjoints des concepts et des relations
• HC hiérarchie (taxonomie) de concepts : HC  C x C , HC(C1, C2)
signifie que C1 est un sous-concept de C2 (relation orientée)
• Rel : relation rel: R  C x C (définit des relations sémantiques non
taxonomiques) avec 2 fonctions associées
- dom : R  C avec dom(R):= 1(rel(R))
- range : R  C avec range(R):= 2(rel(R)) co-domaine
- rel(R) = (C1,C2) s’écrit aussi R(C1,C2)
• Ontologie abstraite
Définitions
Le lexique d’une structure d’ontologie O:= {C, R, HC, rel, AO}
est un quadruplet L:= {LC, LR, F, G}
• LC et LR : ensembles disjoints des entrées lexicales des concepts et
des relations
• F, G : deux relations appelées références F  LC (pour les concepts),
G  LR x R (pour les relations),
- Pour L LC : F(L) = {C  C / (L,C)  F}
- F-1 (L) = {L  L / (L,C)  F}
• Idem pour G et G-1
Ontologie concrète : couple (O, L)
Définitions
 Structure d’une base de connaissances : quadruplet KB:= {O, I, inst, instr}
• O:= {C, R, HC, rel, AO} est une ontologie
• I est un ensemble d’individus
• inst : C-> 2I Fonction d’instanciation de concept
• Instr : R -> 2IxI Fonction d’instanciation de relation
 Lexique d’une base de connaissances LKB := (LI,J)
personne
entrepriseemployé Travaille-pour
Dupont SNCFTravaille-pour
ontologie
BC
Source: N. Aussenac
Définitions
 Ontologie : Ensemble des objets reconnus comme
existant dans le domaine
• Construire une ontologie c’est aussi décider de la
manière d’être et d’exister des objets.
• Modèles des connaissances d’un domaine qui sont
pertinentes pour une application, une tâche donnée
• Conceptualisation en classes génériques, relations et
règles
Définitions
 Contraintes qui s’imposent au concepteur d’ontologies
• Une ontologie est bien une conceptualisation, entendons par là
que l’on y définit des concepts
- Utilisée dans un artefact informatique dont on veut spécifier le
comportement,
- L’ontologie est une théorie logique pour laquelle on précisera le
vocabulaire manipulé
- La conceptualisation étant spécifiée parfois de manière très précise,
une théorie logique ne peut pas toujours en rendre compte de façon
exacte : elle ne peut assumer la richesse interprétative du domaine
conceptualisé dans une ontologie et ne le fait donc que
partiellement.
Types d’ontologies
 Que représente une ontologie ?
• Le type d’ontologie
- L’ontologie de domaine
- L’ontologie d’une méthode de résolution de problème, le rôle de
chaque concept dans le raisonnement est rendu explicite
- L’ontologie des utilisateurs, de l’entreprise
• Les propriétés
- Non seulement le repérage et la classification des concepts mais
aussi les caractéristiques qui leur sont attachées.
• Les relations, autres que héritage : spatiale, temporelle,
composition, etc.
Types d’ontologies
 Ontologies d’application double spécialisation : d’une
ontologie du domaine et d’une ontologie de méthode
 Ontologie formelle étude approfondie et raisonnée de la
manière d’organiser des concepts fondamentaux - le
temps, les relations partie-tout, la causalité, …
 Ontologies de résolution de problème (de méthode) ex :
ontologies de tâche, ONTOLINGUA
 Ontologies du domaine ex : Ménélas
 Ontologies » génériques ex : Wordnet, Bateman, CYC
 Ontologies de représentation ex : la «frame ontology»
d’ONTOLINGUA
Types d’ontologies
 Ontologies développées dans un contexte
informatique
• Le but final est de spécifier un artefact informatique
 L’ontologie devient alors un modèle des entités existantes
qui y fait référence à travers des concepts du domaine.
 L’ontologie devra ensuite être opérationnalisée, c’est-à-dire
codée dans un langage opérationnel, exécutable par une
machine.
Types d’ontologies
 Rôles des ontologies dans le SW
- Définir de manière déclarative un vocabulaire commun
résultat d’un consensus social dans un domaine donné
– Chaque élément de vocabulaire possède une
interprétation unique partagée par tous les membres du
domaine
- Décrire la sémantique des termes et leurs relations
– L’interprétation de chaque terme est unique. Elle est
fournie par une sémantique formelle.
– L’ensemble des termes et leurs relations fournissent un
cadre interprétatif dépourvu d’ambiguïté pour chaque
terme.
- Fournir des mécanismes d’inférence qui respectent la
sémantique formelle.
Types d’ontologies
 Dépots
- http://www.bioontology.org/
- http://ontology.buffalo.edu/
- http://protegewiki.stanford.edu/wiki/Protege_Ontology_Library#OWL
_ontologies
- http://swl.slis.indiana.edu/repository/index.html
- http://schemapedia.com/
- http://owl.cs.manchester.ac.uk/repository/
- http://pronto.metadata.net/related
- http://onki.fi/
- http://www.daml.org/ontologies/
- http://owl.cs.manchester.ac.uk/ontologies/repositories/
-
Différents types de systèmes
 Logique de Description
• CNS, héritage multiple sans conflit, subsomption
 Graphes Conceptuels
• CNS, héritage multiple sans conflit, {objet = sous-
graphe}, treillis, appariement de graphes
 Frames-Logic
• CNS, héritage multiple sans conflit, + Prolog
Les Logiques de Description
 Une logique description fournit
• Des concepts : classes
• Des rôles : propriétés
• Des opérations (and, or, not, some, all, atleast, atmost…)
sur ces éléments primitifs du langage
• Un mécanisme de classification fondé sur la relation de
subsumption entre concepts ou rôles
- Induit généralement un graphe orienté sans circuit entre les
concepts et entre les rôles
Les Logiques de Description
 Deux types de concepts
• Primitifs : sont des définitions incomplètes des concepts
– Conditions Nécessaires mais non suffisantes pour
décider de l’appartenance
• Définis : sont des définitions complètes des concepts
en Condition Nécessaire et Suffisante (CNS)
 La classification ne peut opérer que sur des concepts
définis
Les Logiques de Description
 Mécanismes d’inférences
• La subsomption
A subsume B si et seulement si pour chaque modèle <D,
x>, x [A]  x [B]. La classification est le processus qui
identifie toutes les subsomptions appropriées parmi un
ensemble donné de termes.
• L'héritage
l'héritage est le processus d'identification des conditions
qui s'appliquent à un concept en fonction de ses
subsumants.
Les Logiques de Description
 Mécanismes d’inférences
• La complétion
c'est le processus qui identifie et enregistre toutes les
conditions qui s'appliquent à un concept, c'est-à-dire
toutes celles dues à l'héritage,
• La cohérence
un terme est cohérent si et seulement s'il y a un
modèle dans le lequel la dénotation du terme est non
vide. En d'autres mots, A est cohérent seulement s'il
existe un modèle
<D, x> tel que x [A]  .

Contenu connexe

Tendances

G-OWL - graphical web ontology language
G-OWL - graphical web ontology languageG-OWL - graphical web ontology language
G-OWL - graphical web ontology languageMichel Héon PhD
 
G-OWL : Vers un langage de modélisation graphique, polymorphique et typé pour...
G-OWL : Vers un langage de modélisation graphique, polymorphique et typé pour...G-OWL : Vers un langage de modélisation graphique, polymorphique et typé pour...
G-OWL : Vers un langage de modélisation graphique, polymorphique et typé pour...Michel Héon PhD
 
Cycle de vie et méthodes de construction des ontologies
Cycle de vie et méthodes de construction des ontologiesCycle de vie et méthodes de construction des ontologies
Cycle de vie et méthodes de construction des ontologiesFatima Zahra Fagroud
 
OntoCASE à la 5e conférence GeCSO: Gestion des Connaissances dans la Société ...
OntoCASE à la 5e conférence GeCSO: Gestion des Connaissances dans la Société ...OntoCASE à la 5e conférence GeCSO: Gestion des Connaissances dans la Société ...
OntoCASE à la 5e conférence GeCSO: Gestion des Connaissances dans la Société ...Michel Héon PhD
 
Architecture du web et ontologie d opérations
Architecture du web et ontologie d opérationsArchitecture du web et ontologie d opérations
Architecture du web et ontologie d opérationsAlexandre Monnin
 
Méthodologie de l'enquête
Méthodologie de l'enquêteMéthodologie de l'enquête
Méthodologie de l'enquêtepaullyonnaz
 
Les ontologies et les graphes RDF
Les ontologies et les graphes RDFLes ontologies et les graphes RDF
Les ontologies et les graphes RDFRadhouani Mejdi
 
2009 10 diaporama-agnès
2009 10 diaporama-agnès2009 10 diaporama-agnès
2009 10 diaporama-agnèscdistexu
 

Tendances (10)

G-OWL - graphical web ontology language
G-OWL - graphical web ontology languageG-OWL - graphical web ontology language
G-OWL - graphical web ontology language
 
G-OWL : Vers un langage de modélisation graphique, polymorphique et typé pour...
G-OWL : Vers un langage de modélisation graphique, polymorphique et typé pour...G-OWL : Vers un langage de modélisation graphique, polymorphique et typé pour...
G-OWL : Vers un langage de modélisation graphique, polymorphique et typé pour...
 
Cycle de vie et méthodes de construction des ontologies
Cycle de vie et méthodes de construction des ontologiesCycle de vie et méthodes de construction des ontologies
Cycle de vie et méthodes de construction des ontologies
 
OntoCASE à la 5e conférence GeCSO: Gestion des Connaissances dans la Société ...
OntoCASE à la 5e conférence GeCSO: Gestion des Connaissances dans la Société ...OntoCASE à la 5e conférence GeCSO: Gestion des Connaissances dans la Société ...
OntoCASE à la 5e conférence GeCSO: Gestion des Connaissances dans la Société ...
 
Architecture du web et ontologie d opérations
Architecture du web et ontologie d opérationsArchitecture du web et ontologie d opérations
Architecture du web et ontologie d opérations
 
Recherche semantique
Recherche semantique Recherche semantique
Recherche semantique
 
Méthodologie de l'enquête
Méthodologie de l'enquêteMéthodologie de l'enquête
Méthodologie de l'enquête
 
Les ontologies et les graphes RDF
Les ontologies et les graphes RDFLes ontologies et les graphes RDF
Les ontologies et les graphes RDF
 
2009 10 diaporama-agnès
2009 10 diaporama-agnès2009 10 diaporama-agnès
2009 10 diaporama-agnès
 
Indexation et ri
Indexation et riIndexation et ri
Indexation et ri
 

En vedette

Web Sémantique ou comment les ontologies pourront favoriser l\'échange des co...
Web Sémantique ou comment les ontologies pourront favoriser l\'échange des co...Web Sémantique ou comment les ontologies pourront favoriser l\'échange des co...
Web Sémantique ou comment les ontologies pourront favoriser l\'échange des co...Fabien Gandon
 
Intelligence Artificielle : Introduction à l'intelligence artificielle
Intelligence Artificielle : Introduction à l'intelligence artificielleIntelligence Artificielle : Introduction à l'intelligence artificielle
Intelligence Artificielle : Introduction à l'intelligence artificielleECAM Brussels Engineering School
 
Présentation Synthétique Semsoft
Présentation Synthétique SemsoftPrésentation Synthétique Semsoft
Présentation Synthétique SemsoftDamien Regnault
 
Mission et fct
Mission et fctMission et fct
Mission et fctphensmans
 
Starters day Mars 2013
Starters day Mars 2013Starters day Mars 2013
Starters day Mars 2013Securex
 
Ii workshop SEO agosto 2011 neo consulting
Ii workshop SEO agosto 2011 neo consultingIi workshop SEO agosto 2011 neo consulting
Ii workshop SEO agosto 2011 neo consultingNeo Consulting
 
Conferencia La Pedrera
Conferencia La PedreraConferencia La Pedrera
Conferencia La PedreraERCMalgrat
 
Presentacion Oficial Arbitrex Manuel1
Presentacion Oficial Arbitrex Manuel1Presentacion Oficial Arbitrex Manuel1
Presentacion Oficial Arbitrex Manuel1Julio Loupias Lara
 
éCo créative finale laurent simon - hec montréal mosaic@nantes
éCo créative finale   laurent simon - hec montréal mosaic@nanteséCo créative finale   laurent simon - hec montréal mosaic@nantes
éCo créative finale laurent simon - hec montréal mosaic@nantesLionel Pouget
 
Proyecto final tabares 9e completo
Proyecto final tabares 9e completoProyecto final tabares 9e completo
Proyecto final tabares 9e completoAligi321
 

En vedette (20)

Web Sémantique ou comment les ontologies pourront favoriser l\'échange des co...
Web Sémantique ou comment les ontologies pourront favoriser l\'échange des co...Web Sémantique ou comment les ontologies pourront favoriser l\'échange des co...
Web Sémantique ou comment les ontologies pourront favoriser l\'échange des co...
 
Intelligence Artificielle : Introduction à l'intelligence artificielle
Intelligence Artificielle : Introduction à l'intelligence artificielleIntelligence Artificielle : Introduction à l'intelligence artificielle
Intelligence Artificielle : Introduction à l'intelligence artificielle
 
Présentation Synthétique Semsoft
Présentation Synthétique SemsoftPrésentation Synthétique Semsoft
Présentation Synthétique Semsoft
 
Mission et fct
Mission et fctMission et fct
Mission et fct
 
FR paramétrage - 1er pas
FR paramétrage - 1er pasFR paramétrage - 1er pas
FR paramétrage - 1er pas
 
Starters day Mars 2013
Starters day Mars 2013Starters day Mars 2013
Starters day Mars 2013
 
Ii workshop SEO agosto 2011 neo consulting
Ii workshop SEO agosto 2011 neo consultingIi workshop SEO agosto 2011 neo consulting
Ii workshop SEO agosto 2011 neo consulting
 
MESAS DE LUZ
MESAS DE LUZMESAS DE LUZ
MESAS DE LUZ
 
Conferencia La Pedrera
Conferencia La PedreraConferencia La Pedrera
Conferencia La Pedrera
 
Sibiu
SibiuSibiu
Sibiu
 
Presentacion Oficial Arbitrex Manuel1
Presentacion Oficial Arbitrex Manuel1Presentacion Oficial Arbitrex Manuel1
Presentacion Oficial Arbitrex Manuel1
 
Que es SASFAPR?
Que es SASFAPR?Que es SASFAPR?
Que es SASFAPR?
 
Online conversaties
Online conversatiesOnline conversaties
Online conversaties
 
éCo créative finale laurent simon - hec montréal mosaic@nantes
éCo créative finale   laurent simon - hec montréal mosaic@nanteséCo créative finale   laurent simon - hec montréal mosaic@nantes
éCo créative finale laurent simon - hec montréal mosaic@nantes
 
A María
A MaríaA María
A María
 
Informe Defensor marcha indígena
Informe Defensor marcha indígenaInforme Defensor marcha indígena
Informe Defensor marcha indígena
 
Coltán
ColtánColtán
Coltán
 
Proyecto final tabares 9e completo
Proyecto final tabares 9e completoProyecto final tabares 9e completo
Proyecto final tabares 9e completo
 
Complejo Educativo Virtual
Complejo Educativo VirtualComplejo Educativo Virtual
Complejo Educativo Virtual
 
Jessi 2
Jessi 2Jessi 2
Jessi 2
 

Similaire à Les ontologies 2014_2015

0. conférasme18.10 map
0. conférasme18.10 map0. conférasme18.10 map
0. conférasme18.10 mapmap8slide
 
0. conf pléiade30nov
0. conf pléiade30nov0. conf pléiade30nov
0. conf pléiade30novmap8slide
 
Le Web a-t-il besoin d'une logique ? Un point de vue aporétique.
Le Web a-t-il besoin d'une logique ? Un point de vue aporétique. Le Web a-t-il besoin d'une logique ? Un point de vue aporétique.
Le Web a-t-il besoin d'une logique ? Un point de vue aporétique. PhiloWeb
 
Méthodologie de recherche : Comment lier concepts et données ?
Méthodologie de recherche : Comment lier concepts et données ?Méthodologie de recherche : Comment lier concepts et données ?
Méthodologie de recherche : Comment lier concepts et données ?Marouane Hdidou
 
Leprestige des idées
Leprestige des idéesLeprestige des idées
Leprestige des idéesGloria Origgi
 
KILANI Chehnez - Débat et savoir scientifique en classe. Problématisation et ...
KILANI Chehnez - Débat et savoir scientifique en classe. Problématisation et ...KILANI Chehnez - Débat et savoir scientifique en classe. Problématisation et ...
KILANI Chehnez - Débat et savoir scientifique en classe. Problématisation et ...Catherine GOUJON
 
Introduction à la recherche
Introduction à la rechercheIntroduction à la recherche
Introduction à la rechercheClément Dussarps
 
Le-langage-OWL-2.pptx
Le-langage-OWL-2.pptxLe-langage-OWL-2.pptx
Le-langage-OWL-2.pptxNafissa11
 
"Le(s) territoire(s) du CRDT" (4) L'espace (inter)disciplinaire - Entre disci...
"Le(s) territoire(s) du CRDT" (4) L'espace (inter)disciplinaire - Entre disci..."Le(s) territoire(s) du CRDT" (4) L'espace (inter)disciplinaire - Entre disci...
"Le(s) territoire(s) du CRDT" (4) L'espace (inter)disciplinaire - Entre disci...Amélie Dumarcher
 
"Le(s) territoire(s) du CRDT" (2) L'espace intellectuel - Analyse lexicale de...
"Le(s) territoire(s) du CRDT" (2) L'espace intellectuel - Analyse lexicale de..."Le(s) territoire(s) du CRDT" (2) L'espace intellectuel - Analyse lexicale de...
"Le(s) territoire(s) du CRDT" (2) L'espace intellectuel - Analyse lexicale de...Amélie Dumarcher
 
De l’épistémologie de sciences à l’épistémologie des disciplines enseignées :...
De l’épistémologie de sciences à l’épistémologie des disciplines enseignées :...De l’épistémologie de sciences à l’épistémologie des disciplines enseignées :...
De l’épistémologie de sciences à l’épistémologie des disciplines enseignées :...GCAF
 
Hasni bousadra epistemologie-2019
Hasni bousadra epistemologie-2019Hasni bousadra epistemologie-2019
Hasni bousadra epistemologie-2019Abdelkrim Hasni
 
Représentation métalinguistique de la la préposition through dans la TOE. Thè...
Représentation métalinguistique de la la préposition through dans la TOE. Thè...Représentation métalinguistique de la la préposition through dans la TOE. Thè...
Représentation métalinguistique de la la préposition through dans la TOE. Thè...Julie Barthélemy
 
Patrimoine scientifique 1ère partie
Patrimoine scientifique 1ère partiePatrimoine scientifique 1ère partie
Patrimoine scientifique 1ère partieFlorence Piron
 
Exploring Enlightenment: Text Mining the 18th-Century Republic of Letters
Exploring Enlightenment: Text Mining the 18th-Century Republic of LettersExploring Enlightenment: Text Mining the 18th-Century Republic of Letters
Exploring Enlightenment: Text Mining the 18th-Century Republic of Lettersglennroe
 
"Le(s) territoire(s) du CRDT" (1) Présentation du projet
"Le(s) territoire(s) du CRDT" (1) Présentation du projet"Le(s) territoire(s) du CRDT" (1) Présentation du projet
"Le(s) territoire(s) du CRDT" (1) Présentation du projetAmélie Dumarcher
 
Savoir & rapport au savoir
Savoir & rapport au savoirSavoir & rapport au savoir
Savoir & rapport au savoirGCAF
 

Similaire à Les ontologies 2014_2015 (20)

0. conférasme18.10 map
0. conférasme18.10 map0. conférasme18.10 map
0. conférasme18.10 map
 
presentation_IHPST_2013
presentation_IHPST_2013presentation_IHPST_2013
presentation_IHPST_2013
 
L’etat de l’art
L’etat de l’artL’etat de l’art
L’etat de l’art
 
0. conf pléiade30nov
0. conf pléiade30nov0. conf pléiade30nov
0. conf pléiade30nov
 
Le Web a-t-il besoin d'une logique ? Un point de vue aporétique.
Le Web a-t-il besoin d'une logique ? Un point de vue aporétique. Le Web a-t-il besoin d'une logique ? Un point de vue aporétique.
Le Web a-t-il besoin d'une logique ? Un point de vue aporétique.
 
Méthodologie de recherche : Comment lier concepts et données ?
Méthodologie de recherche : Comment lier concepts et données ?Méthodologie de recherche : Comment lier concepts et données ?
Méthodologie de recherche : Comment lier concepts et données ?
 
Leprestige des idées
Leprestige des idéesLeprestige des idées
Leprestige des idées
 
Skos transformation
Skos transformationSkos transformation
Skos transformation
 
KILANI Chehnez - Débat et savoir scientifique en classe. Problématisation et ...
KILANI Chehnez - Débat et savoir scientifique en classe. Problématisation et ...KILANI Chehnez - Débat et savoir scientifique en classe. Problématisation et ...
KILANI Chehnez - Débat et savoir scientifique en classe. Problématisation et ...
 
Introduction à la recherche
Introduction à la rechercheIntroduction à la recherche
Introduction à la recherche
 
Le-langage-OWL-2.pptx
Le-langage-OWL-2.pptxLe-langage-OWL-2.pptx
Le-langage-OWL-2.pptx
 
"Le(s) territoire(s) du CRDT" (4) L'espace (inter)disciplinaire - Entre disci...
"Le(s) territoire(s) du CRDT" (4) L'espace (inter)disciplinaire - Entre disci..."Le(s) territoire(s) du CRDT" (4) L'espace (inter)disciplinaire - Entre disci...
"Le(s) territoire(s) du CRDT" (4) L'espace (inter)disciplinaire - Entre disci...
 
"Le(s) territoire(s) du CRDT" (2) L'espace intellectuel - Analyse lexicale de...
"Le(s) territoire(s) du CRDT" (2) L'espace intellectuel - Analyse lexicale de..."Le(s) territoire(s) du CRDT" (2) L'espace intellectuel - Analyse lexicale de...
"Le(s) territoire(s) du CRDT" (2) L'espace intellectuel - Analyse lexicale de...
 
De l’épistémologie de sciences à l’épistémologie des disciplines enseignées :...
De l’épistémologie de sciences à l’épistémologie des disciplines enseignées :...De l’épistémologie de sciences à l’épistémologie des disciplines enseignées :...
De l’épistémologie de sciences à l’épistémologie des disciplines enseignées :...
 
Hasni bousadra epistemologie-2019
Hasni bousadra epistemologie-2019Hasni bousadra epistemologie-2019
Hasni bousadra epistemologie-2019
 
Représentation métalinguistique de la la préposition through dans la TOE. Thè...
Représentation métalinguistique de la la préposition through dans la TOE. Thè...Représentation métalinguistique de la la préposition through dans la TOE. Thè...
Représentation métalinguistique de la la préposition through dans la TOE. Thè...
 
Patrimoine scientifique 1ère partie
Patrimoine scientifique 1ère partiePatrimoine scientifique 1ère partie
Patrimoine scientifique 1ère partie
 
Exploring Enlightenment: Text Mining the 18th-Century Republic of Letters
Exploring Enlightenment: Text Mining the 18th-Century Republic of LettersExploring Enlightenment: Text Mining the 18th-Century Republic of Letters
Exploring Enlightenment: Text Mining the 18th-Century Republic of Letters
 
"Le(s) territoire(s) du CRDT" (1) Présentation du projet
"Le(s) territoire(s) du CRDT" (1) Présentation du projet"Le(s) territoire(s) du CRDT" (1) Présentation du projet
"Le(s) territoire(s) du CRDT" (1) Présentation du projet
 
Savoir & rapport au savoir
Savoir & rapport au savoirSavoir & rapport au savoir
Savoir & rapport au savoir
 

Plus de Serge Garlatti

ATIEF IA CIEP Février 2019
ATIEF IA CIEP Février 2019ATIEF IA CIEP Février 2019
ATIEF IA CIEP Février 2019Serge Garlatti
 
Learning Analytics : entre Promesses et Réalité
Learning Analytics : entre Promesses et RéalitéLearning Analytics : entre Promesses et Réalité
Learning Analytics : entre Promesses et RéalitéSerge Garlatti
 
Non Standard Logics & Modal Logics
Non Standard Logics & Modal LogicsNon Standard Logics & Modal Logics
Non Standard Logics & Modal LogicsSerge Garlatti
 
Du Calcul des prédicats vers Prolog
Du Calcul des prédicats vers PrologDu Calcul des prédicats vers Prolog
Du Calcul des prédicats vers PrologSerge Garlatti
 
Cours intro ia_2015_2016
Cours intro ia_2015_2016Cours intro ia_2015_2016
Cours intro ia_2015_2016Serge Garlatti
 
Sens des donnees_2014_2015
Sens des donnees_2014_2015Sens des donnees_2014_2015
Sens des donnees_2014_2015Serge Garlatti
 
Intelligence du _web_semantique_1_2014
Intelligence du _web_semantique_1_2014Intelligence du _web_semantique_1_2014
Intelligence du _web_semantique_1_2014Serge Garlatti
 
Le web semantique_2013_2014
Le web semantique_2013_2014Le web semantique_2013_2014
Le web semantique_2013_2014Serge Garlatti
 
Scenario convergence 2013_2014
Scenario convergence 2013_2014Scenario convergence 2013_2014
Scenario convergence 2013_2014Serge Garlatti
 
Intelligent google 02_2013
Intelligent google 02_2013Intelligent google 02_2013
Intelligent google 02_2013Serge Garlatti
 
Scenario Convergence SW+2.0+Pervasive
Scenario Convergence SW+2.0+PervasiveScenario Convergence SW+2.0+Pervasive
Scenario Convergence SW+2.0+PervasiveSerge Garlatti
 
Future Learning Landscapes
Future Learning LandscapesFuture Learning Landscapes
Future Learning LandscapesSerge Garlatti
 
Social web & linked data
Social web & linked dataSocial web & linked data
Social web & linked dataSerge Garlatti
 

Plus de Serge Garlatti (20)

Seminaire campus lab
Seminaire campus labSeminaire campus lab
Seminaire campus lab
 
ATIEF IA CIEP Février 2019
ATIEF IA CIEP Février 2019ATIEF IA CIEP Février 2019
ATIEF IA CIEP Février 2019
 
Learning Analytics : entre Promesses et Réalité
Learning Analytics : entre Promesses et RéalitéLearning Analytics : entre Promesses et Réalité
Learning Analytics : entre Promesses et Réalité
 
Non Standard Logics & Modal Logics
Non Standard Logics & Modal LogicsNon Standard Logics & Modal Logics
Non Standard Logics & Modal Logics
 
Predicate Calculus
Predicate CalculusPredicate Calculus
Predicate Calculus
 
Modal Logic
Modal LogicModal Logic
Modal Logic
 
Du Calcul des prédicats vers Prolog
Du Calcul des prédicats vers PrologDu Calcul des prédicats vers Prolog
Du Calcul des prédicats vers Prolog
 
Cours intro ia_2015_2016
Cours intro ia_2015_2016Cours intro ia_2015_2016
Cours intro ia_2015_2016
 
Sens des donnees_2014_2015
Sens des donnees_2014_2015Sens des donnees_2014_2015
Sens des donnees_2014_2015
 
Intelligence du _web_semantique_1_2014
Intelligence du _web_semantique_1_2014Intelligence du _web_semantique_1_2014
Intelligence du _web_semantique_1_2014
 
Sparql
SparqlSparql
Sparql
 
Le web semantique_2013_2014
Le web semantique_2013_2014Le web semantique_2013_2014
Le web semantique_2013_2014
 
Scenario convergence 2013_2014
Scenario convergence 2013_2014Scenario convergence 2013_2014
Scenario convergence 2013_2014
 
Intelligent google 02_2013
Intelligent google 02_2013Intelligent google 02_2013
Intelligent google 02_2013
 
Intelligent google
Intelligent googleIntelligent google
Intelligent google
 
Scenario Convergence SW+2.0+Pervasive
Scenario Convergence SW+2.0+PervasiveScenario Convergence SW+2.0+Pervasive
Scenario Convergence SW+2.0+Pervasive
 
Sem info system_2012
Sem info system_2012Sem info system_2012
Sem info system_2012
 
Social web Ontologies
Social web OntologiesSocial web Ontologies
Social web Ontologies
 
Future Learning Landscapes
Future Learning LandscapesFuture Learning Landscapes
Future Learning Landscapes
 
Social web & linked data
Social web & linked dataSocial web & linked data
Social web & linked data
 

Dernier

Grammaire pour les élèves de la 6ème.doc
Grammaire pour les élèves de la  6ème.docGrammaire pour les élèves de la  6ème.doc
Grammaire pour les élèves de la 6ème.docKarimKhrifech
 
Présentation de cartes d'extension zhr..pptx
Présentation de cartes d'extension zhr..pptxPrésentation de cartes d'extension zhr..pptx
Présentation de cartes d'extension zhr..pptxpopzair
 
A3iFormations, organisme de formations certifié qualiopi.
A3iFormations, organisme de formations certifié qualiopi.A3iFormations, organisme de formations certifié qualiopi.
A3iFormations, organisme de formations certifié qualiopi.Franck Apolis
 
systeme expert_systeme expert_systeme expert
systeme expert_systeme expert_systeme expertsysteme expert_systeme expert_systeme expert
systeme expert_systeme expert_systeme expertChristianMbip
 
SUPPORT DE SUR COURS_GOUVERNANCE_SI_M2.pptx
SUPPORT DE SUR COURS_GOUVERNANCE_SI_M2.pptxSUPPORT DE SUR COURS_GOUVERNANCE_SI_M2.pptx
SUPPORT DE SUR COURS_GOUVERNANCE_SI_M2.pptxssuserbd075f
 
Mécanique Automobile LE TURBOCOMPRESSEUR.ppt
Mécanique Automobile LE TURBOCOMPRESSEUR.pptMécanique Automobile LE TURBOCOMPRESSEUR.ppt
Mécanique Automobile LE TURBOCOMPRESSEUR.pptssusercbaa22
 
La nouvelle femme . pptx Film français
La   nouvelle   femme  . pptx  Film françaisLa   nouvelle   femme  . pptx  Film français
La nouvelle femme . pptx Film françaisTxaruka
 
Boléro. pptx Film français réalisé par une femme.
Boléro.  pptx   Film   français   réalisé  par une  femme.Boléro.  pptx   Film   français   réalisé  par une  femme.
Boléro. pptx Film français réalisé par une femme.Txaruka
 
gestion des conflits dans les entreprises
gestion des  conflits dans les entreprisesgestion des  conflits dans les entreprises
gestion des conflits dans les entreprisesMajdaKtiri2
 
Sidonie au Japon . pptx Un film français
Sidonie    au   Japon  .  pptx  Un film françaisSidonie    au   Japon  .  pptx  Un film français
Sidonie au Japon . pptx Un film françaisTxaruka
 
Bolero. pptx . Film de A nnne Fontaine
Bolero. pptx . Film   de  A nnne FontaineBolero. pptx . Film   de  A nnne Fontaine
Bolero. pptx . Film de A nnne FontaineTxaruka
 
Cours-irrigation_et_drainage_cours1.pptx
Cours-irrigation_et_drainage_cours1.pptxCours-irrigation_et_drainage_cours1.pptx
Cours-irrigation_et_drainage_cours1.pptxlamourfrantz
 
présentation sur l'échafaudage dans des travaux en hauteur
présentation sur l'échafaudage dans des travaux en hauteurprésentation sur l'échafaudage dans des travaux en hauteur
présentation sur l'échafaudage dans des travaux en hauteurdinaelchaine
 
666148532-Formation-Habilitation-ELECTRIQUE-ENTREPRISE-MARS-2017.pptx
666148532-Formation-Habilitation-ELECTRIQUE-ENTREPRISE-MARS-2017.pptx666148532-Formation-Habilitation-ELECTRIQUE-ENTREPRISE-MARS-2017.pptx
666148532-Formation-Habilitation-ELECTRIQUE-ENTREPRISE-MARS-2017.pptxSAID MASHATE
 
Formation M2i - Intelligence Artificielle Comment booster votre productivité ...
Formation M2i - Intelligence Artificielle Comment booster votre productivité ...Formation M2i - Intelligence Artificielle Comment booster votre productivité ...
Formation M2i - Intelligence Artificielle Comment booster votre productivité ...M2i Formation
 
presentation l'interactionnisme symbolique finale.pptx
presentation l'interactionnisme symbolique  finale.pptxpresentation l'interactionnisme symbolique  finale.pptx
presentation l'interactionnisme symbolique finale.pptxMalikaIdseaid1
 
Approche-des-risques-par-l’analyse-des-accidents-1.pptx
Approche-des-risques-par-l’analyse-des-accidents-1.pptxApproche-des-risques-par-l’analyse-des-accidents-1.pptx
Approche-des-risques-par-l’analyse-des-accidents-1.pptxssusercbaa22
 
MICROBIOLOGIE ENDODONTIQUE english and frensh 25 nov 2020.pdf
MICROBIOLOGIE ENDODONTIQUE english and frensh 25 nov 2020.pdfMICROBIOLOGIE ENDODONTIQUE english and frensh 25 nov 2020.pdf
MICROBIOLOGIE ENDODONTIQUE english and frensh 25 nov 2020.pdfssuser40e112
 

Dernier (20)

Grammaire pour les élèves de la 6ème.doc
Grammaire pour les élèves de la  6ème.docGrammaire pour les élèves de la  6ème.doc
Grammaire pour les élèves de la 6ème.doc
 
Présentation de cartes d'extension zhr..pptx
Présentation de cartes d'extension zhr..pptxPrésentation de cartes d'extension zhr..pptx
Présentation de cartes d'extension zhr..pptx
 
A3iFormations, organisme de formations certifié qualiopi.
A3iFormations, organisme de formations certifié qualiopi.A3iFormations, organisme de formations certifié qualiopi.
A3iFormations, organisme de formations certifié qualiopi.
 
systeme expert_systeme expert_systeme expert
systeme expert_systeme expert_systeme expertsysteme expert_systeme expert_systeme expert
systeme expert_systeme expert_systeme expert
 
SUPPORT DE SUR COURS_GOUVERNANCE_SI_M2.pptx
SUPPORT DE SUR COURS_GOUVERNANCE_SI_M2.pptxSUPPORT DE SUR COURS_GOUVERNANCE_SI_M2.pptx
SUPPORT DE SUR COURS_GOUVERNANCE_SI_M2.pptx
 
Mécanique Automobile LE TURBOCOMPRESSEUR.ppt
Mécanique Automobile LE TURBOCOMPRESSEUR.pptMécanique Automobile LE TURBOCOMPRESSEUR.ppt
Mécanique Automobile LE TURBOCOMPRESSEUR.ppt
 
La nouvelle femme . pptx Film français
La   nouvelle   femme  . pptx  Film françaisLa   nouvelle   femme  . pptx  Film français
La nouvelle femme . pptx Film français
 
Boléro. pptx Film français réalisé par une femme.
Boléro.  pptx   Film   français   réalisé  par une  femme.Boléro.  pptx   Film   français   réalisé  par une  femme.
Boléro. pptx Film français réalisé par une femme.
 
gestion des conflits dans les entreprises
gestion des  conflits dans les entreprisesgestion des  conflits dans les entreprises
gestion des conflits dans les entreprises
 
Sidonie au Japon . pptx Un film français
Sidonie    au   Japon  .  pptx  Un film françaisSidonie    au   Japon  .  pptx  Un film français
Sidonie au Japon . pptx Un film français
 
Bolero. pptx . Film de A nnne Fontaine
Bolero. pptx . Film   de  A nnne FontaineBolero. pptx . Film   de  A nnne Fontaine
Bolero. pptx . Film de A nnne Fontaine
 
Cours-irrigation_et_drainage_cours1.pptx
Cours-irrigation_et_drainage_cours1.pptxCours-irrigation_et_drainage_cours1.pptx
Cours-irrigation_et_drainage_cours1.pptx
 
Pâques de Sainte Marie-Euphrasie Pelletier
Pâques de Sainte Marie-Euphrasie PelletierPâques de Sainte Marie-Euphrasie Pelletier
Pâques de Sainte Marie-Euphrasie Pelletier
 
présentation sur l'échafaudage dans des travaux en hauteur
présentation sur l'échafaudage dans des travaux en hauteurprésentation sur l'échafaudage dans des travaux en hauteur
présentation sur l'échafaudage dans des travaux en hauteur
 
666148532-Formation-Habilitation-ELECTRIQUE-ENTREPRISE-MARS-2017.pptx
666148532-Formation-Habilitation-ELECTRIQUE-ENTREPRISE-MARS-2017.pptx666148532-Formation-Habilitation-ELECTRIQUE-ENTREPRISE-MARS-2017.pptx
666148532-Formation-Habilitation-ELECTRIQUE-ENTREPRISE-MARS-2017.pptx
 
Evaluación Alumnos de Ecole Victor Hugo
Evaluación Alumnos de Ecole  Victor HugoEvaluación Alumnos de Ecole  Victor Hugo
Evaluación Alumnos de Ecole Victor Hugo
 
Formation M2i - Intelligence Artificielle Comment booster votre productivité ...
Formation M2i - Intelligence Artificielle Comment booster votre productivité ...Formation M2i - Intelligence Artificielle Comment booster votre productivité ...
Formation M2i - Intelligence Artificielle Comment booster votre productivité ...
 
presentation l'interactionnisme symbolique finale.pptx
presentation l'interactionnisme symbolique  finale.pptxpresentation l'interactionnisme symbolique  finale.pptx
presentation l'interactionnisme symbolique finale.pptx
 
Approche-des-risques-par-l’analyse-des-accidents-1.pptx
Approche-des-risques-par-l’analyse-des-accidents-1.pptxApproche-des-risques-par-l’analyse-des-accidents-1.pptx
Approche-des-risques-par-l’analyse-des-accidents-1.pptx
 
MICROBIOLOGIE ENDODONTIQUE english and frensh 25 nov 2020.pdf
MICROBIOLOGIE ENDODONTIQUE english and frensh 25 nov 2020.pdfMICROBIOLOGIE ENDODONTIQUE english and frensh 25 nov 2020.pdf
MICROBIOLOGIE ENDODONTIQUE english and frensh 25 nov 2020.pdf
 

Les ontologies 2014_2015

  • 1. Les Ontologies ou comment donner du sens aux données S. Garlatti
  • 2. Plan  Introduction • Notion d’ontologie et de sens • Rôle des Ontologies • Historique  Ontologies • Définitions • Types d’ontologies  Différents types de systèmes • Les logiques de description
  • 3. Notion d’ontologie et de sens Le concept de « Voie »
  • 4. Notion d’ontologie et de sens Le concept de « Voie »
  • 5. Notion d’ontologie et de sens Le concept de « Voie »
  • 6. Notion d’ontologie et de sens Le concept de « Voie »
  • 7. Notion d’ontologie et de sens  Définir une ontologie c’est • Donner un sens unique à des concepts - Pas de Polysémie • Donc définir un « domaine » de sens particulier - Les voies de communication, la médecine, les galaxies, les arts martiaux, etc. • Consensus dans une communauté de pratiques
  • 8. Notion d’ontologie et de sens  Construire une Ontologie • C’est représenter des connaissances Connaissances ?????
  • 9. Rôle des ontologies  Définir un vocabulaire commun et partagé par une communauté de pratiques • Avoir une compréhension commune • Communiquer, échanger, etc.
  • 10. Rôle des ontologies  Expliciter et formaliser des connaissances • Donner un sens unique à des « entités du monde réel »
  • 11. Rôle des ontologies  Donner du sens à des ressources • Indexation de celles-ci, puis • Recherche d’information (ressources) • Réutilisation, partage et échange
  • 12. Rôle des ontologies  Raisonnement / inférence • Construire et découvrir de nouvelles informations et/ou connaissances à partir des ontologies et des ressources existantes
  • 13. Historique  Les réseaux sémantiques • Quillian (1968) - Un mécanisme général d'association pour représenter le sens des mots - Ensemble de nœuds et d‘associations représentés par des liens. - Un réseau sémantique forme un graphe orienté dont les nœuds et les arcs sont étiquetés - Un graphe d'héritage, structuré au moyen d'une relation de généralisation / spécialisation qui relie entre eux des objets "sémantiquement proches"
  • 15. Historique  Puis différentes interprétations de cette notion • Les Frames: M. Minsky [75] a proposé un autre modèle appelé "frames". Ces "frames" sont des granules de connaissances plus importantes que les nœuds d'un réseau sémantique • Les Logiques de Description: Brachman et Schmolze [77] ont proposé un autre modèle à mi-chemin entre les réseaux sémantiques et les Frames de Minsky dont le premier représentant s'appelle KL-ONE • Les Graphes Conceptuels: Sowa [84] • Les Frames-Logic Kifer [95]
  • 16. Historique  Points communs • Réification des entités du « monde réel » sous forme - D’objets : des classes ou des individus - Ou de propriétés • Un objet est défini par une conjonction de propriétés qui peuvent être des couples attributs / valeurs ou des relations entre objets • Organisation des classes : - Un graphe orienté sans circuit, dont un graphe d’héritage muni d’une relation « SubClassOf »
  • 17. Historique  Points Communs • Graphe d'héritage, par des liens « SubClassOf » qui déterminent - Une relation de généralisation/spécialisation entre les classes et une relation d’instanciation « Member-of » entre individus et classes. • Une classe déclare les propriétés qui lui sont spécifiques • Toute propriété non présente dans un objet peut être héritée des classes plus générales (mécanisme d'héritage) • Héritage simple ou multiple
  • 18. Historique  Points Communs • Soit G = (X,H) le graphe d'héritage avec X l'ensemble des objets, - X = Y  Z avec Y l'ensemble des « classes » et Z l'ensemble des « individus », - Ce graphe G possède toujours une racine unique et défini un ordre partiel sur X - H l'ensemble des arcs, avec H l'ordre induit par le graphe G et -  x, y  X tels que x ≤H y alors y est un ancêtre de x et x est un descendant de y.
  • 19. Historique  Définitions d’une classe • Définition en extension - L'extension propre d'une classe est définie par un ensemble d'individus - L'extension au sens large d'une classe est définie par un ensemble d’individus et les classes plus spécifiques • Définition en intension ou compréhension - Une classe est définie en intension par l'ensemble des propriétés qu’elle possède ou qu’elle hérite
  • 20. Historique  Rapports entre Extension et Intension • Soient Extp(x) l'extension propre de l'objet x et Ext(x) l'extension au sens large de l'objet x, alors  x, y  Y tels que x H y  Ext(x)  Ext(y)  y  Y et  z  Z, tels que z H y  z  Extp(y) • Soient z un objet, Int(x) l'intension de x ou ensemble de propriétés définissant x, c'est-à-dire celles déclarées dans z et celles héritées de ces ancêtres, alors  x, y  Y tels que x H y  Int(y)  Int(x)
  • 21. Historique  Deux types de classes • Celles définies en Condition Nécessaires et Suffisantes • Celles définies comme des Prototypes - Théorie du prototype de E. Rosch
  • 22. Historique  Mécanismes d’inférence • L'héritage : c'est un mécanisme de partage de propriétés entre des entités structurées dans une hiérarchie qui induit un raisonnement monotone ou non monotone selon les systèmes.
  • 23. Historique  Mécanismes d’inférence • Le filtrage : recherche d’un ensemble d'objets qui satisfont à certains critères donnés. - Le filtrage est souvent fondé sur une logique à trois valeurs, vrai, faux, et inconnu (en monde ouvert) – Un objet ne vérifiant pas les conditions du filtre n'est pas rejeté s'il n’est pas contradictoire avec le filtre – Objets répartis en trois classes sûrs, possibles et impossibles
  • 24. Historique  Mécanismes d’inférence • La classification: la classification est l'opération qui permet de placer un objet x dans un graphe d'héritage. Deux cas sont à considérer : – L’individu – La classe
  • 25. Ontologie  « Naissances des Ontologies » • Début années 90 • Méthodologies d’acquisition des connaissances • Séparer les différentes catégories de connaissances et les raisonnements associés pour - Construire mieux, plus rapidement, plus facilement, - Réutiliser et partager les connaissances acquises - Maintenir plus facilement ces dernières
  • 26. Ontologie  Les concepts et les propriétés d’un domaine hiérarchiquement organisés sont regroupés dans une entité appelée « Ontologie »  Pas d’individus !!!!!  Une fois construite et acceptée par une communauté particulière, une ontologie doit traduire un consensus explicite et un certain niveau de partage par les membres de la communauté.
  • 27. Ontologie  Philosophie : ARISTOTE a défini l’Ontologie comme la science de l’Être  Définition (Petit Robert) : la partie de la métaphysique qui s’intéresse à l’Être en tant qu’Etre  Ontologie • Est habituellement comprise comme une science des étants plutôt que comme une science de l’Être en tant qu’Être - C’est-à-dire qu’elle s’intéresse davantage à ce qui existe (les étants ou existants) qu’aux principes de ce qui existe (l’Être)  « Ontologie » sera utilisé dans le contexte de l’Ingénierie des connaissances, de l’intelligence artificielle ou du Web sémantique •
  • 28. Ontologie  Définition 1 (Gruber 1993) • “An ontology is a formal, explicit specification of a shared conceptualization of a domain of interest”. - Conceptualisation : les objets, les concepts et autres entités qui sont supposés exister dans un domaine particulier et les relations qu’ils entretiennent entre eux.  N. Guarino et P. Giaretta • L’ontologie comme un système conceptuel informel, • L’ontologie comme la représentation d’un système conceptuel via une théorie logique et son vocabulaire.
  • 29. Définitions  Gruber et M. Uschold et al. • Ontologie (déf. 2) : Une ontologie implique ou comprend une certaine vue du monde par rapport à un domaine donné. - Cette vue est souvent conçue comme un ensemble de concepts, leurs définitions et leurs interrelations. - On appelle cela une conceptualisation. • Une ontologie peut prendre différentes formes mais elle inclura nécessairement un vocabulaire de termes et une spécification de leur signification. • Une ontologie est une spécification rendant partiellement compte d’une conceptualisation.
  • 30. Définitions Une structure d’ontologie est un quintuplet O := {C, R, HC, rel, AO} • C et R : ensembles disjoints des concepts et des relations • HC hiérarchie (taxonomie) de concepts : HC  C x C , HC(C1, C2) signifie que C1 est un sous-concept de C2 (relation orientée) • Rel : relation rel: R  C x C (définit des relations sémantiques non taxonomiques) avec 2 fonctions associées - dom : R  C avec dom(R):= 1(rel(R)) - range : R  C avec range(R):= 2(rel(R)) co-domaine - rel(R) = (C1,C2) s’écrit aussi R(C1,C2) • Ontologie abstraite
  • 31. Définitions Le lexique d’une structure d’ontologie O:= {C, R, HC, rel, AO} est un quadruplet L:= {LC, LR, F, G} • LC et LR : ensembles disjoints des entrées lexicales des concepts et des relations • F, G : deux relations appelées références F  LC (pour les concepts), G  LR x R (pour les relations), - Pour L LC : F(L) = {C  C / (L,C)  F} - F-1 (L) = {L  L / (L,C)  F} • Idem pour G et G-1 Ontologie concrète : couple (O, L)
  • 32. Définitions  Structure d’une base de connaissances : quadruplet KB:= {O, I, inst, instr} • O:= {C, R, HC, rel, AO} est une ontologie • I est un ensemble d’individus • inst : C-> 2I Fonction d’instanciation de concept • Instr : R -> 2IxI Fonction d’instanciation de relation  Lexique d’une base de connaissances LKB := (LI,J) personne entrepriseemployé Travaille-pour Dupont SNCFTravaille-pour ontologie BC Source: N. Aussenac
  • 33. Définitions  Ontologie : Ensemble des objets reconnus comme existant dans le domaine • Construire une ontologie c’est aussi décider de la manière d’être et d’exister des objets. • Modèles des connaissances d’un domaine qui sont pertinentes pour une application, une tâche donnée • Conceptualisation en classes génériques, relations et règles
  • 34. Définitions  Contraintes qui s’imposent au concepteur d’ontologies • Une ontologie est bien une conceptualisation, entendons par là que l’on y définit des concepts - Utilisée dans un artefact informatique dont on veut spécifier le comportement, - L’ontologie est une théorie logique pour laquelle on précisera le vocabulaire manipulé - La conceptualisation étant spécifiée parfois de manière très précise, une théorie logique ne peut pas toujours en rendre compte de façon exacte : elle ne peut assumer la richesse interprétative du domaine conceptualisé dans une ontologie et ne le fait donc que partiellement.
  • 35. Types d’ontologies  Que représente une ontologie ? • Le type d’ontologie - L’ontologie de domaine - L’ontologie d’une méthode de résolution de problème, le rôle de chaque concept dans le raisonnement est rendu explicite - L’ontologie des utilisateurs, de l’entreprise • Les propriétés - Non seulement le repérage et la classification des concepts mais aussi les caractéristiques qui leur sont attachées. • Les relations, autres que héritage : spatiale, temporelle, composition, etc.
  • 36. Types d’ontologies  Ontologies d’application double spécialisation : d’une ontologie du domaine et d’une ontologie de méthode  Ontologie formelle étude approfondie et raisonnée de la manière d’organiser des concepts fondamentaux - le temps, les relations partie-tout, la causalité, …  Ontologies de résolution de problème (de méthode) ex : ontologies de tâche, ONTOLINGUA  Ontologies du domaine ex : Ménélas  Ontologies » génériques ex : Wordnet, Bateman, CYC  Ontologies de représentation ex : la «frame ontology» d’ONTOLINGUA
  • 37. Types d’ontologies  Ontologies développées dans un contexte informatique • Le but final est de spécifier un artefact informatique  L’ontologie devient alors un modèle des entités existantes qui y fait référence à travers des concepts du domaine.  L’ontologie devra ensuite être opérationnalisée, c’est-à-dire codée dans un langage opérationnel, exécutable par une machine.
  • 38. Types d’ontologies  Rôles des ontologies dans le SW - Définir de manière déclarative un vocabulaire commun résultat d’un consensus social dans un domaine donné – Chaque élément de vocabulaire possède une interprétation unique partagée par tous les membres du domaine - Décrire la sémantique des termes et leurs relations – L’interprétation de chaque terme est unique. Elle est fournie par une sémantique formelle. – L’ensemble des termes et leurs relations fournissent un cadre interprétatif dépourvu d’ambiguïté pour chaque terme. - Fournir des mécanismes d’inférence qui respectent la sémantique formelle.
  • 39. Types d’ontologies  Dépots - http://www.bioontology.org/ - http://ontology.buffalo.edu/ - http://protegewiki.stanford.edu/wiki/Protege_Ontology_Library#OWL _ontologies - http://swl.slis.indiana.edu/repository/index.html - http://schemapedia.com/ - http://owl.cs.manchester.ac.uk/repository/ - http://pronto.metadata.net/related - http://onki.fi/ - http://www.daml.org/ontologies/ - http://owl.cs.manchester.ac.uk/ontologies/repositories/ -
  • 40. Différents types de systèmes  Logique de Description • CNS, héritage multiple sans conflit, subsomption  Graphes Conceptuels • CNS, héritage multiple sans conflit, {objet = sous- graphe}, treillis, appariement de graphes  Frames-Logic • CNS, héritage multiple sans conflit, + Prolog
  • 41. Les Logiques de Description  Une logique description fournit • Des concepts : classes • Des rôles : propriétés • Des opérations (and, or, not, some, all, atleast, atmost…) sur ces éléments primitifs du langage • Un mécanisme de classification fondé sur la relation de subsumption entre concepts ou rôles - Induit généralement un graphe orienté sans circuit entre les concepts et entre les rôles
  • 42. Les Logiques de Description  Deux types de concepts • Primitifs : sont des définitions incomplètes des concepts – Conditions Nécessaires mais non suffisantes pour décider de l’appartenance • Définis : sont des définitions complètes des concepts en Condition Nécessaire et Suffisante (CNS)  La classification ne peut opérer que sur des concepts définis
  • 43. Les Logiques de Description  Mécanismes d’inférences • La subsomption A subsume B si et seulement si pour chaque modèle <D, x>, x [A]  x [B]. La classification est le processus qui identifie toutes les subsomptions appropriées parmi un ensemble donné de termes. • L'héritage l'héritage est le processus d'identification des conditions qui s'appliquent à un concept en fonction de ses subsumants.
  • 44. Les Logiques de Description  Mécanismes d’inférences • La complétion c'est le processus qui identifie et enregistre toutes les conditions qui s'appliquent à un concept, c'est-à-dire toutes celles dues à l'héritage, • La cohérence un terme est cohérent si et seulement s'il y a un modèle dans le lequel la dénotation du terme est non vide. En d'autres mots, A est cohérent seulement s'il existe un modèle <D, x> tel que x [A]  .