Cours sur les normes et standards (principales notions à connaître) auprès d'étudiants en Master Multimédia de Bordeaux. Principaux enjeux des normes et standards abordés : accessibilité, indexation (avec métadonnées et dublin core), interopérabilité, web sémantique et open data.
Courte présentation orale sur les moteurs de recherche sémantique réalisée dans le cadre du cours "Enjeux sociaux et organisationnels des TICS" de Caroline Angé. Institut de la Communication et des Médias, Grenoble. Master Gestion de projets Médias numériques
Cours sur les normes et standards (principales notions à connaître) auprès d'étudiants en Master Multimédia de Bordeaux. Principaux enjeux des normes et standards abordés : accessibilité, indexation (avec métadonnées et dublin core), interopérabilité, web sémantique et open data.
Courte présentation orale sur les moteurs de recherche sémantique réalisée dans le cadre du cours "Enjeux sociaux et organisationnels des TICS" de Caroline Angé. Institut de la Communication et des Médias, Grenoble. Master Gestion de projets Médias numériques
Web sémantique et Web de données, et si on passait à la pratique ?Antidot
Le web sémantique, théorisé il y a déjà longtemps par Tim Berners-Lee, a tardé à prendre son envol. Mais aujourd'hui la vague est là et les premiers à la surfer sont les grands acteurs du web, comme Google qui bâtit son Knowledge Graph. Les standards sont aujourd'hui matures, et des organisations de toutes tailles les mettent en oeuvre dans des projets concrets, avec un vrai retour sur investissement. Cependant faire une application à l’aide des technologies du Web Sémantique peut s’avérer être une tâche fastidieuse pour ceux qui souhaitent découvrir ce domaine. De nombreuses questions restent souvent en suspens. Quel est le rôle des ontologies ? Pourquoi utiliser RDF et SPARQL ? Qu’est ce qu’un triplestore et comment l’exploiter ? Comment tirer parti du Web de données pour enrichir ses données métier à l'aide de ces outils ? Autant de questions auxquelles nous essaieront de répondre à partir d’un exemple concret : les données de l'institution culturelle Les Champs Libres à Rennes.
Webinar : Les enjeux du moteur de rechercheCore-Techs
"Un moteur de recherche, ça trouve !!"
Oui, certes, mais combien sont les internautes qui se plaignent de passer un temps infini à chercher le bon contenu, ou abandonnent, faute d'avoir trouvé chaussure à leur pied !
Les moteurs de recherche sont aujourd'hui l'une des pierres angulaires d'une UX (expérience utilisateur) réussie. Il est vital d'identifier ce qu'un moteur de recherche peut faire, doit faire et sait faire :
- Quelles données indexer et comment ?
- Comment rendre mes données intelligentes ?
- Quelles aides à la recherche proposer ?
- Comment garantir des résultats fiables et pertinents ?
- Comment faire rentrer mon site dans l'ère du Web sémantique ?
Lors de ce webinar, découvrez comment faire de votre moteur de recherche la "killer app" de votre site Web !
Conférence animée par : Marine SOROKO (Directrice associée, Core-Techs)
Slides de support à la participation de la table ronde sur l'accès à l'information et moteurs de recherche lors du salon Intranet et Travail collaboratif 2009 à Paris, cnit.
http://www.salon-intranet.com/conferences.php
Introduction au web des données (Linked Data)BorderCloud
L'Open Data, le Big Data, le Web des données, le Web sémantique, les ontologies, le NoSql et le SPARQL sont autant de notions qu'il faut comprendre pour ne pas rater la prochaine rupture technologique du Web.
Cette présentation est l'introduction de la formation sur le Web sémantique que donne la société BorderCloud pour prendre un peu de recule sur les buzzwords du moment et savoir si vous avez besoin de faire du Big Data ou bien du Linked Data.
Avant de vous lancer dans la création ou la refonte de votre site web il est important de vous poser les bonnes questions : Quel contenu ? Quel Budget ? Quels sont mes objectifs ? Quelle visibilité pour mon site ? Cet atelier est proposé par l'office de Tourisme Aunis Marais Poitevin dans le cadre de son programme "Les rendez vous de l'office de tourisme Saison 5". Retrouver l'intégralité du programme sur notre site pro : www.aunis-pro-tourisme.fr
Formation : "Concevoir et promouvoir votre site internet" V3Synerg'hetic
Cette formation a été présentée à des Juniors Entrepreneurs lors du Congrès National d’Hiver 2011 par Renaud Bressand, Élodie Mermet, Johann Pinson, Alexandre Conca.
Sommaire :
1. Communiquer sur Internet
a. Pourquoi sur la toile ?
2. La création d’un site web, de A à Z
a. Bien définir ses objectifs
b. Architecture de l’information
c. Création graphique
d. Référencement
e. Développement
f. Recette et débug
3. Au-delà du site internet
a. La place des réseaux sociaux
b. Votre blog
c. Emailing
d. Place à la mobilité
e. Quelques pistes à explorer
4. Conclusion
a. C’est pas fini
Web sémantique et Web de données, et si on passait à la pratique ?Antidot
Le web sémantique, théorisé il y a déjà longtemps par Tim Berners-Lee, a tardé à prendre son envol. Mais aujourd'hui la vague est là et les premiers à la surfer sont les grands acteurs du web, comme Google qui bâtit son Knowledge Graph. Les standards sont aujourd'hui matures, et des organisations de toutes tailles les mettent en oeuvre dans des projets concrets, avec un vrai retour sur investissement. Cependant faire une application à l’aide des technologies du Web Sémantique peut s’avérer être une tâche fastidieuse pour ceux qui souhaitent découvrir ce domaine. De nombreuses questions restent souvent en suspens. Quel est le rôle des ontologies ? Pourquoi utiliser RDF et SPARQL ? Qu’est ce qu’un triplestore et comment l’exploiter ? Comment tirer parti du Web de données pour enrichir ses données métier à l'aide de ces outils ? Autant de questions auxquelles nous essaieront de répondre à partir d’un exemple concret : les données de l'institution culturelle Les Champs Libres à Rennes.
Webinar : Les enjeux du moteur de rechercheCore-Techs
"Un moteur de recherche, ça trouve !!"
Oui, certes, mais combien sont les internautes qui se plaignent de passer un temps infini à chercher le bon contenu, ou abandonnent, faute d'avoir trouvé chaussure à leur pied !
Les moteurs de recherche sont aujourd'hui l'une des pierres angulaires d'une UX (expérience utilisateur) réussie. Il est vital d'identifier ce qu'un moteur de recherche peut faire, doit faire et sait faire :
- Quelles données indexer et comment ?
- Comment rendre mes données intelligentes ?
- Quelles aides à la recherche proposer ?
- Comment garantir des résultats fiables et pertinents ?
- Comment faire rentrer mon site dans l'ère du Web sémantique ?
Lors de ce webinar, découvrez comment faire de votre moteur de recherche la "killer app" de votre site Web !
Conférence animée par : Marine SOROKO (Directrice associée, Core-Techs)
Slides de support à la participation de la table ronde sur l'accès à l'information et moteurs de recherche lors du salon Intranet et Travail collaboratif 2009 à Paris, cnit.
http://www.salon-intranet.com/conferences.php
Introduction au web des données (Linked Data)BorderCloud
L'Open Data, le Big Data, le Web des données, le Web sémantique, les ontologies, le NoSql et le SPARQL sont autant de notions qu'il faut comprendre pour ne pas rater la prochaine rupture technologique du Web.
Cette présentation est l'introduction de la formation sur le Web sémantique que donne la société BorderCloud pour prendre un peu de recule sur les buzzwords du moment et savoir si vous avez besoin de faire du Big Data ou bien du Linked Data.
Avant de vous lancer dans la création ou la refonte de votre site web il est important de vous poser les bonnes questions : Quel contenu ? Quel Budget ? Quels sont mes objectifs ? Quelle visibilité pour mon site ? Cet atelier est proposé par l'office de Tourisme Aunis Marais Poitevin dans le cadre de son programme "Les rendez vous de l'office de tourisme Saison 5". Retrouver l'intégralité du programme sur notre site pro : www.aunis-pro-tourisme.fr
Formation : "Concevoir et promouvoir votre site internet" V3Synerg'hetic
Cette formation a été présentée à des Juniors Entrepreneurs lors du Congrès National d’Hiver 2011 par Renaud Bressand, Élodie Mermet, Johann Pinson, Alexandre Conca.
Sommaire :
1. Communiquer sur Internet
a. Pourquoi sur la toile ?
2. La création d’un site web, de A à Z
a. Bien définir ses objectifs
b. Architecture de l’information
c. Création graphique
d. Référencement
e. Développement
f. Recette et débug
3. Au-delà du site internet
a. La place des réseaux sociaux
b. Votre blog
c. Emailing
d. Place à la mobilité
e. Quelques pistes à explorer
4. Conclusion
a. C’est pas fini
Learning Analytics : entre Promesses et RéalitéSerge Garlatti
Université Bretagne Pays de Loire, UTICE : LES LEARNING ANALYTICS : QUAND LE BIG DATA S’INTÉRESSE À L’ÉDUCATION.
https://utice.u-bretagneloire.fr/evenement/les-learning-analytics-quand-le-big-data-sinteresse-leducation
L’usage du numérique dans l’éducation permet d’accéder aujourd’hui à une multitude de données sur le comportement des étudiants : identité, interactions entre apprenants, interactions avec les plateformes et outils d’apprentissage, résultats aux évaluations... La collecte et l’exploitation de ces données permettent de mieux comprendre les processus d’apprentissage et ainsi d’adapter les parcours pédagogiques proposés pour en renforcer l’efficacité, mais aussi de personnaliser les apprentissages ou de développer des outils de pilotage des formations. Une communauté de chercheurs et d’enseignants se développe autour de ce que l’on appelle les learning analytics, ou l’analyse des données d’apprentissage. Ce séminaire basé sur les recherches et des retours d’expérience d’enseignants-chercheurs et de jeunes entreprises permettra de cerner les enjeux et les perspectives des learning analytics.
This document discusses modal logics and formalisms. It begins by defining classical and non-classical logics, with modal logics listed as an example of an extended logic. It then covers modal logics in more detail, defining their language and model theory using possible world semantics. Models are defined as structures consisting of possible worlds related by an accessibility relation. Truth is evaluated at possible worlds based on this relation. The document also discusses axiomatic modal logics like KT and relations between main modal systems. Finally, it notes that axioms like D, T, B, 4 and 5 are not valid in the class of all standard models.
The document discusses models and formalisms in logic. It introduces formal systems as consisting of an axiomatic theory, symbols for constructing formulas, grammar rules, axioms, inference rules, and properties like consistency. Propositional and predicate logic are examined, including their model theories, axiomatic theories, properties like completeness and soundness, and resolution principles. Normal forms and the resolution rule are defined as ways to deduce theorems in a formal system.
This document discusses modal logics and formalisms. It defines modal logics as logics that add new logical constants like necessity (□) and possibility (◇) to classical logic. It describes how modal logics can be classified based on whether they are extended logics that add new well-formed formulas or deviant logics that interpret the usual logical constants differently. The document then focuses on modal logics, defining their language and providing details on their model theory using possible world semantics. It discusses truth in possible worlds and models. It also describes several axiomatic modal systems and the relationships between them, and examines the classes of models validated by different axioms.
The document discusses formal systems and logic. It begins by introducing formal systems, which consist of an axiomatic theory, symbols for constructing formulas, grammar rules, axioms, inference rules, and theorems deduced from axioms and rules. Propositional and predicate logic are then covered, including their languages, semantics using interpretation functions, axiomatic theories, and properties like soundness and completeness. Resolution principles like normal forms and the resolution rule are also summarized. The document provides examples and explanations throughout.
SPARQL is a standardized query language for retrieving and manipulating data stored in RDF format. It was created by the RDF Data Access Working Group to provide querying of RDF stores. SPARQL supports four query forms: SELECT, CONSTRUCT, DESCRIBE, and ASK. It also defines a protocol for executing queries over HTTP. SPARQL has become a key technology for working with semantic data on the web.
The document discusses inquiry-based science teaching and scenarios for its implementation. It describes key features of inquiry-based science teaching as including ill-defined, open-ended learning activities; experiments and practical experiences; emphasis on student autonomy; and peer communication. Two scenarios are proposed: the first involves students investigating the industrial landscape around a bridge, and the second uses smartphones and tools to support collaborative work during a site visit. The document advocates for the convergence of Web 2.0 tools, ubiquitous computing, and semantic technologies to enhance student experiences with inquiry-based learning.
This document describes an inquiry-based science teaching approach called IBST. It involves problem-based learning activities with multiple solutions, experiments, and self-regulated learning. Students work collaboratively to analyze problems, develop strategies to find information, conduct research, and write reports. Smartphones and mobile tools are used to support field work, information sharing, and real-time collaboration between student groups. The goal is to enable contextual, adaptive, and seamless learning through a personalized recommendation and search system.
The document discusses several ontologies for the social web including FOAF, SIOC, and SKOS. FOAF describes personal information and social networks. SIOC provides methods for interconnecting online communities like blogs and forums. It aims to address interoperability issues on the social web. SIOC has been adopted in over 400 sites and has the potential to become a foundational vocabulary for the semantic web.
Ouvrez la porte ou prenez un mur (Agile Tour Genève 2024)Laurent Speyser
(Conférence dessinée)
Vous êtes certainement à l’origine, ou impliqué, dans un changement au sein de votre organisation. Et peut être que cela ne se passe pas aussi bien qu’attendu…
Depuis plusieurs années, je fais régulièrement le constat de l’échec de l’adoption de l’Agilité, et plus globalement de grands changements, dans les organisations. Je vais tenter de vous expliquer pourquoi ils suscitent peu d'adhésion, peu d’engagement, et ils ne tiennent pas dans le temps.
Heureusement, il existe un autre chemin. Pour l'emprunter il s'agira de cultiver l'invitation, l'intelligence collective , la mécanique des jeux, les rites de passages, .... afin que l'agilité prenne racine.
Vous repartirez de cette conférence en ayant pris du recul sur le changement tel qu‘il est généralement opéré aujourd’hui, et en ayant découvert (ou redécouvert) le seul guide valable à suivre, à mon sens, pour un changement authentique, durable, et respectueux des individus! Et en bonus, 2 ou 3 trucs pratiques!
Le Comptoir OCTO - Équipes infra et prod, ne ratez pas l'embarquement pour l'...OCTO Technology
par Claude Camus (Coach agile d'organisation @OCTO Technology) et Gilles Masy (Organizational Coach @OCTO Technology)
Les équipes infrastructure, sécurité, production, ou cloud, doivent consacrer du temps à la modernisation de leurs outils (automatisation, cloud, etc) et de leurs pratiques (DevOps, SRE, etc). Dans le même temps, elles doivent répondre à une avalanche croissante de demandes, tout en maintenant un niveau de qualité de service optimal.
Habitué des environnements développeurs, les transformations agiles négligent les particularités des équipes OPS. Lors de ce comptoir, nous vous partagerons notre proposition de valeur de l'agilité@OPS, qui embarquera vos équipes OPS en Classe Business (Agility), et leur fera dire : "nous ne reviendrons pas en arrière".
L'IA connaît une croissance rapide et son intégration dans le domaine éducatif soulève de nombreuses questions. Aujourd'hui, nous explorerons comment les étudiants utilisent l'IA, les perceptions des enseignants à ce sujet, et les mesures possibles pour encadrer ces usages.
Constat Actuel
L'IA est de plus en plus présente dans notre quotidien, y compris dans l'éducation. Certaines universités, comme Science Po en janvier 2023, ont interdit l'utilisation de l'IA, tandis que d'autres, comme l'Université de Prague, la considèrent comme du plagiat. Cette diversité de positions souligne la nécessité urgente d'une réponse institutionnelle pour encadrer ces usages et prévenir les risques de triche et de plagiat.
Enquête Nationale
Pour mieux comprendre ces dynamiques, une enquête nationale intitulée "L'IA dans l'enseignement" a été réalisée. Les auteurs de cette enquête sont Le Sphynx (sondage) et Compilatio (fraude académique). Elle a été diffusée dans les universités de Lyon et d'Aix-Marseille entre le 21 juin et le 15 août 2023, touchant 1242 enseignants et 4443 étudiants. Les questionnaires, conçus pour étudier les usages de l'IA et les représentations de ces usages, abordaient des thèmes comme les craintes, les opportunités et l'acceptabilité.
Résultats de l'Enquête
Les résultats montrent que 55 % des étudiants utilisent l'IA de manière occasionnelle ou fréquente, contre 34 % des enseignants. Cependant, 88 % des enseignants pensent que leurs étudiants utilisent l'IA, ce qui pourrait indiquer une surestimation des usages. Les usages identifiés incluent la recherche d'informations et la rédaction de textes, bien que ces réponses ne puissent pas être cumulées dans les choix proposés.
Analyse Critique
Une analyse plus approfondie révèle que les enseignants peinent à percevoir les bénéfices de l'IA pour l'apprentissage, contrairement aux étudiants. La question de savoir si l'IA améliore les notes sans développer les compétences reste débattue. Est-ce un dopage académique ou une opportunité pour un apprentissage plus efficace ?
Acceptabilité et Éthique
L'enquête révèle que beaucoup d'étudiants jugent acceptable d'utiliser l'IA pour rédiger leurs devoirs, et même un quart des enseignants partagent cet avis. Cela pose des questions éthiques cruciales : copier-coller est-il tricher ? Utiliser l'IA sous supervision ou pour des traductions est-il acceptable ? La réponse n'est pas simple et nécessite un débat ouvert.
Propositions et Solutions
Pour encadrer ces usages, plusieurs solutions sont proposées. Plutôt que d'interdire l'IA, il est suggéré de fixer des règles pour une utilisation responsable. Des innovations pédagogiques peuvent également être explorées, comme la création de situations de concurrence professionnelle ou l'utilisation de détecteurs d'IA.
Conclusion
En conclusion, bien que l'étude présente des limites, elle souligne un besoin urgent de régulation. Une charte institutionnelle pourrait fournir un cadre pour une utilisation éthique.
OCTO TALKS : 4 Tech Trends du Software Engineering.pdfOCTO Technology
En cette année 2024 qui s’annonce sous le signe de la complexité, avec :
- L’explosion de la Gen AI
-Un contexte socio-économique sous tensions
- De forts enjeux sur le Sustainable et la régulation IT
- Une archipélisation des lieux de travail post-Covid
Découvrez les Tech trends incontournables pour délivrer vos produits stratégiques.
Le Comptoir OCTO - Qu’apporte l’analyse de cycle de vie lors d’un audit d’éco...OCTO Technology
Par Nicolas Bordier (Consultant numérique responsable @OCTO Technology) et Alaric Rougnon-Glasson (Sustainable Tech Consultant @OCTO Technology)
Sur un exemple très concret d’audit d’éco-conception de l’outil de bilan carbone C’Bilan développé par ICDC (Caisse des dépôts et consignations) nous allons expliquer en quoi l’ACV (analyse de cycle de vie) a été déterminante pour identifier les pistes d’actions pour réduire jusqu'à 82% de l’empreinte environnementale du service.
Vidéo Youtube : https://www.youtube.com/watch?v=7R8oL2P_DkU
Compte-rendu :
2. PLAN
¢ Cours 1 (1h30) :
• Problématique, Problème1
¢ Cours 2 (1h30) :
• Le web sémantique,
¢ Cours 3 (3h00) :
• RDF / RDFS, les Ontologies,
¢ Cours 4 (3h00) :
• OWL, SKOS, SIOC, FOAF
¢ Cours 5 (3H00) :
• Linked Data ou Web of Data, Le langage Sparql
¢ Cours 6 (1H30) :
• Le web sémantique & social en Action
3. Problématique
¢ Hypothèses
• Systèmes d'information (SI)
- Accessibles sur Internet et/ou Intranet
- A l’aide d'un navigateur
• Architecture distribuées fondée sur l’architecture du Web
• Appelés « Sémantiques » parce que fondés sur les
principes du Web Sémantique
4. Problématique
¢ Enjeu principal des SI
• Réutilisation, partage et échange des données
- sur internet / Intranet
- Par les machines (automatiquement)
5. Problématique
¢ Internet
/ Intranet
• Technologie pour
- Accéder à des informations non structurées, hétérogènes et
distribuées
- L’accès à l’information et à des sources de connaissance devient
essentiel
• L’importance d’Internet est due :
- Aux services qu’il nous fournis: IRC, ICQ, Chat, email, News
groups, FTP, WWW, E-commerce, B2B, B2C, etc.
6. Problématique
¢ WWW : succès fondé sur sa simplicité, MAIS !
• Développé pour des lecteurs humains
- Les données actuelles sont principalement organisées et
structurées pour être simple à transmettre et être présentées à des
humains
– HTML et PDF sont principalement des langages de présentation de
données
» <H2> Triple X </H2> : ne dit rien sur le titre sauf pour des humains
- Internet est de plus en plus utilisé par des machines – search
engines, robots, etc.
7. Problématique
¢ Problèmes
• Accéder, traiter l’information, extraire et interpréter
l’information
- La majorité des données sur le web est sous une forme qui ne
permet pas de l’utiliser à grande échelle.
- Pas de système global de publication de données permettant aux
machines et aux humains de les traiter
– Évènements sportifs, météo, guides TV, guides cinéma, etc. sont
présentés par de nombreux sites Web, mais presque tous au format
HTML (structure logique + présentation)
– Comment trouver et extraire l’information pertinente pour différents
services
8. Problématique
¢ Problèmes
• Entrave la recherche, l’extraction, la maintenance et la
génération d’information
• Actuellement, pas d’accès réel au contenu des
documents
- Contenu et Information pas accessible ni interprétable par des
machines
9. Problématique
¢ Problèmes
• Qualité de la recherche d’information
- Comment la machine peut-elle savoir que les résultats de la
recherche sont pertinents ?
• Réutilisation des contenus de sites web
- Comment peut-on réutiliser les contenus de sites web ?
page 9 Semantic Web in Action
10. Problématique
¢ Recherched’information de type Google
• Polysémie
• Nombre de résultats très important
¢ Requête : « directeur » « André Chomette »
• Intention : On ne veut que le site de Telecom Bretagne !
• 44 000 résultats : toutes les pages qui contiennent ces
deux termes ou l’un des deux
page 10 Semantic Web in Action
23. Problématique
¢ Pour Donner du sens aux données
• Nous utilisons nos connaissances
dans des domaines spécifiques
pour identifier / reconnaître ces données
• Connaissances partagées par des
communautés
24. Problématique
¢ Donner du sens aux informations
• Description du site Telecom Bretagne
- Forme générale d’une description
– Des phrases de type :
Sujet Verbe Complément
- Exemple
– Telecom Bretagne a pour directeur André Chomette
– Telecom Bretagne est une grande école française
– Telecom Bretagne a pour site web http://www.tele...
page 24
25. Problématique
¢ Donner du sens aux informations
• Compréhension de ces phrases
- Différents contextes : différents termes
– « a pour directeur », « président », « Dean », …
- Interprétation commune liée à des connaissances communes
– Utilisation de vocabulaires standards partagés par tous !
– Chaque vocabulaire détermine un sens unique aux verbes,
aux catégories de sujets et de compléments
page 25
26. Problématique
¢ Plus formellement, ou presque
• Telecom Bretagne dbpprop:president André Chomette (en)
• Telecom Bretagne dbpprop:type French Grande Ecole (en)
• Telecom Bretagne dbpprop:website http://www.tele...
¢ Questions
• French Grande Ecole dont André Chomette est président ?
- ?Grande_Ecole dbpprop:president André Chomette (en)
- ?Grande_Ecole dbpprop:type French Grande Ecole (en)
page 26
27. Problématique
¢ Site Dbpedia
- Wikipedia + indexation sémantique
¢ http://dbpedia.org/page/%C3%89cole_nationale_sup
%C3%A9rieure_des_t%C3%A9l
%C3%A9communications_de_Bretagne
28. Le Web sémantique
¢ Objectifs
• Réutilisation, partage, échange des données
• Automatisation ou semi-automatisation de certains
services en réutilisant les données
¢ Moyens
• Les données sont décrites / indexées de tel sorte que les
contenus – sens et sémantique - du web soient
« interprétables » par les machines.
page 28 Semantic Web in Action
29. Le Web sémantique
¢ Le Web sémantique
• Les données doivent être encodées de tel sorte que les
contenus – sens et sémantique - du web soient plus
« compréhensibles » pour les machines, ou en d’autres
termes par des algorithmes.
30. Le Web sémantique
3ème Génération WWW
Séparation de la sémantique et de la stucture
Fondée sur RDF, RDFS, Ontologies, Logique, ...
2ème Génération WWW (Fin 1990)
Séparation de la structure et de la présentation
Fondée sur XML, XSL, ..
1ère Génération WWW (Début 1990)
Séparation de la présentation et de la localisation
Fondée sur HTML, PDF, ...
31. Le Web sémantique
¢ TimBerners-Lee
• Première vision du « Semantic Web »
- Accès automatique à l’information fondé sur une sémantique des
données interprétable par l’ordinateur et des heuristiques utilisant
celle-ci.
- Une sémantique explicite des données, associée à des théories
sur des domaines (ontologies), permettra l’accès à de nouveaux
services sur Internet
32. Le Web sémantique
• Point clé de l’automatisation ou de la semi-automatisation
- Recherche d’information pertinentes : Rappel et Précision
• Recherche d’information précise
- Réutilisation, partage, échange et composition possible des
informations retrouvées
- Mais aussi, capacité à concevoir certaines « opérations »
automatiquement
• Donc pas de services élaborés possible : pas
d’automatisation ou semi-automatisation de certains
services ou tâches
- Comment assurer le B2B, B2C “automatiquement”
– Exemple: voyage complexe avec réservation,
33. Architecture du SW
¢ LeSW nécessite
• Une architecture partagée par tous pour échanger des
ressources sur Internet
• Des standards pour
- Les ontologies et mécanismes d’inférence associés
- La sémantique explicite des ressources ou méta données
sémantiques liées à des ontologies
- Le format des ressources ou documents
- L’adressage des ressources ou documents
34. Architecture du SW
Proof:
Inference
Engine
Ontology Semantic Level
RDF + RDF
Schema
XML + Name Spaces Syntactic level
Naming/Addressing
URI
Level
36. Niveau Adressage /Nommage : URI
¢ URI: Uniform Resource Identifier (RFC 2396)
• Un simple identifieur Web
- Chacun peut en créer – décentralisé -
- Ressource avec une URI à être sur le Web
• URL: ftp, gopher, http, internet mail, etc. (normalisée)
- 1 Protocole, 1 machine, 1 chemin
• URN : URI persistente
• W3C maintient une liste des schémas d’URI
37. Niveau Syntaxique: XML
¢ XML : eXtensible Markup Language
- Sélection d’un sous-ensemble de SGML simple à implanter, mais
néanmoins extensible : chacun défini ses propres balises
• Séparation de la présentation et du contenu
• XML a été conçu pour décrire des données
• Les balises XML ne sont pas prédéfinis. Vous devez
définir vos propres balises
• XML utilise un Document Type Definition (DTD) or an
XML Schéma pour un « modèle » des données
38. Niveau Syntaxique: XML
• XML n’est pas un remplacement d’HTML
- HTML a été conçu pour afficher des données et se concentre
surtout sur leur présentation (taille, couleur, etc.)
• XML a été conçu pour décrire des données et se
concentre sur la structure de ces données.
• XML a été conçu pour assurer l’interopérabilité
• XML et HTML sont complémentaire
- XSL / XSLT transforme XML en HTML
39. Niveau Syntaxique: XML
¢ Propriétés de XML
• Indépendant des logiciels et matériels
• Infrastructure des échanges de données structurées
• Interopérabilité : conçu pour décrire des données, les
stocker, les transporter et les échanger et les partager
– XML DTD: une DTD défini les éléments constitutifs d’un documents. Il
défini la structure syntaxique (un arbre) d’un document type à l’aide
d’une grammaire.
– Il permet donc à toute application de vérifier la conformité d’un
document à la DTD
– Et donc de manipuler et transformer celui-ci lorsqu’il est conforme à
cette DTD.
40. Niveau Syntaxique: XML
• XML peut être utilisé pour créer de nouveaux
langages
- XML est le prère de WAP et WML (Wireless Markup Language).
- MATHML, etc.
41. Niveau Syntaxique : XML
<?xml version="1.0"?>
<!DOCTYPE note [ <!ELEMENT note (to,from,heading,body)>
<!ELEMENT to (#PCDATA)>
<!ELEMENT from (#PCDATA)>
<!ELEMENT heading (#PCDATA)>
<!ELEMENT body (#PCDATA)> ]>
<note>
<to> Tove </to>
<from> Jani </from>
<heading>Reminder </heading>
<body> Don't forget me this weekend </body>
</note>
42. Niveau Syntaxique: XML
<?xml version="1.0" encoding="ISO-8859-1"?>
<!-- Edited with XML Spy v4.2 -->
<CATALOG>
<CD>
<TITLE>Empire Burlesque</TITLE>
<ARTIST>Bob Dylan</ARTIST>
<COUNTRY>USA</COUNTRY>
<COMPANY>Columbia</COMPANY>
<PRICE>10.90</PRICE>
<YEAR>1985</YEAR>
</CD>
<CD> <TITLE>Hide your heart</TITLE>
<ARTIST>Bonnie Tyler</ARTIST>
<COUNTRY>UK</COUNTRY>
<COMPANY>CBS Records</COMPANY>
<PRICE>9.90</PRICE> <YEAR>1988</YEAR>
</CD>
43. Niveau Syntaxique: XML
¢ Réutilisation des ressources/documents
• Le même contenu peut apparaître de manières
différentes dans différents contextes indépendamment
des plate formes
- Différents média : papier, en ligne,
- Différentes tailles : manuels, rapports
- La présentation peut être adaptée/personnalisée aux préférences
de l’utilisateur
- Présentations standardisées peuvent être réalisées : entreprises,
universités, mairies, etc.
44. Niveau Syntaxique: XML
¢ XML
• Ne contient aucune sémantique formelle pour l’ordinateur
• Ce sont les humains qui donnent un sens, une
sémantique, aux balises et leur contenu pas les
machines
• « La sémantique »est un domaine qui étudie comment
les symboles se référent aux objets
• « Note » ne référence rien pour une machine, la
référence est uniquement faite dans l’esprit des lecteur
humains
- à D’où RDF pour la sémantique
45. Niveau sémantique : RDF/RDFS
¢ RDF – Resource Description Framework
¢ RDFS – Resource Description Framework Schema
¢ RDF/RDFS a été créé pour le traitement des
métadonnées
• Ce sont des langages de description de métadonnées au
niveau sémantique
• Fournit l’interopérabilité – au niveau sémantique - entre
applications pour l’échange, le partage et la réutilisation
d’informations non interprétable pour la machine
46. Niveau sémantique : RDF/RDFS
¢ RDF/RDFS provient principalement des communautés
• De standardisation du Web
• Des bibliothèques
• Des documents structurés
• Représentation de connaissances
• Programmation orientée objets et langages de
modélisation,
• Etc.
47. Niveau sémantique : RDF/RDFS
¢ LangagesInterprétables par une machine
• Un langage peut être compris (interprété) par une
machine si et seulement si ce langage possède une
sémantique formelle.
- Le langage doit se référencer à un modèle sous-jacent.
• En logique, le sens est fondé sur une théorie des
modèles qui associe, entre autres, une valeur de vérité à
chaque formule bien formée.
- Elle permet donc de « relier » les formules aux objets du monde
modélisé.
48. Niveau sémantique : RDF/RDFS
¢ Logique
• Théorie axiomatique
- Un langage et des formules bien formées
- Des axiomes, des règles d’inférences
- A, (A → B) ⎪-- B
- Des théorèmes: formules bien formées déduites des axiomes et
règles d’inférences
• Théorie des modèles
- Interprétation, Formules vraies/fausses
- Formules valides
49. Niveau sémantique : RDF/RDFS
¢ Théorème ≡ Formule valide
¢ Une démonstrateur automatique de théorèmes est un
algorithme qui « respecte les axiomes et règles
d’inférences »
¢ Il « respecte aussi le principe ci-dessus »
¢ Les opérations de la machine « respecte la sémantique
formelle »
50. Niveau sémantique : RDF/RDFS
¢ Calcul des prédicats
• Théorie axiomatique : des prédicats
• Théorie des modèles : des relations
¢ Le web sémantique
• Importe l’idée d’une sémantique formelle dans le
monde du WWW (point de vue logico-linguistique).
• RDF/RDFS propose un langage adéquat à l’implantation
de métadonnées sémantiques associées aux ressources.
51. Niveau sémantique: RDF/RDFS
¢ RDF est
• Un simple modèle relationnel
- Une déclaration RDF est constituée d’un triplet
« Objet, Attribut, Valeur »,
dont chaque membre peut être un littéral ou une ressource web
- Ce triplet peut être interprété comme le tuple suivant :
- « Sujet, Prédicat, Objet » ou encore Prédicat (Sujet,
Objet)
¢ Exemple
• <http://music.fi/pieces#finlandia, creator, http://composer.org/
Sibelius>
• <http://music.fi/pieces#finlandia, type, music>
52. Niveau sémantique: RDF/RDFS
¢ Le modèle de données RDF est formellement défini par:
• Un ensemble appelé Ressources.
• Un ensemble appelé Littéraux
• Un sous-ensemble de Ressources appelées
Propriétés.
• Un ensemble appelé Déclarations, dont chaque
élément est un triplet
(prédicat, sujet, objet)
« prédicat » est une propriété (membre de Propriétés),
« sujet » est une ressource (membre de Ressources)
« objet » est soit une ressource soit un littéral (membre
de Littéraux).
53. Niveau sémantique: RDF/RDFS
¢ Le modèle de données RDF
• N’est pas une sérialisation d’un arbre syntaxique XML, ou
les branches devraient être présentées dans l’ordre
spécifié par une DTD XML.
¢ Le modèle de données RDF est un ensemble de
triplet !!!!!!!!!!
• C’est un graphe orienté
57. Niveau sémantique: RDF/RDFS
¢ RDF Schéma
• RDF ne permet pas de spécifier le vocabulaire utilisé
dans une description RDF, comme par exemple :
« author », « music »,
« creator », etc.
• C’est-à-dire définir la « sémantique » des propriétés
• RDF Schéma est une extension de RDF avec laquelle il
et possible de
- Décrire les concepts utilisés dans des déclarations RDF
- Un ensemble de contraintes sur les objets et les valeurs du triplet.
58. Niveau sémantique: RDF/RDFS
¢ RDFSchema
• Pourrait être vu comme un modèle orienté objet pour le
WWW
- « rdfs:Class » & « rdfs:SubClass » définissent la hiérarchie des
classes
- « rdf:type » défini les instances d’une classe
- « rdf:domain » & « rdf:range » défini des contraintes sur les types
de ressources
60. Niveau sémantique : RDF/RDFS
• Mais, RDF schéma définie les propriétés en terme de
classes de ressources auxquelles elles s’appliquent
au lieu de définir les classes en terme de propriétés
que les instances possèdent.
- Par exemple, on définit la propriété « eg:author » avec pour
« domain » « eg:Document » et avec un « range » de « eg:Person »,
tandis qu’un système classique orienté objet aurait défini une classe
« eg:Book « avec un attribut appelé « eg:author » de type
« eg:Person ».
- En utilisant une approche RDF, il est facile pour les autres de définir
des propriétés additionnelles avec un « domain » de
« eg:Document » or un « range » « eg:Person ».
61. Niveau sémantique : RDF/RDFS
• On peut le faire sans avoir besoin de redéfinir la
description originale de ces classes.
• Un des avantages de cette approche centrée propriété
est qu’il est très facile à chacun de dire ce qu’ils veulent
au sujet d’une ressource.
• C’est l’un des principes de l’architecture du Web
[BERNERS-LEE98].
• Sinon, il serait nécessaire de définir une nouvelle
propriétés dans une classe et de la partager avec les
autres !!!!!
• Il permet de combiner des méta descriptions dans
différentes partie du Web en un seul graphe !!!!!!
62. Le niveau sémantique: RDF/RDFS
Nom de la classe Commentaire
rdfs:Resource la classe Ressource.
rdfs:Class le concept de Classe
rdf:Property le concept de propriété
rdfs:Literal la classe littéral represente les
valeurs de type littéral
rdf:Statement la classe de RDF déclarations
rdfs:Container représente l’ensemble des
Conteneurs.
rdf:Bag une collection non ordonnée
rdf:Seq une collection ordonnée
rdf:Alt une collection d’alternatives
65. Niveau sémantique: RDF/RDFS
¢ RDFS est limité en termes de pouvoir d’expression
• Il est souvent nécessaire de pouvoir exprimer des
contraintes supplémentaires
- Cardinalités min et Max, contraintes entre propriétés, etc.
¢ Les
ontologies dans le cadre du Web sémantique sont
des extensions de RDFS.
66. Niveau sémantique: les Ontologies
¢ Langageslogiques : formalismes typiques
• Logiques de descriptions
- Loom, FaCT, Racer, Jena, …
• Logiques de frames
- Ontobroker, Florid, XSB, KAON…
• Graphes conceptuels
- Prolog+CG, Corese, etc.
• RDF / RDF Schéma
- Sesame, RQL, TRIPLE, SiLRi, …
67. Niveau sémantique: les Ontologies
¢ OWL site du W3C http://www.w3.org/2004/OWL/
¢ Semantic Web
• http://www.semanticweb.org/
• http://www.w3.org/2001/sw/
• http://www.lalic.paris4.sorbonne.fr/stic/as5.html
• http://www.schemaweb.info/default.aspx
• AS Web Sémantique, rapport final
- http://rtp-doc.enssib.fr/basedoc/rapports/
ASWebSemantique2003.pdf
69. Niveau sémantique: les Ontologies
¢ Les outils/environnements
• http://www.semanticweb.org/
• Les logiques de descriptions :
- http://dl.kr.org/
- http://www.ida.liu.se/labs/iislab/people/patla/DL/
• Les graphes conceptuels :
- http://www.cs.uah.edu/~delugach/CG/ ;
- http://www.jfsowa.com/cg/ ;
70. Niveau sémantique: les Ontologies
¢ Lesoutils/environnements
• Les Frames Logic
– http://www.informatik.uni-freiburg.de/~dbis/Publications/95/flogic-
jacm.html
– http://www.cs.sunysb.edu/~kifer/dood/papers.html
– http://www.ontoprise.de/members/angele/pubs/ontologyhandbook.pdf
71. Ontology Web Langage
¢ OWL
• C’est une version modifiée de DAML (Darpa) + OIL
(Europe)
• Conçu pour des applications qui traitent le contenu, pas
uniquement la présentation des informations
• Une extension de RDFS, muni d’une sémantique formelle
• Constitué de trois langages
- OWL Lite
- OWL DL
- OWL Full
72. Ontology Web Langage
¢ OWL Lite
• Classification hiérarchie + contraintes simples
¢ OWL DL
• Pouvoir d’expression supérieur, avec complétude (toutes
les conclusions sont calculables) et décidabilité
• C’est une logique de description (DL)
¢ OWL Full
• Expressivité maximale, pas de garantie sur les résultats
de calculs
73. Ontology Web Langage
¢ Toute ontologie OWL Lite valide est une ontologie
OWL DL valide
¢ Toute ontologie OWL DL valide est une ontologie OWL
Full valide
¢ Toute conclusion valide de OWL Lite est une
conclusion valide de OWL DL
¢ Toute conclusion valide de OWL DL est une conclusion
valide de OWL Full