Ingénierie Ontologique Concepts, méthodes et outils Gilles Kassel

Présentation au sujet: "Ingénierie Ontologique Concepts, méthodes et outils Gilles Kassel"— Transcription de la présentation:

1 Ingénierie Ontologique Concepts, méthodes et outils Gilles Kassel
Veille technologique Ingénierie Ontologique Concepts, méthodes et outils Gilles Kassel

2 Plan Avant Propos Qu’est-ce qu’une ontologie ?
A quoi sert une ontologie ? Méthodes de construction Langages de spécification Environnements de développement Applications Conclusions générales Références

3 Objectifs du document (1/2)
Ce document fait un point sur une discipline naissante, l’Ingénierie Ontologique Le premier objet du document est de présenter un état de l’art sur une discipline naissante - l’Ingénierie Ontologique - qui est concernée par la construction d’ontologies. Cette discipline se situe au carrefour de plusieurs disciplines auxquelles elle emprunte des concepts, notamment : l’Ingénierie des Connaissances, l’Ontologie (philosophie) et la Linguistique. L’importance de l’Ingénierie Ontologique est reconnue aujourd’hui dans différents champs de recherche : Ingénierie des Connaissances, Intelligence Artificielle, Gestion des connaissances, Linguistique informatique, Systèmes d’information, Recherche et extraction d’informations, Intégration d’informations, Bases de données.

4 Objectifs du document (2/2)
Ce document réactualise un premier document de veille technologique dans le même domaine Le second objet du document est de poursuivre en le complétant un travail de veille technologique réalisé par Jean-Paul Barthès pour IIIA en décembre 1998 [Barthès, 98]. Les informations ont été remises à jour et restructurées pour tenir compte des avancées de la discipline. La discipline a en effet connu un essor important ces toutes dernières années, qui justifie ce nouveau travail de veille. En particulier, des travaux de synthèse récents apportent des éclairages nouveaux qui conduisent à modifier la façon de présenter la discipline et ses résultats.

5 Contenu du document Le document présente les concepts, méthodes
et outils de l’Ingénierie Ontologique On trouvera dans le document les informations suivantes : une introduction précisant les différents sens du terme “ontologie” et présentant les besoins motivant la construction de ces objets. un bilan sur les méthodes (modèles de processus de développement) et outils (langages de spécification et environnements de développement) disponibles pour la construction des ontologies. un panorama des applications des ontologies. Le document indexe un ensemble volumineux d’articles, de rapports techniques et de sites Web, publiés pour la plupart ces trois dernières années.

6 Plan Avant Propos Qu’est-ce qu’une ontologie ?
A quoi sert une ontologie ? Méthodes de construction Langages de spécification Environnements de développement Applications Conclusions générales Références

7 Le point de vue de l’Ingénierie des Connaissances (1/3)
Une définition, au sens large Dans un sens large, on peut adopter pour la notion d’ontologie la caractérisation suivante [Uschold, 98] : “Une ontologie peut prendre différentes formes, mais elle inclura nécessairement un vocabulaire de termes et une spécification de leur signification. Cette dernière inclut des définitions et une indication de la façon dont les concepts sont reliés entre eux, les liens imposant collecti- vement une structure sur le domaine et contraignant les interprétations possibles des termes.” Une telle caractérisation rend compte d’objets divers tels des glossaires, des terminologies, des thesaurus et des ontologies (au sens strict), mis en œuvre par différents professionnels (ingénieurs de la connaissance, bibliothécaires, traducteurs) et se distinguant suivant que l’accent est mis sur les termes ou leur signification.

8 Le point de vue de l’Ingénierie des Connaissances (2/3)
Une définition, au sens strict Les “ontologies” de l’IA et de l’Ingénierie des Connaissances émanent du projet ARPA Knowledge Sharing Effort (1991). Une définition consensuelle pour ces disciplines reste celle de [Gruber, 93] : “Une ontologie est une spécification explicite d’une conceptualisation.” Le terme “conceptualisation” situe les ontologies sur le versant sémantique. Une conceptualisation rend compte du sens des termes. La littérature logico-philosophique nous enseigne que le sens correspond à des intensions (ou objets intensionnels), par opposition à extensions. L’expression “spécification explicite” fait des ontologies un objet syntaxique. La conceptualisation est codée dans un langage. Suivant le langage utilisé, l’ontologie prendra la forme d’une théorie logique (ensemble de formules logiques) ou d’un réseau sémantique.

9 Le point de vue de l’Ingénierie des Connaissances (3/3)
Derrière le terme “ontologie” se cachent des objets très divers [Noy & Hafner, 97] La plupart des ontologies sont structurées au moyen de la relation “est un” de subsomption, ou de généralisation, entre concepts. La relation Tout-Parties “est composé de” est également utilisée. Certaines ontologies sont denses, contenant de nombreux axiomes contraignant le sens des termes. D’autres se résument à une taxinomie de concepts donnés sans définition. La taille des ontologies varie de quelques dizaines de concepts à plusieurs dizaines de milliers de concepts. Les ontologies peuvent être informelles, formelles ou opérationnelles. Dans ce dernier cas, elles sont spécifiées dans un langage de programmation.

10 Le point de vue de l’Ontologie (1/2)
Un détour par l’Ontologie L’Ontologie est la branche de la philosophie qui traite de la nature et de l’organisation de la réalité. Elle côtoie l’Epistémologie qui traite de la nature et des origines de notre connaissances [Nef, 98]. Produits de l’Ontologie, les ontologies formelles sont des théories de l’objet : dont l’analyse est menée de façon rigoureuse, en ayant recours en général à la logique mathématique, transversales à toutes les ontologies matérielles, relatives à des domaines différents d’objets (des régions de savoir). L’Ingénierie Ontologique est la branche de l’Ingénierie des Connais- sances qui exploite les principes de l’Ontologie (formelle) pour construire des ontologies [Guarino & Giaretta, 95].

11 Le point de vue de l’Ontologie (2/2)
Une définition, dans un sens encore plus strict • La structure sémantique rendant compte du sens des termes correspond à l’essence des concepts. En effet, seules les propriétés essentielles (nécessairement vérifiées par les instances du concept dans tout monde possible) sont définitionnelles [Bouaud et al., 94]. Ces propriétés étant en nombre indéfini, une théorie logique ne peut donner qu’une caractérisation approximative d’une structure sémanti- que. La définition de [Guarino & Giaretta, 95] traduit cette limitation : “Une ontologie est une spécification rendant partiellement compte d’une conceptualisation”. Une théorie logique spécifie un engagement ontologique, lequel approxime une conceptualisation. Le degré d’approximation dépend du langage utilisé (ex : logique modale, logique du 1er ordre), lequel dépend finalement de l’objectif visé (partage d’une conceptualisation, mise en œuvre d’inférences).

12 Le point de vue de la Linguistique
La Linguistique est concernée par le processus de construction des ontologies La Linguistique est concernée par la question des ontologies dans la mesure où les données dont on dispose pour élaborer les ontologies consistent en des expressions linguistiques de connaissances. La caractérisation du sens de ces expressions conduit à déterminer des signifiés contextuels, dépendants des contextes (documents) où les expressions apparaissent. Ces signifiés contextuels doivent alors être normés, ce qui revient à fixer une signification pour un contexte de référence, celui de la tâche (application) pour laquelle l’ontologie est élaborée [Bachimont, 00]. L’ontologie régionale (non universelle) que l’on obtient est ainsi une spécification de signifiés normés.

13 Plan Avant Propos Qu’est-ce qu’une ontologie ?
A quoi sert une ontologie ? Méthodes de construction Langages de spécification Environnements de développement Applications Conclusions générales Références

14 Un besoin générique : faire tomber les barrières créées par des vocabulaires disparates
Un besoin existe de partager la signification de termes dans un domaine donné Toute activité humaine spécialisée développe son propre jargon (langue de spécialité) sous la forme d’une terminologie et d’une conceptualisation associée spécifiques. L’existence de tels jargons entraîne des problèmes de compréhension et des difficultés à partager des connaissances entre les acteurs de l’entreprise, les services d’une entreprise, les entreprises d’une industrie, qui font des métiers différents. Fondamentalement, le rôle des ontologies est d’améliorer la communication entre humains, mais aussi entre humains et ordinateurs et finalement entre ordinateurs.

15 Une aide à la communication entre agents humains et aussi entre organisations
Vers un vocabulaire standardisé L’existence de vocabulaires différents au sein d’une entreprise (ex : bureau d’études, bureau des méthodes) ou d’une industrie (ex : cons- tructeur automobile, équipementier) constitue un frein à la collabora- tion et aux partenariats. Les enjeux touchent donc directement la compétitivité de l’entreprise. Pour l’entreprise, l’ontologie sert à : améliorer la compréhension entre les employés, favoriser la diffusion des information et leur exploitation, promouvoir une nouvelle approche de conception des systèmes d’infor- mation (réutilisation de codes, interopérabilité des logiciels). Pour ces besoins de standardisation du vocabulaire, une terminologie ou une ontologie informelle peuvent suffire [O’Leary, 98].

16 Une aide à la conception et à l’utilisation des systèmes d’information (1/2)
Des apports pour l’ingénierie des systèmes d’information [Guarino, 98] Spécification ; Acquisition des connaissances : une ontologie peut aider à l’analyse des besoins et à définir les spécifications d’un SI. Ré-utilisation ; Partage : une ontologie peut être, ou peut devenir suite à une traduction, un composant ré-utilisable et/ou partagé par plusieurs logiciels. Fiabilité ; Maintenance : une ontologie peut servir à améliorer la documentation d’un logiciel et/ou à automatiser des vérifications de cohérence (SBCs), réduisant les coûts de maintenance. Inter-opérabilité : en jouant le rôle d’un format d’échange, l’ontologie permet à des systèmes d’information, basés sur des paradigmes de modélisation et des langages d’implantation différents, de coopérer.

17 Une aide à la conception et à l’utilisation des systèmes d’information (2/2)
Vers une meilleure exploitation de sources d’information Recherche : une ontologie peut jouer le rôle de méta-data servant d’index dans un répertoire d’information. Intégration : dans une application “entrepôt de données”, une ontologie peut jouer le rôle d’un schéma conceptuel commun reliant entre elles plusieurs sources d’information hétérogènes. Interface Homme-Machine : la visualisation de l’ontologie permet à l’utilisateur de comprendre le vocabulaire utilisé par le SI et de mieux formuler ses requêtes. Requêtes : une ontologie linguistique peut permettre de comprendre les requêtes (représentation du contenu) de l’utilisateur formulées en langue naturelle.

18 Plan Avant Propos Qu’est-ce qu’une ontologie ?
A quoi sert une ontologie ? Méthodes de construction Langages de spécification Environnements de développement Applications Conclusions générales Références

19 Préambule Bref état de l’art des méthodes
de développement d’ontologies Jusqu’en 1996, les premières ontologies ont été développées de façon complètement artisanale, sans suivre de méthode prédéfinie. De ces premiers projets (ex : Mikrokosmos, Enterprise Ontology, TOVE, MENELAS) sont issues des listes de recommandations constituant des ébauches de méthodes, ou cadres méthodologiques. Depuis 1998, on assiste à la naissance de cadres méthodologiques plus élaborés inspirés des méthodes de l’Ingénierie des Connaissances (ex : METHONTOLOGY) et fondés, soit sur la linguistique (ex : TERMINAE), soit sur l’Ontologie (ex : principes proposés par N. Guarino).

20 Des cadres méthodologiques issus de projets (1/2)
La méthode “Enterprise Ontology” [Uschold & King, 95] La méthode, basée sur l’expérience du développement de l’ontologie Enterprise Ontology, repose sur l’identification de différentes étapes : Identification du POURQUOI de l’ontologie ; Construction de l’ontologie (identification des concepts clef ; modélisation informelle ; formalisation) et intégration d’ontologies existantes ; Evaluation et documentation de l’ontologie. Cette méthode s’inspire du développement de SBCs. Les étapes et sous-tâches sont décrites de façon abstraite. Les techniques à utiliser pour les sous-tâches ne sont pas précisées (ex : comment identifier les concepts clef ? Quel langage de formalisation utiliser ?).

21 Des cadres méthodologiques issus de projets (2/2)
La méthode “TOVE” [Grüninger & Fox, 95] Cette méthode est basée sur l’expérience du développement de l’onto- logie du projet TOVE (TOrento Virtual Enterprise). Elle aboutit à la construction d’un modèle logique de connaissance. L’ontologie est développée selon les étapes suivantes : Identification de scénarii (problèmes) dépendants d’une application ; Formulation de questions informelles (basées sur les scénarii) auxquelles l’ontologie doit permettre de répondre ; Spécification d’une terminologie à partir des termes apparaissant dans les questions. Spécification formelle (en KIF) des axiomes et des définitions pour les termes de la terminologie. Evaluation de la complétude de l’ontologie. La méthode reste spécifiée de façon abstraite. Ni les différentes étapes ni les techniques ne sont décrites en détail.

22 Une méthode inspirée de l’Ingénierie des Connaissances
METHONTOLOGY [Fernandez-Lopez et al., 99] Cette méthode est développée au Laboratoire d’Intelligence Artificielle de l’Université polytechnique de Madrid. Elle vise la construction d’ontologies au “niveau connaissance” et repose sur : un processus de développement d’ontologies comportant des acti- vités de gestion de projet (planification, assurance qualité), des activités orientées développement (spécification, conceptualisa- tion, formalisation) et des activités de support (documentation) ; un cycle de vie des ontologies basé sur des prototypes évoluant. METHONTOLOGY s’inspire d’une méthode de développement de SBCs. Elle est spécifiée de façon très détaillée et a été utilisée pour construire plusieurs ontologies dont l’ontologie des ontologies : Reference Ontology [Arpirez-Vega et al., 98]. Elle est supportée par l’outil ODE [Blazquez et al., 98].

23 Une méthode linguistiquement fondée
TERMINAE [Biébow & Szulman, 99] Cette méthode est développée au LIPN, à l’Université de Villetaneuse. S’insérant dans la problématique du groupe de recherche français TIA (Terminologie et IA), elle propose la construction d’ontologies à partir de textes en suivant quatre principales étapes : Constitution d’un corpus (documents techniques, comptes rendus, livres de cours, etc.), à partir d’une analyse des besoins de l’application visée, Etude linguistique, pour identifier des termes et des relations lexicales, en utilisant des outils de traitement de la langue naturelle, Normalisation sémantique, conduisant à des concepts et des relations sémantiques définis dans un langage semi-formel. Formalisation et intégration des concepts au sein d’une BC formelle. Dans sa version actuelle, l’outil supportant la méthode intègre l’outil LEXTER [Assadi & Bourigault, 00] pour identifier des termes candidats.

24 Apports méthodologiques de l’Ontologie
Travaux de N. Guarino au LADSEB (Padoue, Italie) N. Guarino et son équipe cherchent à évaluer l’apport des notions et principes de l’Ontologie pour la construction d’ontologies. Leur proposition prend la forme d’une ontologie générique [Guarino, 97] et d’une ontologie de méta- propriétés [Guarino & Welty, 00a]. L’ontologie générique rassemble un ensemble d’objets abstraits et leur définition (ex : objet physique, substance, système, état, processus, activité). La construction d’une ontologie d’application peut donc se faire par spécialisation de l’ontologie générique. Les méta-propriétés (ex : type, rôle) sont fondées sur des notions de l’Ontologie (ex : identité, unité, rigidité) [Guarino & Welty, 00b] et permettent de vérifier la cohérence d’une ontologie d’application qui s’en trouvera d’autant plus facilement réutilisable.

25 Bilan A ce jour, des propositions existent mais ne sont pas unifiées
Les méthodes de l’Ingénierie Ontologique n’ont pas encore atteint, loin s’en faut, la maturité des méthodes du Génie Logiciel. Les propositions de méthodes sont encore incomplètes. Un effort de synthèse et de diffusion reste encore à faire, également d’intégration de retours d’expérience. Cette situation justifie les travaux de recherche en cours dans différentes équipes. L’article [Fernandez-Lopez, 99] présente un premier état de l’art, relativement complet, sur ces méthodes de développement. L’article [Aussenac-Gilles et al., 00] exploite des résultats de travaux menés par le groupe français TIA (Terminologie et IA) pour proposer une méthode basée sur l’analyse de corpus.

26 Plan Avant Propos Qu’est-ce qu’une ontologie ?
A quoi sert une ontologie ? Méthodes de construction Langages de spécification Environnements de développement Applications Conclusions générales Références

27 Préambule (1/2) Il existe différents types de langages de spécification L’explicitation des ontologies s’effectue au moyen de langages et plusieurs types de langages peuvent jouer le rôle de langage de spécification, allant des langues naturelles jusqu’aux langages de représentation opérationnels (exécutables). Dans un projet de construction d’ontologie, il est courant d’utiliser plusieurs langages, adaptés aux différentes étapes de la construction. En amont, pour acquérir les connaissances ontologiques, on peut faire usage de la langue naturelle ou d’un langage de modélisation informel. En aval, si l’ontologie doit devenir un composant d’une application, on aura recours à des langages de représentation formels et/ou exécutables. Dans ce chapitre, on ne s’intéresse qu’aux langages de représentation dédiés ou adaptés à la spécification d’ontologies.

28 Préambule (2/2) Bref état de l’art des langages de représentation
dédiés ou adaptés aux ontologies Jusqu’au milieu des années 90, seul existait le langage formel Ontolingua comme langage d’échange d’ontologies [Gruber, 93a]. Depuis la fin des années 90, une nouvelle génération de langages voit le jour. Leur développement répond à plusieurs objectifs : améliorer le processus de construction des ontologies (ex : OCML, Mdos), échanger les ontologies sur le Web (ex : RDF(S), SHOE, XOL, OIL), intégrer différents paradigmes de représentation, comme les langages de Frames et les Logiques de description (ex : OIL, DefOnto), doter les langages de services inférentiels performants (ex : OIL, PowerLOOM, DefOnto).

29 OCML : un langage facilitant l’opérationnalisation des ontologies (1/2)
Exemple de représentations (def-class père (parents, homme) ?p :iff-def (or (and (parents ?p) (a_pour_sexe ?p “masculin”)) (exists ?e (and (homme ?p) (a_pour_enfant ?p ?e) (personne ?e))))) (def-relation a_pour_père (?p ?h) :constraint (and (personne ?p) (homme ?h)))

30 OCML : un langage facilitant l’opérationnalisation des ontologies (2/2)
Caractéristiques principales du langage OCML est développé au Knowledge Media Institute de l’Open University (Mylton Keynes, Angleterre). Il a été initialement défini dans le cadre du projet VITAL pour permettre de spécifier des modèles de résolution de problèmes au niveau connaissance, puis de les opérationnaliser [Motta, 98][Motta, 99]. La couche domaine du langage étant considérée comme équivalente aux connaissances visées par Ontolingua, OCML est supposé opérationnaliser des ontologies spécifiées en Ontolingua. La principale caractéristique d’OCML est de supporter différents styles de spécification : informel, formel et opérationnel, l’opéra- tionnel correspondant à du “prototypage au niveau connaissance”.

31 DefOnto : un langage permettant l’expression de méta-connaissances (1/2)
Exemple de représentations (DefGenConcept #père = [#parents] -> (MI#a_pour_sexe) -> “masculin” = [#homme] -> (ME#a_pour_enfant) -> [#personne] ) (DefRelation #a_pour_père IsA [#a_pour_parents] RelationProperties -> (#has_for_domain) -> [#personne] -> (#has_for_range) -> [#homme] )

32 DefOnto : un langage permettant l’expression de méta-connaissances (2/2)
Caractéristiques principales du langage DefOnto est développé dans l’équipe Ingénierie des Connaissances du LaRIA à l’Université de Picardie Jules Verne, comme sous-langage du langage d’opérationnalisation de modèles de résolution de problèmes Def* [Kassel et al., 00]. DefOnto permet de représenter des métaconnaissances (ex : des propriétés de propriétés) et cette caractéristique est notamment importante pour rendre compte de concepts de résolution de problèmes [Kassel, 99]. Un objectif visé par la définition de DefOnto est de doter le langage de mécanismes de compilation modulaire pour faciliter le développement et la maintenance des ontologies formelles.

33 OIL : un langage pour échanger des ontologies sur le Web (1/2)
Exemple de représentations class-def defined père subclass-of ((parents and (slot-constraint a_pour_sexe has-filler “masculin”)) or (homme and (slot-constraint a_pour_enfant has-value personne))) slot-def a_pour_père subclass-of a_pour_parents domain personne range homme

34 OIL : un langage pour échanger des ontologies sur le Web (2/2)
Caractéristiques principales du langage OIL résulte d’une initiative internationale rassemblant plusieurs équipes collaborant au développement de ce langage dans les projets IST : On-To-Knowledge et IBROW3 et dans le programme américain DAML (langage DAML-OIL : Ses primitives de représentation le situent à mi-chemin entre les lan- gages de Frames et les Logiques de description [Horrocks et al., 00]. Un effort particulier a été fait pour l’échange d’ontologies sur le Web. Sur le plan syntaxique, OIL est doté de deux notations compatibles Web, définies selon les deux standards respectifs que sont XML et RDF [Klein et al., 00].

35 Bilan Pour en savoir plus
Plusieurs langages sont actuellement en cours de définition, qu’il s’agisse de langages de modélisation (ex : Mdos [Nobécourt, 00]) ou de représentation opérationnels : DefOnto, OIL et PowerLOOM. Tous ces langages permettent de représenter un noyau commun de connaissances. L’article [Corcho & Gomez-Perez, 00] présente une étude comparative très large de langages de spécification d’ontologies, les comparaisons portant sur la puissance d’expression et les capacités inférentielles. L’article [Barry et al., 01] propose une étude plus poussée, mais restreinte aux seuls langages de représentation opérationnels. Les résultats de cette étude sont accessibles à l’adresse :

36 Plan Avant Propos Qu’est-ce qu’une ontologie ?
A quoi sert une ontologie ? Méthodes de construction Langages de spécification Environnements de développement Applications Conclusions générales Références

37 Préambule Ce chapitre présente des environnements
de développement d’ontologies L’objet de ce chapitre est de présenter des outils d’aide à la création et à la mise au point d’ontologies. A notre connaissance, il n’existe pas encore d’environnements commerciaux. Il s’agit de prototypes académiques, accessibles publiquement (sur demande aux auteurs). Ce chapitre reprend pour l’essentiel les éléments d’une étude comparative d’outils d’ingénierie ontologique publiée récemment dans [Duineveld et al., 99].

38 Des environnements accessibles publiquement (1/5)
Le serveur Ontolingua [Farquhar et al., 97] Ce serveur, localisé à l’Université de Stanford, permet à un utilisateur, ou groupe d’utilisateurs, de visualiser des ontologies existantes et de construire coopérativement de nouvelles ontologies. L’accès au serveur s’effectue au moyen d’un browser Web standard. Plusieurs fonctionnalités sont offertes : la réutilisation (par fusion et/ou extension) d’ontologies existantes dans différents domaines, stockées dans une bibliothèque. une aide au travail coopératif permettant à un groupe géographi- quement distribué de construire collaborativement une ontologie. l’exportation d’ontologies dans différents formats pour utilisation dans des applications.

39 Des environnements accessibles publiquement (2/5)
WebOnto [Domingue, 98] WebOnto est développé au Knowledge Media Institute à l’Open University. C’est un outil accessible sur Internet et principalement graphique permettant de construire coopérativement des ontologies. L’outil offre plusieurs fonctionnalités : Une visualisation graphique et séparée des différents composants d’une ontologie (classes, relations, règles, instances, procédures) adaptée à la construction d’ontologies de grande taille. Le couplage avec un outil de discussion d’ontologies : Tadzebao. Des services inférentiels, basés sur le langage OCML, permettant de répondre à des requêtes et des vérifications de cohérence. Des outils pour la construction coopérative (modes diffusion et édition) et l’annotation (crayons de couleur).

40 Des environnements accessibles publiquement (3/5)
ProtégéWin [Eriksson et al., 99] Ce logiciel a été conçu pour le Département d’informatique Médicale de l’Université de Stanford, notamment pour construire des ontologies. Plus généralement il permet de concevoir des SBCs par réutilisation de modèles du domaine et de méthodes de résolution de problèmes. ProtégéWin doit être installé localement sur un PC sous Windows. Une fois l’ontologie construite, ProtégéWin génère automatiquement un outil d’acquisition des connaissances pour les instances de l’ontologie. Une nouvelle version de l’outil - Protégé développée en JAVA et autorisant la construction coopérative d’ontologies, est accessible à l’adresse :

41 Des environnements accessibles publiquement (4/5)
OntoSaurus OntoSaurus est un browser Web pour des bases de connaissances formalisées en Loom offrant des facilités d’édition pour la construction coopérative d’ontologies. Il est développé à l’Institut pour les Sciences de l’Information (ISI) de l’Université de Californie du Sud. L’outil peut être utilisé avec une version de Loom installée localement ou tournant sur le site de l’ISI. OntoSaurus est proche d’Ontolingua. Du fait de l’utilisation du langage Loom, il offre en plus des services inférentiels comme la classification automatique de concepts et la vérification de cohérence.

42 Des environnements accessibles publiquement (5/5)
ODE [Blazquez et al., 99] ODE (Ontology Design Environment) est un outil d’aide à la construction d’ontologies au “niveau connaissance”, qui est indépendant de tout langage formel. ODE est développé à l’Université Polytechniques de Madrid. Le programme doit être installé localement sur un PC sous Windows. L’utilisateur remplit à un niveau conceptuel des tables (un glossaire de termes, un dictionnaire de données, des définitions de concepts et de relations) et ce modèle conceptuel est ensuite traduit automatiquement dans un langage formel (Ontolingua ou F-Logic). ODE inclut des outils de vérification de la cohérence de l’ontologie. Des aides graphiques pour l’interface sont en cours de développement.

43 Bilan (1/3) Les outils peuvent être répartis en deux classes
Les outils d’ingénierie ontologique peuvent être classés en deux catégories : ceux qui sont installés localement (e.g., ProtégéWin & ODE) et ceux qui sont accessibles par Internet (e.g., Ontolingua, WebOnto & OntoSaurus). Les outils installés localement ont de meilleures performances en temps mais n’offrent aucune aide pour la collaboration synchrone. Les échanges d’ontologies (importations/exportations) doivent se faire par mail ou ftp. Les outils accessibles sur le Web sont plus lents. Ils apportent en revanche des aides pour l’édition synchrone et offrent en général des bibliothèques d’ontologies déjà construites qui peuvent être réutilisées.

44 Bilan (2/3) Les outils existants ne sont pas appropriés pour supporter
l’ensemble du processus de construction d’une ontologie Certains outils (e.g., ProtégéWin & ODE) sont plus adaptés pour fournir une aide lors de la phase de conceptualisation de l’ontologie. Ils offrent moins de primitives de haut niveau et ne permettent pas de représenter des axiomes. En contrepartie, ces outils sont simples à prendre en main et s’adressent à des utilisateurs non expérimentés. D’autres outils (e.g., Ontolingua et OntoSaurus) sont plus adaptés pour la formalisation et la mise au point d’ontologies. Reposant sur un langage de représentation des connaissances, leur prise en main nécessite de connaître le langage. En contrepartie ils permettent de créer des ontologies plus complexes comportant des axiomes.

45 Bilan (3/3) Pour en savoir plus
L’article [Duineveld et al., 99] recense un grand nombre d’environ- nements de développement de SBCs ou dédiés aux ontologies et décrit plus complètement les outils présentés dans ce chapitre. Cet article contient des tableaux de comparaisons établies suite au développement de deux ontologies de taille différente avec chacun de ces outils. Les résultats peuvent être consultés sur le site :

46 Plan Avant Propos Qu’est-ce qu’une ontologie ?
A quoi sert une ontologie ? Méthodes de construction Langages de spécification Environnements de développement Applications Conclusions générales Références

47 Préambule (1/2) Ce chapitre présente des scénarii d’utilisation d’ontologies L’objet de ce chapitre est de présenter des applications d’ontologies, c’est-à-dire des applications tirant parti et profit d’une ontologie. Ces applications sont regroupées en classes correspondant à des scénarii abstraits d’utilisation d’ontologies. Ces scénarii sont décrits selon un cadre conceptuel (ensemble de dimensions) proposé par [Uschold & Jasper, 99].

48 Préambule (2/2) Chaque scénario est décrit selon
plusieurs dimensions communes Chaque scénario est décrit selon : son principe, l’apport ou bénéfice tiré de l’ontologie, les technologies utilisées et des exemples d’applications qui s’y conforment. Un diagramme illustre au préalable chaque scénario, dans lequel sont positionnés les principaux acteurs. Ces derniers sont référencés au moyen des sigles suivants : AO : Auteur de l’Ontologie DA : Développeur de l’Application UA : Utilisateur de l’Application

49 Scénario : l’ontologie, en tant que spécification (1/3)
Diagramme Ontologie AO DA Application Application N UA Principe L’ontologie modélise un domaine et fournit un vocabulaire pour spécifier les besoins d’une (ou plusieurs) application(s) cible(s). L’ontologie guide le développement de systèmes opérationnels. Suivant les cas, ces derniers peuvent contenir (ou non) une nouvelle représentation explicite de l’ontologie.

50 Scénario : l’ontologie, en tant que spécification (2/3)
Apports de l’ontologie Les motivations pour cette approche sont diverses : - promouvoir la réutilisation de connaissances dans plusieurs applications, - faciliter la maintenance de logiciels grâce à une représentation explicite de l’ontologie sur laquelle ils sont basés, - rendre pérennes des connaissances ontologiques, dans une perspective de mémoire organisationnelle.

51 Scénario : l’ontologie, en tant que spécification (3/3)
Exemples d’applications L’utilisation d’ontologies pour le développement de SBCs, telle que préconisée dans des méthodes comme CommonKADS [van Heijst et al., 97]. L’ontologie PhysSys a été construite pour assister des ingénieurs dans le développement d’applications concernant l’ingénierie de systèmes physiques dynamiques [Borst & Akkermans, 97]. PhysSys exploite l’ontologie EngMath couvrant tous les aspects liés à la modélisation mathématique en ingénierie [Gruber & Olsen, 1994]. Technologies utilisées Des traducteurs unidirectionnels d’ontologies ou des méthodes de développement de systèmes (e.g., CommonKADS).

52 Scénario : Accès à des données via une ontologie partagée (1/4)
Diagramme Ontologie AO se confo rment à Données opérationnelles DA Application Application N UA

53 Scénario : Accès à des données via une ontologie partagée (2/4)
Principe Une ontologie est créée pour permettre à plusieurs applications d’accéder, par le partage ou l’échange, à des données communes. Des traducteurs bi-directionnels sont développés pour faire le lien entre les structures de données propres aux applications et le format commun de l’ontologie. Apports de l’ontologie Un premier apport est de réduire le coût des applications multiples en leur donnant un accès à des données communes et de faciliter l’inter-opérabilité. Un second apport, pour l’utilisateur final, est d’avoir accès - dans un format unique - à des sources d’informations hétérogènes.

54 Scénario : Accès à des données via une ontologie partagée (3/4)
Exemples d’applications Le projet TOVE (Toronto Virtual Enterprise) vise à fournir une terminologie d’entreprise qui soit partagée par plusieurs applications développées dans différentes unités de l’entreprise (bureau d’études, fabrication, marketing, etc.) [Fox & Gruninger, 98]. Dans le projet EcoCyc (Encyclopedia of E. Coli Genes and Metabolism) une ontologie est utilisée pour construire une BC qui intègre des données provenant de différentes BDs hétérogènes dans le champ de la biologie moléculaire [Karp et al., 1999]. Le système MOMIS (Mediator envirOnment for Multiple Information Sources) intègre semi-automatiquement les schémas conceptuels de SI hétérogènes en un “Thésaurus Commun”. Cette ontologie est utilisée par un “Médiateur” qui interroge les différentes sources d’information pour répondre à une requête d’un utilisateur [Bergamaschi et al. 99].

55 Scénario : Accès à des données via une ontologie partagée (4/4)
Technologies utilisées Des traducteurs bi-directionnels qui peuvent, suivant le cas, résider ou non dans les applications et être générés automatiquement. Des médiateurs qui intègrent les données venant des sources d’information hétérogènes. Variantes du scénario La conception d’un glossaire pour faciliter la communication au sein d’une organisation, ou bien la construction d’une ontologie pour faciliter l’accès à une Mémoire d’Entreprise. Dans ces cas, le “consommateur” d’informations est un être humain. Lorsque des acteurs d’une organisation, ou bien des développeurs d’applications, ne peuvent tomber d’accord sur une ontologie commune, plusieurs ontologies peuvent co-exister qu’il faut pouvoir relier au moyen de règles. Ce problème est étudié par [Uschold, 00].

56 Scénario : Recherche d’informations basée sur une ontologie (1/3)
Diagramme Ontologie AO Information Requête Moteur UA de recherche Principe Un groupe d’utilisateurs se mettent d’accord sur une ontologie qui décrit un domaine spécifique. L’ontologie est utilisée par un moteur de recherche pour accéder à des ressources (ex : des documents, des informations, des noms d’experts) dans un répertoire (ex : le Web ou un intranet).

57 Scénario : Recherche d’informations basée sur une ontologie (2/3)
Apports de l’ontologie L’ontologie joue le rôle d’un index pour les ressources recherchées, ce qui renforce l’espoir de retrouver des informations pertinentes. Les connaissances ontologiques permettent de représenter le sens de la requête et d’effectuer des inférences sur les informations décrivant le contenu des ressources (les méta-data), permettant d’améliorer la qualité de la recherche. Technologies utilisées Des browsers d’ontologies et des moteurs de recherche, constituant plus globalement des fournisseurs d’information appelés “brokers”.

58 Scénario : Recherche d’informations basée sur une ontologie (3/3)
Exemples d’applications Dans le cadre du projet (KA)2, la communauté en Acquisition des Connaissances a conçu une ontologie utilisée par ses membres pour annoter des pages Web [Benjamins et al., 99a]. Ces méta-data et l’ontologie sont exploitées par Ontobroker [Decker et al., 99]. Le projet IBROW3 (Intelligent Brokering Service on the WWW) a développé un service d’aide à la configuration de SBCs à partir de composants génériques (des méthodes de résolution de problèmes) indexés par une ontologie [Benjamins et al., 99b]. Dans la société Boeing (Seatle) un thesaurus a été récemment étendu en une ontologie pour permettre en interne au personnel d’accéder aux bons experts (application : Expert Locator) [Clark et al., 00].

59 Scénario : Traduction à base d’ontologie linguistique (1/3)
Diagramme UA DA UA Texte Système de Texte en LN traduction en LN2 Lexique Ontologie Lexique AO LN LN2

60 Scénario : Traduction à base d’ontologie linguistique (2/3)
Principe L’ontologie fournit un niveau conceptuel indépendant de la langue, auquel des lexiques des langues concernées sont attachés. Les représentations du sens du texte sont prises en charge par l’ontologie qui joue le rôle d’une interlangue. Apports de l’ontologie L’ontologie fournit un moyen pour représenter la signification d’un texte dans une interlangue. Elle permet à des lexiques pour différentes langues de partager des connaissances (le niveau conceptuel). Elle permet à des analyseurs de la langue source et à des générateurs dans la langue cible de partager des connaissances.

61 Scénario : Traduction à base d’ontologie linguistique (3/3)
Exemples d’applications Le système PANGLOSS traduit des textes quelconques de l’espagnol en anglais [Knight & Luk, 94]. Il utilise l’ontologie SENSUS qui intègre notamment WordNet et PENMAN upper Model et contient concepts et relations. Le système Mikrokosmos traduit en anglais des articles de journaux écrits en espagnol ou en chinois. Son ontologie contient 8000 concepts [Viegas, 99]. Technologies utilisées Principalement des analyseurs et des générateurs (e.g., “PANGLYSER” et “PENMAN” dans le cas de PANGLOSS).

62 Pour en savoir plus Sur les scénarii Sur les applications
L’article [Uschold & Jasper, 99] présente plus complètement les scénarii en tâchant d’évaluer la maturité des technologies mises en jeu et en envisageant diverses variations autour de ces scénarii. Certains projets atypiques, comme le projet Cyc consistant à développer une ontologie couvrant l’ensemble des connaissances de sens commun, restent pour le moment en dehors des scénarii recensés. Sur les applications Les articles [van Zyl & Corbett, 00a] et [van Zyl & Corbett, 00b] instancient les scénarii par de nombreux exemples d’applications académiques ou industrielles. Le second article met plus particu- lièrement l’accent sur les applications des ontologies linguistiques.

63 Plan Avant Propos Qu’est-ce qu’une ontologie ?
A quoi sert une ontologie ? Méthodes de construction Langages de spécification Environnements de développement Applications Conclusions générales Références

64 Bilan final L’Ingénierie Ontologique demeure une discipline naissante
La variété des besoins et des champs de recherche concernés par le développement des ontologies explique la diversité des objets dénotés par le terme “ontologie”. L’Ingénierie Ontologique, au sein de l’Ingénierie des Connaissances, définit des concepts, méthodes et outils, pour rationaliser le dévelop- pement des ontologies. Cette discipline est en plein essor, en témoigne le nombre important de projets en cours et de séminaires qui lui sont consacrés. Cependant, les propositions émanant des projets et les pratiques ne sont pas encore unifiées. Un effort de synthèse et de diffusion hors du cadre académique reste encore à réaliser.

65 Pour approfondir certaines notions du domaine
Des ressources pédagogiques sont présentes sur le web Sur le site du GRACQ, à la rubrique “cours”, on peut consulter un support de cours conçu par J. Charlet, N. Aussenac-Gilles, P. Laublet et B. Bachimont sur les Ontologies, les Terminologies et les Bases de Connaissances Terminologiques : Le site édité par R. Corrazon constitue une introduction complète à l’Ontologie Formelle. On y trouve présentés : un historique de la discipline, les acteurs d’hier et d’aujourd’hui, les développements récents, une liste d’ouvrages et des références à d’autres sites : Sur le site de C. Welty, on peut consulter un support de cours rédigé avec N. Guarino, introductif à la conférence FOIS (Formal Ontology in Information Systems) 2001 :

66 Pour continuer à suivre les évolutions de la discipline
quelques sites régulièrement mis à jour Le site de P. Clark (Boeing) - à ce jour le plus complet - indexe toutes sortes d’informations relatives aux ontologies, portant sur : des projets, des organisations, des environnements de développement, des conférences, des actes de conférences en ligne et des ontologies (!). Il comporte quelques 300 entrées : Le projet IEEE SUO (Standard Upper Ontology) de définition d’une ontologie générique destinée à devenir un standard international est présenté sur le site : L’organisation “Ontology.org” édite un forum sur internet consacré aux applications des ontologies pour le commerce électronique :

67 Plan Avant Propos Qu’est-ce qu’une ontologie ?
A quoi sert une ontologie ? Méthodes de construction Langages de spécification Environnements de développement Applications Conclusions générales Références

68 Références bibliographiques (1/12)
[Arpirez-Vega et al., 98] Arpirez-Vega, J.C., Gomez-Pérez, A., Tello, A.L. & Pinto, S. (1998) (ONTO)2Agent: An ontology-based WWW broker to select ontologies. Proceedings of the 13th European Conference on Artificial Intelligence: ECAI-98, Brighton. [Assadi & Bourigault, 00] Assadi, H. & Bourigault, D. (2000) Analyses syntaxique et statistique pour la construction d’ontologies à partir de textes. In J. Charlet et al. (eds), Ingénierie des Connaissances ; Evolutions récentes et nouveaux défis, Eyrolles, pp [Aussenac-Gilles et al., 00] Aussenac-Gilles, N., Biébow, B. & Szulman, S. (2000) Revisiting Ontology Design: a methodology based on corpus analysis. Proceedings of the 12th International Conference on Knowledge Engineering and Knowledge Management: EKAW’2000, R. Dieng & O. Corby (eds), LNAI 1937, Springer, pp [Bachimont, 00] Bachimont, B. (2000) Engagement sémantique et engagement ontologique : conception et réalisation d’ontologies en ingénierie des connaissances. In J. Charlet et al. (eds), Ingénierie des Connaissances ; Evolutions récentes et nouveaux défis, Eyrolles, pp

69 Références bibliographiques (2/12)
[Barry et al., 01] Barry, C., Cormier, C., Kassel, G. & Nobécourt, J. (2001) Evaluation de langages opérationnels de représentation d’ontologies. Actes des journées Ingénierie des Connaissances : IC’2001, Grenoble. A paraître. [Barthès, 98] Barthès, J.-P. A. (1998) La gestion des concepts et du vocabulaire dans l’entreprise, terminologies et ontologies : état de l’art. Rapport de veille technologique IIIA-98-VT9, 46 pages. [Benjamins et al., 99a] Benjamins, V.R., Fensel, D. & Decker, S. (1999) KA2: Building Ontologies for the Internet: A Midterm Report. International Journal of Human Computer Studies, 51(3). [Benjamins et al., 99b] Benjamins, V.R. et al. (1999) Towards Brokering Problem-Solving Knowledge on the Internet. Proceedings of the 11th European Workshop on Knowledge Acquisition, Modeling and Management: EKAW’99, Dagstuhl (Allemagne). [Bergamaschi et al., 99] Bergamaschi, S., Castano, M.V.S. & Beneventano, D. (1999) Intelligent Techniques for the Extraction and Integration of Heterogeneous Information. Proceedings of the IJCAI-99 Workshop on Intelligent Information Integration, Stockholm.

70 Références bibliographiques (3/12)
[Biébow & Szulman, 99] Biébow, B. & Szulman, S. (1999) TERMINAE: A linguistic-based tool for the building of a domain ontology. Proceedings of the 11th European Workshop on Knowledge Acquisition, Modeling and Management: EKAW’99, Dagstuhl (Allemagne). [Blazquez et al., 98] Blazquez, M., Fernandez-lopez, M., Garcia-Pinar, J.M. & Gomez-Pérez, A. (1998) Building Ontologies at the Knowledge Level using the Ontology Design Environment. In Proceedings of the Workshop on Knowledge Acquisition, Modelling and Management: KAW’98, Banff, Canada. [Borst & Akkerman, 97] Borst, P. & Akkermans, H. (1997) Engineering ontologies. International Journal of Human and Computer Studies, 46, pp [Bouaud et al., 94] Bouaud, J., Bachimont, B., Charlet, J. & Zweigenbaum, P. (1994) Acquisition and Structuring of an Ontology within Conceptual Graphs. Proceedings of the ICCS’94 Workshop on Knowledge Acquisition using Conceptual Graph Theory, University of Maryland, College Park, MD, 1994, pp

71 Références bibliographiques (4/12)
[Clark et al., 00] Clark, P., Thompson, J., Holmback, H. & Duncan, L. (2000) Exploiting a Thesaurus-Based Semantic Net for Knowledge-Based Search. Proceedings of the 12th Conference on Innovative Applications of Artificial Intelligence: IAAI-2000, Austin (Texas-USA), pp [Corcho & Gomez-Perez, 00] Corcho, O. & Gomez-Perez, A. (2000) Evaluating Knowledge Representation and Reasoning Capabilities of Ontology Specification Languages. Proceedings of the ECAI-00 Workshop on Applications of Ontologies and Problem-Solving Methods, Berlin, pp. 3/1-3/9. [Decker et al., 99] Decker, S., Erdmann, M., Fensel, D. & Studer, R. (1999) Ontobroker: Ontology Based Access to Distributed and Semi-Structured Information. In R. Meersman et al. (Eds.), Database Semantics: Semantic Issues in Multimedia Systems, Kluwer Academic Publisher, pp [Domingue, 98] Domingue, J. (1998) Tadzebao and WebOnto: Discussing, Browsing, and Editing Ontologies on the Web. Proceedings of the 11th Workshop on Knowledge Acquisition, Modelling and Management: KAW’98, Banff, Canada.

72 Références bibliographiques (5/12)
[Duineveld et al., 99] Duineveld, A.J., Stoter, R., Weiden, M.R., Kenepa, B. & Benjamins, V.R. (1999) WonderTools? A comparative study of ontological engineering tools. Proceedings of the Workshop on Knowledge Acquisition, Modelling and Management: KAW’99, Banff, Canada. [Eriksson et al., 99] Eriksson, H., Fergerson, R., Shahar, Y. & Musen, M.A. (1999) Automatic Generation of Ontology Editors. Proceedings of the Workshop on Knowledge Acquisition, Modelling and Management: KAW’99, Banff, Canada. [Farquhar et al., 97] Farquhar, A., Fikes, R. & Rice, J. (1997) The Ontolingua Server: Tool for Collaborative Ontology Construction. International Journal of Human Computer Studies, 46(6), pp [Fernandez-Lopez, 99] Fernandez-Lopez, M. (1999) Overview Of Methodologies For Building Ontologies. Proceedings of the IJCAI’99 Workshop on Ontologies and Problem-Solving Methods, Stockholm (Suède), pp. 4/1,4/13. [Fernandez-Lopez et al., 99] Fernandez-Lopez, M., Gomez-Pérez, A., Pazos-Sierra, J. & Pazos-Sierra, A. (1999) Building a Chemical Ontology Using Methontology and the Ontology Design Environment. IEEE Intelligent Systems, January/February, pp

73 Références bibliographiques (6/12)
[Fox & Gruninger, 98] Fox, M.S. & Gruninger, M. (1998) Enterprise Modelling. AI Magazine, AAAI. [Gruber, 93a] Gruber, T. (1993) A translation approach to portable ontology specification. Knowledge Acquisition 5, pp [Gruber, 93b] Gruber, T.R. (1993) Towards Principles for the Design of Ontologies Used for Knowledge Sharing. In N. Guarino & R. Poli (Eds), Formal Ontology in Conceptual Analysis and Knowledge Representation, Kluwer Academic Publishers. [Gruber & Olsen, 94] Gruber, T.R. & Olsen, G.R. (1994) An Ontology for Engineering Mathematics. In J. Doyle, P. Torasso & E. Sandewall (Eds.), Proceedings of the Fourth International Conference on Principles of Knowledge Representation and Reasoning, Morgan Kaufmann, pp [Grüninger & Fox, 95] Grüninger, M. & Fox, M.S. (1995) Methodology for the Design and Evaluation of Ontologies. Proceedings of the IJCAI-95 Worshop on Basic Ontological Issues in Knowledge Sharing.

74 Références bibliographiques (7/12)
[Guarino & Giaretta, 95] Guarino, N. & Giaretta, P. (1995) Ontologies and Knowledge Bases: Towards a Terminological Clarification. In N. Mars (Eds), Towards Very Large Knowledge Bases: Knowledge Building and Knowledge Sharing, IOS Press, Amsterdam, pp [Guarino, 97] Guarino, N. (1997) Some Organizing Principles For A Unified Top-Level Ontology. Proceedings of the AAAI Spring Symposium on Ontological Engineering, Stanford (USA). [Guarino, 98] Guarino, N. (1998) Formal Ontology and Information Systems. In N. Guarino (Eds), Formal Ontology in Information Systems, IOS Press, Amsterdam, pp [Guarino & Welty, 00a] Guarino, N. & Welty, C. (2000) A formal Ontology of Properties. Proceedings of the ECAI-00 Workshop on Applications of Ontologies and Problem-Solving Methods, Berlin, pp. 12/1-12/8. [Guarino & Welty, 00b] Guarino, N. & Welty, C. (2000) Identity, Unity and Individuality: Towards a Formal Toolkit for Ontological Analysis. Proceedings of the 14th European Conference on Artificial Intelligence: ECAI 2000, IOS Press, Berlin, pp

75 Références bibliographiques (8/12)
[Horrocks et al., 00] Horrocks, I., Fensel, D., Broekstra, J., Decker, S., Erdmann, M., Goble, C., van Harmelen, F., Klein, M., Staab, S., Studer, R. & Motta, E. (2000) The Ontology Inference Layer OIL. Technical report, August [Karp et al., 99] Karp, P.D. et al. (1999) EcoCyc: Encyclopedia of E. coli Genes and Metabolism. Nuclear Acids Research, 27, pp [Kassel, 99] Kassel, G. (1999) PHYSICIAN is a role played by an object, whereas SIGN is a role played by a concept. Proceedings of the IJCAI’99 Workshop on Ontologies and Problem-Solving Methods: Lessons Learned and Future Trends, Stockholm (Sweden), pp /CEUR-WS/Vol-18/6-kassel.pdf [Kassel et al., 00] Kassel, G., Barry, C. & Abel, M.-H. (2000) Programmer au niveau connaissance en Def-*. In J. Charlet et al. (eds), Ingénierie des Connaissances ; Evolutions récentes et nouveaux défis, Eyrolles, pp

76 Références bibliographiques (9/12)
[Klein et al., 00] Klein, M., Fensel, D., van Harmelen, F. & Horrocks, I. (2000) The Relation between Ontologies and Schema-languages: Translating OIL-specification in XML-Schema. Proceedings of the ECAI-00 Workshop on Applications of Ontologies and Problem-Solving Methods, Berlin, pp. 7/1-7/12. [Knight & Luk, 94] Knight, K. & Luk, S. (1994) Building a Large-Scale Knowledge Base for Machine Translation. Proceedings of the National Conference on Artificial Intelligence AAAI-94. [Motta, 98] Motta, E. (1998) An Overview of the OCML Modelling language. In Proceedings of the 8th Workshop on Knowledge Engineering: Methods and Languages, KEML ‘98. [Motta, 99] Motta, E. (1999) Reusable Components for Knowledge Modelling. IOS Press, Amsterdam. [Nef, 98] Nef, F. (1998) L’objet quelconque ; Recherches sur l’ontologie de l’objet. Librairie Philosophique J. Vrin.

77 Références bibliographiques (10/12)
[Nobécourt, 00] Nobécourt, J. (2000) Mdos: a modelling language to build a formal ontology in either Description Logics or Conceptual Graphs. Proceedings of the 12th International Conference on Knowledge Engineering and Knowledge Management: EKAW’2000, R. Dieng & O. Corby (eds), LNAI 1937, Springer, pp [Noy & Fridman, 97] Noy, N.F. & Hafner, C.D. (1997) The State of the Art in Ontology Design; A Survey and Comparative Review. AI Magazine, 18(3), pp [O’Leary, 98] O’Leary, D.E. (1998) Using AI in Knowledge Management: Knowledge Bases and Ontologies. IEEE Intelligent Systems, May/June 1998, pp [Uschold, 98] Uschold, M. (1998) Knowledge level modelling: Concepts and terminology. Knowledge Engineering Review, 13(1). [Uschold, 00] Uschold, M. (2000) Creating, Integrating and Maintaining Local and Global Ontologies. Proceedings of the ECAI-00 Workshop on Applications of Ontologies and Problem-Solving Methods, Berlin, pp. 13/1-13/5.

78 Références bibliographiques (11/12)
[Uschold & King, 95] Uschold, M. & King, M. (1995) Towards a Methodology for Building Ontologies. Proceedings of the IJCAI-95 Worshop on Basic Ontological Issues in Knowledge Sharing. [Uschold & Jasper, 99] Uschold, M. & Jasper, R. (1999) A Framework for Understanding and Classifying Ontology Applications. Proceedings of the IJCAI-99 Workshop on Ontologies ans Problem-Solving Methods, Stockholm. [van Heijst et al., 97] van Heijst, G., Schreiber, A.Th. & Wielinga, B.J. (1997) Using explicit ontologies in KBS development. International Journal of Human and Computer Studies, 45, pp [van Zyl & Corbett, 00a] van Zyl, J. & Corbett, D. (2000) Population of a Framework for Understanding and Classifying Ontology Applications. Proceedings of the ECAI-00 Workshop on Applications of Ontologies and Problem-Solving Methods, Berlin, pp. 10/1-10/12.

79 Références bibliographiques (12/12)
[van Zyl & Corbett, 00b] van Zyl, J. & Corbett, D. (2000) A Framework for Comparing the use of a Linguistic Ontology in an Application. Proceedings of the ECAI-00 Workshop on Applications of Ontologies and Problem-Solving Methods, Berlin, pp. 11/1-11/11. [Viegas, 99] Viegas, E. (1999) An Overt Semantics with a Machine-guided Approach for Robust LKBs. Proceedings of SIGLEX99: Standardizing Lexical Resources, University of Maryland.