SlideShare une entreprise Scribd logo
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
Linguistic Ontology: example
   WordNet® = large lexical database of English




                                                                   http://wordnet.princeton.edu/
13/11/2009   CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS                29
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
Construction d’Ontologies:
                 les bases
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
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
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
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
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
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
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
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
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
OWL DL
Logique de Description
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.
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
Constructeurs
 Union de classes : ou logique
 Intersection de classe : et logique
 Négation de classe : le complément
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
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
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.

Contenu connexe

Tendances

Architectures orientés services (SOA)
Architectures orientés services (SOA)Architectures orientés services (SOA)
Architectures orientés services (SOA)
Heithem Abbes
 
Chp1 - Introduction à l'Informatique Décisionnelle
Chp1 - Introduction à l'Informatique DécisionnelleChp1 - Introduction à l'Informatique Décisionnelle
Chp1 - Introduction à l'Informatique Décisionnelle
Lilia Sfaxi
 
Cours Big Data Chap4 - Spark
Cours Big Data Chap4 - SparkCours Big Data Chap4 - Spark
Cours Big Data Chap4 - Spark
Amal Abid
 
Chp3 - Modélisation Multidimensionnelle
Chp3 - Modélisation MultidimensionnelleChp3 - Modélisation Multidimensionnelle
Chp3 - Modélisation Multidimensionnelle
Lilia Sfaxi
 
Business Intelligence : Transformer les données en information.
Business Intelligence : Transformer les données en information.Business Intelligence : Transformer les données en information.
Business Intelligence : Transformer les données en information.
arnaudm
 
Projet BI - 2 - Conception base de données
Projet BI - 2 - Conception base de donnéesProjet BI - 2 - Conception base de données
Projet BI - 2 - Conception base de données
Jean-Marc Dupont
 
Tp Sql Server Integration Services 2008
Tp  Sql Server Integration Services  2008Tp  Sql Server Integration Services  2008
Tp Sql Server Integration Services 2008
Abdelouahed Abdou
 
Cours Base de données relationnelles
Cours Base de données relationnellesCours Base de données relationnelles
Cours Base de données relationnelles
Aymen Kasmi
 
Les systèmes de recommandations
Les systèmes de recommandationsLes systèmes de recommandations
Les systèmes de recommandations
Romain Picot-Clemente
 
Qu'est-ce qu'un ETL ?
Qu'est-ce qu'un ETL ?Qu'est-ce qu'un ETL ?
Qu'est-ce qu'un ETL ?
Mathieu Lahaye
 
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
ECAM Brussels Engineering School
 
Cours Big Data Chap1
Cours Big Data Chap1Cours Big Data Chap1
Cours Big Data Chap1
Amal Abid
 
exercices business intelligence
exercices business intelligence exercices business intelligence
exercices business intelligence
Yassine Badri
 
eServices-Chp5: Microservices et API Management
eServices-Chp5: Microservices et API ManagementeServices-Chp5: Microservices et API Management
eServices-Chp5: Microservices et API Management
Lilia Sfaxi
 
BigData_Chp1: Introduction à la Big Data
BigData_Chp1: Introduction à la Big DataBigData_Chp1: Introduction à la Big Data
BigData_Chp1: Introduction à la Big Data
Lilia Sfaxi
 
Chp2 - Les Entrepôts de Données
Chp2 - Les Entrepôts de DonnéesChp2 - Les Entrepôts de Données
Chp2 - Les Entrepôts de Données
Lilia Sfaxi
 
Visual Transformer Overview
Visual Transformer OverviewVisual Transformer Overview
Visual Transformer Overview
Dr Hajji Hicham
 
Introduction aux réseaux informatiques
Introduction aux réseaux informatiquesIntroduction aux réseaux informatiques
Introduction aux réseaux informatiques
sarah Benmerzouk
 
Rapport pfe talan_2018_donia_hammami
Rapport pfe talan_2018_donia_hammamiRapport pfe talan_2018_donia_hammami
Rapport pfe talan_2018_donia_hammami
Donia Hammami
 
Chp1 - Introduction aux ERP
Chp1 - Introduction aux ERPChp1 - Introduction aux ERP
Chp1 - Introduction aux ERP
Lilia Sfaxi
 

Tendances (20)

Architectures orientés services (SOA)
Architectures orientés services (SOA)Architectures orientés services (SOA)
Architectures orientés services (SOA)
 
Chp1 - Introduction à l'Informatique Décisionnelle
Chp1 - Introduction à l'Informatique DécisionnelleChp1 - Introduction à l'Informatique Décisionnelle
Chp1 - Introduction à l'Informatique Décisionnelle
 
Cours Big Data Chap4 - Spark
Cours Big Data Chap4 - SparkCours Big Data Chap4 - Spark
Cours Big Data Chap4 - Spark
 
Chp3 - Modélisation Multidimensionnelle
Chp3 - Modélisation MultidimensionnelleChp3 - Modélisation Multidimensionnelle
Chp3 - Modélisation Multidimensionnelle
 
Business Intelligence : Transformer les données en information.
Business Intelligence : Transformer les données en information.Business Intelligence : Transformer les données en information.
Business Intelligence : Transformer les données en information.
 
Projet BI - 2 - Conception base de données
Projet BI - 2 - Conception base de donnéesProjet BI - 2 - Conception base de données
Projet BI - 2 - Conception base de données
 
Tp Sql Server Integration Services 2008
Tp  Sql Server Integration Services  2008Tp  Sql Server Integration Services  2008
Tp Sql Server Integration Services 2008
 
Cours Base de données relationnelles
Cours Base de données relationnellesCours Base de données relationnelles
Cours Base de données relationnelles
 
Les systèmes de recommandations
Les systèmes de recommandationsLes systèmes de recommandations
Les systèmes de recommandations
 
Qu'est-ce qu'un ETL ?
Qu'est-ce qu'un ETL ?Qu'est-ce qu'un ETL ?
Qu'est-ce qu'un ETL ?
 
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
 
Cours Big Data Chap1
Cours Big Data Chap1Cours Big Data Chap1
Cours Big Data Chap1
 
exercices business intelligence
exercices business intelligence exercices business intelligence
exercices business intelligence
 
eServices-Chp5: Microservices et API Management
eServices-Chp5: Microservices et API ManagementeServices-Chp5: Microservices et API Management
eServices-Chp5: Microservices et API Management
 
BigData_Chp1: Introduction à la Big Data
BigData_Chp1: Introduction à la Big DataBigData_Chp1: Introduction à la Big Data
BigData_Chp1: Introduction à la Big Data
 
Chp2 - Les Entrepôts de Données
Chp2 - Les Entrepôts de DonnéesChp2 - Les Entrepôts de Données
Chp2 - Les Entrepôts de Données
 
Visual Transformer Overview
Visual Transformer OverviewVisual Transformer Overview
Visual Transformer Overview
 
Introduction aux réseaux informatiques
Introduction aux réseaux informatiquesIntroduction aux réseaux informatiques
Introduction aux réseaux informatiques
 
Rapport pfe talan_2018_donia_hammami
Rapport pfe talan_2018_donia_hammamiRapport pfe talan_2018_donia_hammami
Rapport pfe talan_2018_donia_hammami
 
Chp1 - Introduction aux ERP
Chp1 - Introduction aux ERPChp1 - Introduction aux ERP
Chp1 - Introduction aux ERP
 

En vedette

Internet des Objets
Internet des ObjetsInternet des Objets
Internet des Objets
IEEE 802
 
03 00 l'internet des objets - introduction
03 00 l'internet des objets - introduction03 00 l'internet des objets - introduction
03 00 l'internet des objets - introduction
Alexandre Rivaux
 
Coopération des Systèmes d'Informations basée sur les Ontologies
Coopération des Systèmes d'Informations basée sur les OntologiesCoopération des Systèmes d'Informations basée sur les Ontologies
Coopération des Systèmes d'Informations basée sur les Ontologies
Raji Ghawi
 
L'internet des objets (The Internet of Things)
L'internet des objets (The Internet of Things)L'internet des objets (The Internet of Things)
L'internet des objets (The Internet of Things)
Raphaël Duperret
 
L'internet des objets
L'internet des objetsL'internet des objets
L'internet des objets
Benjamin Labarthe-Piol
 
interopérabilité en informatique
interopérabilité en informatiqueinteropérabilité en informatique
interopérabilité en informatique
catherine roussey
 
Internet des Objets
Internet des ObjetsInternet des Objets
Internet des Objets
Dhiaeddine Loghmari
 
Web sémantique et Web de données, et si on passait à la pratique ?
Web sémantique et Web de données, et si on passait à la pratique ?Web sémantique et Web de données, et si on passait à la pratique ?
Web sémantique et Web de données, et si on passait à la pratique ?
Antidot
 
Internet des objets
Internet des objetsInternet des objets
Internet des objets
Free Lance
 
Cours #9 L'Internet des objets
Cours #9 L'Internet des objetsCours #9 L'Internet des objets
Cours #9 L'Internet des objets
Alexandre Moussier
 
Internet des objets (IoT)
Internet des objets (IoT)Internet des objets (IoT)
Internet des objets (IoT)
bruno-dambrun
 

En vedette (11)

Internet des Objets
Internet des ObjetsInternet des Objets
Internet des Objets
 
03 00 l'internet des objets - introduction
03 00 l'internet des objets - introduction03 00 l'internet des objets - introduction
03 00 l'internet des objets - introduction
 
Coopération des Systèmes d'Informations basée sur les Ontologies
Coopération des Systèmes d'Informations basée sur les OntologiesCoopération des Systèmes d'Informations basée sur les Ontologies
Coopération des Systèmes d'Informations basée sur les Ontologies
 
L'internet des objets (The Internet of Things)
L'internet des objets (The Internet of Things)L'internet des objets (The Internet of Things)
L'internet des objets (The Internet of Things)
 
L'internet des objets
L'internet des objetsL'internet des objets
L'internet des objets
 
interopérabilité en informatique
interopérabilité en informatiqueinteropérabilité en informatique
interopérabilité en informatique
 
Internet des Objets
Internet des ObjetsInternet des Objets
Internet des Objets
 
Web sémantique et Web de données, et si on passait à la pratique ?
Web sémantique et Web de données, et si on passait à la pratique ?Web sémantique et Web de données, et si on passait à la pratique ?
Web sémantique et Web de données, et si on passait à la pratique ?
 
Internet des objets
Internet des objetsInternet des objets
Internet des objets
 
Cours #9 L'Internet des objets
Cours #9 L'Internet des objetsCours #9 L'Internet des objets
Cours #9 L'Internet des objets
 
Internet des objets (IoT)
Internet des objets (IoT)Internet des objets (IoT)
Internet des objets (IoT)
 

Similaire à Les Ontologies dans les Systèmes d’Information

ontologie de capteurs
ontologie de capteursontologie de capteurs
ontologie de capteurs
catherine roussey
 
Deep learning
Deep learningDeep learning
Deep learning
Bilal Rezkellah
 
Intelligence collective dans les environnements numériques : pourquoi et comm...
Intelligence collective dans les environnements numériques : pourquoi et comm...Intelligence collective dans les environnements numériques : pourquoi et comm...
Intelligence collective dans les environnements numériques : pourquoi et comm...
Isabelle GUYOT
 
Ontologies, web de données et SKOS transformation
Ontologies, web de données et SKOS transformationOntologies, web de données et SKOS transformation
Ontologies, web de données et SKOS transformation
catherine roussey
 
Skos transformation
Skos transformationSkos transformation
Skos transformation
catherine roussey
 
Amar Lakel - Patrimonialisation numérique et avenir digital du document.
Amar Lakel - Patrimonialisation numérique et avenir digital du document.Amar Lakel - Patrimonialisation numérique et avenir digital du document.
Amar Lakel - Patrimonialisation numérique et avenir digital du document.
Amar LAKEL, PhD
 
La collecte du renseignement
La collecte du renseignementLa collecte du renseignement
La collecte du renseignement
Nicolae Sfetcu
 
Visite guidée au pays de la donnée - Du modèle conceptuel au modèle physique
Visite guidée au pays de la donnée - Du modèle conceptuel au modèle physiqueVisite guidée au pays de la donnée - Du modèle conceptuel au modèle physique
Visite guidée au pays de la donnée - Du modèle conceptuel au modèle physique
Gautier Poupeau
 
PROGRAMMATION 2e GENIE PARTIE THEORIE.ppt
PROGRAMMATION 2e GENIE PARTIE THEORIE.pptPROGRAMMATION 2e GENIE PARTIE THEORIE.ppt
PROGRAMMATION 2e GENIE PARTIE THEORIE.ppt
EddySHANGA
 
cours introduction a l'intelligence artificielle
cours introduction a l'intelligence artificiellecours introduction a l'intelligence artificielle
cours introduction a l'intelligence artificielle
syliaghz
 
test
testtest
test
dehbimoad
 
Cours BDD.pptx
Cours BDD.pptxCours BDD.pptx
Cours BDD.pptx
IbrahimaBarry49
 
Le progrès de l'intelligence artificielle et ses conséquences
Le progrès de l'intelligence artificielle et ses conséquencesLe progrès de l'intelligence artificielle et ses conséquences
Le progrès de l'intelligence artificielle et ses conséquences
Fernando Alcoforado
 
Conf mapcolldoct24.05
Conf mapcolldoct24.05Conf mapcolldoct24.05
Conf mapcolldoct24.05
map8slide
 
Projets d'Humanités numérique et collaboration de différents métiers
Projets d'Humanités numérique et collaboration de différents métiersProjets d'Humanités numérique et collaboration de différents métiers
Projets d'Humanités numérique et collaboration de différents métiers
Emmanuelle Morlock
 
préservation de l'information numérique formation 2015
préservation de l'information numérique formation 2015préservation de l'information numérique formation 2015
préservation de l'information numérique formation 2015
Pascal Romain
 
CPOO.pdf
CPOO.pdfCPOO.pdf
Les systèmes intelligents
Les systèmes intelligentsLes systèmes intelligents
Les systèmes intelligents
Nour El Houda Megherbi
 

Similaire à Les Ontologies dans les Systèmes d’Information (20)

ontologie de capteurs
ontologie de capteursontologie de capteurs
ontologie de capteurs
 
Deep learning
Deep learningDeep learning
Deep learning
 
Intelligence collective dans les environnements numériques : pourquoi et comm...
Intelligence collective dans les environnements numériques : pourquoi et comm...Intelligence collective dans les environnements numériques : pourquoi et comm...
Intelligence collective dans les environnements numériques : pourquoi et comm...
 
Ontologies, web de données et SKOS transformation
Ontologies, web de données et SKOS transformationOntologies, web de données et SKOS transformation
Ontologies, web de données et SKOS transformation
 
Skos transformation
Skos transformationSkos transformation
Skos transformation
 
Amar Lakel - Patrimonialisation numérique et avenir digital du document.
Amar Lakel - Patrimonialisation numérique et avenir digital du document.Amar Lakel - Patrimonialisation numérique et avenir digital du document.
Amar Lakel - Patrimonialisation numérique et avenir digital du document.
 
La collecte du renseignement
La collecte du renseignementLa collecte du renseignement
La collecte du renseignement
 
Visite guidée au pays de la donnée - Du modèle conceptuel au modèle physique
Visite guidée au pays de la donnée - Du modèle conceptuel au modèle physiqueVisite guidée au pays de la donnée - Du modèle conceptuel au modèle physique
Visite guidée au pays de la donnée - Du modèle conceptuel au modèle physique
 
PROGRAMMATION 2e GENIE PARTIE THEORIE.ppt
PROGRAMMATION 2e GENIE PARTIE THEORIE.pptPROGRAMMATION 2e GENIE PARTIE THEORIE.ppt
PROGRAMMATION 2e GENIE PARTIE THEORIE.ppt
 
cours introduction a l'intelligence artificielle
cours introduction a l'intelligence artificiellecours introduction a l'intelligence artificielle
cours introduction a l'intelligence artificielle
 
test
testtest
test
 
Cours BDD.pptx
Cours BDD.pptxCours BDD.pptx
Cours BDD.pptx
 
Le progrès de l'intelligence artificielle et ses conséquences
Le progrès de l'intelligence artificielle et ses conséquencesLe progrès de l'intelligence artificielle et ses conséquences
Le progrès de l'intelligence artificielle et ses conséquences
 
Conf mapcolldoct24.05
Conf mapcolldoct24.05Conf mapcolldoct24.05
Conf mapcolldoct24.05
 
Projets d'Humanités numérique et collaboration de différents métiers
Projets d'Humanités numérique et collaboration de différents métiersProjets d'Humanités numérique et collaboration de différents métiers
Projets d'Humanités numérique et collaboration de différents métiers
 
Ackerman04
Ackerman04Ackerman04
Ackerman04
 
39art beau-r
39art beau-r39art beau-r
39art beau-r
 
préservation de l'information numérique formation 2015
préservation de l'information numérique formation 2015préservation de l'information numérique formation 2015
préservation de l'information numérique formation 2015
 
CPOO.pdf
CPOO.pdfCPOO.pdf
CPOO.pdf
 
Les systèmes intelligents
Les systèmes intelligentsLes systèmes intelligents
Les systèmes intelligents
 

Plus de catherine roussey

Modélisation de la spatialité dans les ontologies de capteurs
Modélisation de la spatialité dans les ontologies de capteursModélisation de la spatialité dans les ontologies de capteurs
Modélisation de la spatialité dans les ontologies de capteurs
catherine roussey
 
RavaCool Diagnostic régional des ravageurs du colza
RavaCool Diagnostic régional des ravageurs du colzaRavaCool Diagnostic régional des ravageurs du colza
RavaCool Diagnostic régional des ravageurs du colza
catherine roussey
 
Intelligent Wireless Sensor Network Simulation: Flood Use Case
Intelligent Wireless Sensor Network Simulation: Flood Use CaseIntelligent Wireless Sensor Network Simulation: Flood Use Case
Intelligent Wireless Sensor Network Simulation: Flood Use Case
catherine roussey
 
Irstea Use Case: Integration of Crop Observations using Semantic Web Technolo...
Irstea Use Case: Integration of Crop Observations using Semantic Web Technolo...Irstea Use Case: Integration of Crop Observations using Semantic Web Technolo...
Irstea Use Case: Integration of Crop Observations using Semantic Web Technolo...
catherine roussey
 
Intelligent Wireless Sensor Network Simulation
Intelligent Wireless Sensor Network SimulationIntelligent Wireless Sensor Network Simulation
Intelligent Wireless Sensor Network Simulation
catherine roussey
 
2015 ed spi
2015 ed spi2015 ed spi
2015 ed spi
catherine roussey
 
Weather Station Data Publication at Irstea: an implementation Report.
Weather Station Data Publication at Irstea: an implementation Report.  Weather Station Data Publication at Irstea: an implementation Report.
Weather Station Data Publication at Irstea: an implementation Report.
catherine roussey
 
Présentation du projet de l'irstea sur l'annotation des bulletins d'alerte ag...
Présentation du projet de l'irstea sur l'annotation des bulletins d'alerte ag...Présentation du projet de l'irstea sur l'annotation des bulletins d'alerte ag...
Présentation du projet de l'irstea sur l'annotation des bulletins d'alerte ag...
catherine roussey
 
Semantic Sensor Network Ontology: Description et usage
Semantic Sensor Network Ontology: Description et usageSemantic Sensor Network Ontology: Description et usage
Semantic Sensor Network Ontology: Description et usage
catherine roussey
 

Plus de catherine roussey (9)

Modélisation de la spatialité dans les ontologies de capteurs
Modélisation de la spatialité dans les ontologies de capteursModélisation de la spatialité dans les ontologies de capteurs
Modélisation de la spatialité dans les ontologies de capteurs
 
RavaCool Diagnostic régional des ravageurs du colza
RavaCool Diagnostic régional des ravageurs du colzaRavaCool Diagnostic régional des ravageurs du colza
RavaCool Diagnostic régional des ravageurs du colza
 
Intelligent Wireless Sensor Network Simulation: Flood Use Case
Intelligent Wireless Sensor Network Simulation: Flood Use CaseIntelligent Wireless Sensor Network Simulation: Flood Use Case
Intelligent Wireless Sensor Network Simulation: Flood Use Case
 
Irstea Use Case: Integration of Crop Observations using Semantic Web Technolo...
Irstea Use Case: Integration of Crop Observations using Semantic Web Technolo...Irstea Use Case: Integration of Crop Observations using Semantic Web Technolo...
Irstea Use Case: Integration of Crop Observations using Semantic Web Technolo...
 
Intelligent Wireless Sensor Network Simulation
Intelligent Wireless Sensor Network SimulationIntelligent Wireless Sensor Network Simulation
Intelligent Wireless Sensor Network Simulation
 
2015 ed spi
2015 ed spi2015 ed spi
2015 ed spi
 
Weather Station Data Publication at Irstea: an implementation Report.
Weather Station Data Publication at Irstea: an implementation Report.  Weather Station Data Publication at Irstea: an implementation Report.
Weather Station Data Publication at Irstea: an implementation Report.
 
Présentation du projet de l'irstea sur l'annotation des bulletins d'alerte ag...
Présentation du projet de l'irstea sur l'annotation des bulletins d'alerte ag...Présentation du projet de l'irstea sur l'annotation des bulletins d'alerte ag...
Présentation du projet de l'irstea sur l'annotation des bulletins d'alerte ag...
 
Semantic Sensor Network Ontology: Description et usage
Semantic Sensor Network Ontology: Description et usageSemantic Sensor Network Ontology: Description et usage
Semantic Sensor Network Ontology: Description et usage
 

Dernier

Lae-ac1-5_english-fraançais_qins italy.pdf
Lae-ac1-5_english-fraançais_qins italy.pdfLae-ac1-5_english-fraançais_qins italy.pdf
Lae-ac1-5_english-fraançais_qins italy.pdf
djelloulbra
 
Transformation Digitale - Initiez-vous à l'informatique et à l'utilisation de...
Transformation Digitale - Initiez-vous à l'informatique et à l'utilisation de...Transformation Digitale - Initiez-vous à l'informatique et à l'utilisation de...
Transformation Digitale - Initiez-vous à l'informatique et à l'utilisation de...
Maalik Jallo
 
procede de fabrication mecanique et industriel
procede de fabrication mecanique et industrielprocede de fabrication mecanique et industriel
procede de fabrication mecanique et industriel
saadbellaari
 
Cours d'Intelligence Artificielle et Apprentissage Automatique.pptx
Cours d'Intelligence Artificielle et Apprentissage Automatique.pptxCours d'Intelligence Artificielle et Apprentissage Automatique.pptx
Cours d'Intelligence Artificielle et Apprentissage Automatique.pptx
Jacques KIZA DIMANDJA
 
Technologie hydrostatique, innovation pour la stérilisation des aliments : HI...
Technologie hydrostatique, innovation pour la stérilisation des aliments : HI...Technologie hydrostatique, innovation pour la stérilisation des aliments : HI...
Technologie hydrostatique, innovation pour la stérilisation des aliments : HI...
InnovaSter-Trade Ltd.
 
Introduction à Crossplane (Talk Devoxx 2023)
Introduction à Crossplane (Talk Devoxx 2023)Introduction à Crossplane (Talk Devoxx 2023)
Introduction à Crossplane (Talk Devoxx 2023)
Adrien Blind
 
Meetup LFUG : Cahier de vacances Liferay
Meetup LFUG : Cahier de vacances LiferayMeetup LFUG : Cahier de vacances Liferay
Meetup LFUG : Cahier de vacances Liferay
Sébastien Le Marchand
 

Dernier (7)

Lae-ac1-5_english-fraançais_qins italy.pdf
Lae-ac1-5_english-fraançais_qins italy.pdfLae-ac1-5_english-fraançais_qins italy.pdf
Lae-ac1-5_english-fraançais_qins italy.pdf
 
Transformation Digitale - Initiez-vous à l'informatique et à l'utilisation de...
Transformation Digitale - Initiez-vous à l'informatique et à l'utilisation de...Transformation Digitale - Initiez-vous à l'informatique et à l'utilisation de...
Transformation Digitale - Initiez-vous à l'informatique et à l'utilisation de...
 
procede de fabrication mecanique et industriel
procede de fabrication mecanique et industrielprocede de fabrication mecanique et industriel
procede de fabrication mecanique et industriel
 
Cours d'Intelligence Artificielle et Apprentissage Automatique.pptx
Cours d'Intelligence Artificielle et Apprentissage Automatique.pptxCours d'Intelligence Artificielle et Apprentissage Automatique.pptx
Cours d'Intelligence Artificielle et Apprentissage Automatique.pptx
 
Technologie hydrostatique, innovation pour la stérilisation des aliments : HI...
Technologie hydrostatique, innovation pour la stérilisation des aliments : HI...Technologie hydrostatique, innovation pour la stérilisation des aliments : HI...
Technologie hydrostatique, innovation pour la stérilisation des aliments : HI...
 
Introduction à Crossplane (Talk Devoxx 2023)
Introduction à Crossplane (Talk Devoxx 2023)Introduction à Crossplane (Talk Devoxx 2023)
Introduction à Crossplane (Talk Devoxx 2023)
 
Meetup LFUG : Cahier de vacances Liferay
Meetup LFUG : Cahier de vacances LiferayMeetup LFUG : Cahier de vacances Liferay
Meetup LFUG : Cahier de vacances Liferay
 

Les Ontologies dans les Systèmes d’Information

  • 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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
  • 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. 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. 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. 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. 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. 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. 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. 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. 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. OWL DL Logique de Description
  • 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. 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. Constructeurs  Union de classes : ou logique  Intersection de classe : et logique  Négation de classe : le complément
  • 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. 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. 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.