La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

OntoCASE : méthodologie et assistant logiciel pour une ingénierie ontologique fondée sur la transformation dun modèle semi-formel Soutenance de thèse de.

Présentations similaires


Présentation au sujet: "OntoCASE : méthodologie et assistant logiciel pour une ingénierie ontologique fondée sur la transformation dun modèle semi-formel Soutenance de thèse de."— Transcription de la présentation:

1 OntoCASE : méthodologie et assistant logiciel pour une ingénierie ontologique fondée sur la transformation dun modèle semi-formel Soutenance de thèse de Michel Héon Direction : Gilbert Paquette et Josianne Basque 1 4 novembre 2010

2 Introduction Introduction Présentation dOntoCASE Démarche de construction dOntoCASE Validation dOntoCASE Conclusion 2

3 Le transfert dexpertise dans les organisations soutenues par une instrumentation informatique intelligente 3

4 Thèse OntoCASE Élicitation des connaissances Conception datelier de génie logiciel Ingénierie ontologique Intelligence artificielle Gestion des connaissances Web sémantique Représentation des connaissances Transformation conduite par les modèles Introduction 4

5 Présentation dOntoCASE Présentation dOntoCASE Démarche de construction dOntoCASE Validation dOntoCASE Conclusion 5

6 Conçue selon la technique du Développement conduit par les modèles (MDD) Sharmonise avec les fonctionnalités développées dans le cadre du Eclipse Project (www.eclipse.org) Permet : lédition graphique (éditeur eLi) de modèles MOT et MindMap la formalisation guidée de modèles semi-formels (MSF) en ontologie OWL- 1.0 lédition dontologie OWL dans les notations: N3, OWL, RDF/RDFS et autres laccès aux moteurs dinférences : Pour OWL : Jena, Pellet, Racer, SwiftOWLIM Pour SWRL : Jena-Rules, Jess la transformation dontologie OWL en code Java respectant le Protégé OWL- API limportation de modèle MOT+ en notation XML 6 Présentation dOntoCASE

7 Sinscrit dans les approches itérative et évolutive des méthodologies dingénierie ontologique (ex. : Methontology) et dingénierie logicielle (ex. : Rational Unified Process) Est appuyée par des modules intelligents et des interfaces qui offrent une convivialité dutilisation de la méthodologie Utilise une approche de construction dontologie en deux phases : Lélicitation de la connaissance dans un formalisme graphique semi- formel relativement simple à utiliser par un expert de contenu La formalisation en ontologie avec une assistance intelligente permettant la désambiguïsation du MSF et la validation par une rétroaction Soutient la représentation formelle en ontologie de connaissance: déclarative, procédurale, stratégique et factuelle 7 Présentation dOntoCASE

8 La classification des langages de représentation des connaissances en quatre degrés de formalisme selon Uschold et Gruninger Degré de représentation Type de langage Degré dambiguïté Remarque Hautement informel Semi- informel Semi-formel Formel Naturel Artificiel Élevé Faible Moyenne Aucune Le cerveau humain arrive à décoder en partie, mais lordinateur arrive mal à le traiter Cest une forme restreinte et structurée du langage naturel, telle que celle que lon retrouve dans la description dalgorithmes (pseudocode) ou encore dans les textes de loi Comparativement aux langages formels, ce degré de langage contient une certaine relâche des contraintes langagières qui favorise et stimule l'expressivité des connaissances et la communication entre humains. On le retrouve dans les langages comme OWL ou encore les GC de Sowa. Il offre une représentation des connaissances dont l'expressivité est réduite, mais qui en élimine les ambiguïtés, ce qui permet un traitement informatique des connaissances représentées. Présentation dOntoCASE 8

9 9 Les connaissances tacites sont difficiles à éliciter La formalisation est une activité complexe nécessitant une expertise poussée La représentation ontologique est limitée à une forme déclarative alors quil existe des connaissances de nature diverse (déclarative, procédurale, stratégique) On constate un manque doutils pour lassistance à la conception dontologie

10 Convivialité Simple à apprendre et à utiliser Facilite lexpression de connaissances tacites la spontanéité nest pas bloquée par la charge cognitive associée à une formalisation plus poussée Élargit le bassin des personnes aptes à représenter leurs connaissances La sémantique du langage semi-formel fait en sorte que : Le MSF peut être conçu par des experts de contenu sans lassistance dun ingénieur La connaissance représentée est dans une forme pré-formalisée Le modèle semi-formel peut être formalisé avec la participation minimale des experts les ayant conçus 10 Présentation dOntoCASE

11 À partir dun modèle de connaissances exprimé dans un langage semi-formel qui représente des connaissances de différents types, il est possible de procéder de manière automatique ou semi-automatique, à sa formalisation en ontologie qui, du point de vue du domaine de connaissance, est syntaxiquement et sémantiquement valide. 11 Présentation dOntoCASE

12 Produire un outil (méthodologique et informatique) permettant de formaliser un modèle semi-formel de connaissances (ex: MOT) en ontologie formelle dans le formalisme OWL 12 Présentation dOntoCASE

13 1. Concevoir une méthodologie d'ingénierie ontologique intégrant une méthode fondée sur la transformation d'un modèle semi- formel en ontologie et intégrant une méthode: a. de formalisation en ontologie b. de validation syntaxique et sémantique de lontologie produite 2. Développer un outil informatique intelligent et intégré, qui instrumente de manière efficace, efficiente et satisfaisante ces différentes méthodes 3. Développer une ontologie offrant une représentation méta du domaine de la représentation des connaissances, qui opérationnalise les assistants informatiques de la méthodologie et qui sert de représentation pour la méthodologie 13 Présentation dOntoCASE

14 Méthodologique décrit l'ensemble des éléments procéduraux, des acteurs et des ressources contribuant à la formalisation d'un MSF en ontologie Computationnel (informatique) décrit les composants informatiques ainsi que leurs utilisations afin d'assister les acteurs dans l'application de la méthode Représentationnel comporte un ensemble de guides qui permettent d'orienter le déroulement de chacune des méthodes ainsi qu'une ontologie de transformation qui régit l'opérationnalité des composants du volet computationnel 14 Présentation dOntoCASE

15 Les constituants du volet méthodologique Les constituants du volet computationnel Les constituants du volet représentationnel 15 Présentation dOntoCASE

16 Quelques éléments théoriques nécessaires au sujet de larchitecture conduite par les modèles (ACM) 16 Présentation dOntoCASE

17 M0: couche donnée, représente les choses de la réalité M1: couche modèle, abstraction de la réalité M2: couche métamodèle abstraction du langage de modélisation M3: couche Méta- métamodèle, abstraction du langage de métamodélisation Présentation dOntoCASE/Théorie 17

18 L'espace de modélisation (EM) est une architecture de modélisation réalisée à partir d'un métamodèle particulier Lespace MOF proposé par lOMG Lespace Extended Backus- Naur Form (EBNF) qui est le méta-métamodèle servant à la définition de la grammaire du langage Java Lespace RDFS associé au projet du web sémantique 18 Présentation dOntoCASE/Théorie

19 LOMG préconise lutilisation du MOF- QVT et lOCL pour la transformation de modèles Le processus de transformation est défini par le métamodèle MOF- QVT/OCL Cest production automatique dun modèle cible à partir dun modèle source 19 Présentation dOntoCASE/Théorie

20 Le processus utilise la sémantique du langage source pour réaliser la transformation Le modèle source est traité en tant que données et le métamodèle source est reporté au niveau M1 Le processus de transformation traite les éléments du modèle source en tant que données en correspondance avec la structure définie dans le métamodèle source selon les règles et axiomes définis dans le modèle de transformation 20 Présentation dOntoCASE/Théorie

21 LACM de base Étape 1 Changement de lespace de modélisation MOF->RDF(S) QVT/OCL->SWRL Étape 2 Les modèles de M1 sont remplacés par des ontologies et la transformation est assumée par lontologie de transformation 21 Présentation dOntoCASE/Théorie

22 l'ontologie de référence représente les diverses catégories de connaissances et opérationnalise le processus de désambiguïsation et de transformation l'ontologie cadre encadre les éléments du modèle cible dans une structure qui soutient la représentation de connaissances déclaratives, procédurales et stratégiques quelles soient concrètes ou abstraites Quatre composants forment l'ontologie de transformation: l'ontologie du langage semi-formel représente les éléments du vocabulaire et de la grammaire du langage semi-formel utilisé pour construire les modèles sources l'ontologie de traitement des ambiguïtés et des erreurs contient des règles servant à la désambiguïsation et à l'identification des erreurs de catégorisation; 22 Présentation dOntoCASE

23 23 Présentation dOntoCASE

24 Structure Entité-Relation RELATION Catégorie FluxIntrant Produit Précédence HolonymeAgrégation Composition Englobe HyponymeGénéralisation Spécialisation AutonymeDéfinit Instance OperateurUnaireCondition Restriction BinaireDisjoint Équivalent Inverse Régulation 24 Présentation dOntoCASE

25 R ESOURCE Type de connaissancesCatégorie DéclarativeConcept SchémaFloat Int String ProcéduraleProcédure Opération StratégiqueAgent_Contrainte_Norme Condition Entite_RegleAntécédent Complete Conclusion Nom Quelques remarques: Rappel: lO cadre sert à structurer lontologie cible. Elle est méta face à celle-ci La structure de lO cadre diffère de celle de lO de référence: les connaissances factuelles ny figurent pas puisque ce type de connaissances sera représenté par des individus OWL dans lontologie cible 25 Présentation dOntoCASE

26 26 Présentation dOntoCASE

27 27 Présentation dOntoCASE

28 28 Présentation dOntoCASE

29 xsi:type="mot:Concept" nom="Berger Allemand" xsi:type="mot:LienI" xsi:type="mot:Exemple" nom="Bahia" Espace de modélisation RDF(S)-OWL Espace de modélisation EMOF M1Ontologie du langage semi-formel (metaMot:) M0 :Bahia rdf:type metaMot:MOT_Exemple :Berger-Allemand rdf:type metaMot:MOT_Concept :LienI_Berger-Allemand_Bahia rdf:type metaMot:MOT_LienI M1Ontologie de référence (oRef:) M0 :LienI_Berger-Allemand_Bahia rdf:type oRef:OR_Relation_Instance :Bahia rdf:type oRef:OR_Entite_Manifestation_Objet :Berger-Allemand rdf:type oRef:OR_Entite_Concept_Classe Importer Désambiguïser M2Ontologie cadre (metaDom) M1 M0 :Berger-Allemand rdf:type owl:Class ; rdfs:subClassOf metaDom:MD_Declarative_Concept. :Bahia rdf:type :Berger-Allemand. Convertir Formaliser Ontologie du domaine (ontologie cible) MSF en langage natif (modèle source) Ontologie du MSF Ontologie du MSF désambiguïsé 29 Présentation dOntoCASE

30 Le but de la validation syntaxique est de sassurer que tous les éléments du MSF sont représentés dans lontologie Le but de la validation sémantique est de sassurer que lontologie représente correctement la signification du modèle 30 Présentation dOntoCASE

31 Conceptualisation Représenter Abstraire Domaine de la réalité Modèle du domaine Extérioriser Langage Par... fait une erreur dabstraction (par exemple, il comprend mal le domaine de la réalité) … … fait une erreur dextériorisation, i.e. un usage inadéquat du langage de modélisation (son vocabulaire, sa grammaire ou sa sémantique) 31 Présentation dOntoCASE/Valider

32 Linterprétation formelle dune séquence dactions Exemple de validation sémantique avec OntoCASE Interprétation formelle [Ajouter le sucre] puis exécuter [Battre les œufs] [Ajoutez le lait] puis exécuter [Mettre au congélateur] [Battre les œufs] puis exécuter [Incorporer graduellement] [Chauffer le crème] puis exécuter [Incorporer graduellement] [Faire cuire] puis exécuter [Refroidir] [Hacher les noix] puis exécuter [Chauffer le crème] [Incorporer graduellement] puis exécuter [Faire cuire] [Refroidir] puis exécuter [Ajoutez le lait] [Séparer les œufs] puis exécuter [Ajouter le sucre]... [Faire cuire] a pour dépendance [Ajouter le sucre] [Faire cuire] a pour dépendance [Battre les œufs] [Faire cuire] a pour dépendance [Chauffer le crème] [Faire cuire] a pour dépendance [Hacher les noix] [Faire cuire] a pour dépendance [Incorporer graduellement] [Faire cuire] a pour dépendance [Séparer les œufs] [Faire cuire] permet [Ajoutez le lait] [Faire cuire] permet [Mettre au congélateur] [Faire cuire] permet [Refroidir]... Portion de connaissances inférées 32 Présentation dOntoCASE/Valider La recette de la crème glacée

33 La génération dun MSF à partir de lontologie cible Exemple de validation Lerreur dextériorisation 33 Formaliser Valider Générer MSF MSF SourceMSF généré Les flèches en rouges indiquent les inférences produites par le mécanisme de validation sémantique On constate lerreur dextériorisation dont la cause est linversion du « lien S »

34 Introduction Présentation dOntoCASE Démarche de construction dOntoCASE Démarche de construction dOntoCASE Validation dOntoCASE Conclusion 34

35 Phase 1 - Mise en place des composants architecturaux, procéduraux et informatiques de la méthodologie Pour fixer les composants informatiques en lien avec les composants méthodologiques Phase 2 - Agrégation des composants ontologiques, procéduraux et informatiques d'OntoCASE Pour attacher les différents composants entre eux et de valider les choix architecturaux et théoriques Phase 3 - Confirmation Pour compléter la structure interne des différentes ontologies agrégées par l'ontologie de transformation. Pour mettre en place les outils informatiques nécessaires à la validation dOntoCASE par l'implantation de mécanismes d'exécution de scénarios de tests. La démarche de recherche se déroule selon une approche évolutive et itérative où les résultats et les outils de litération précédente servent à construire les outils produits par litération en cours. Construction dOntoCASE 35

36 Critères qui justifient le choix du langage semi-formel MOT: Permet lexpression de connaissances procédurale, déclarative et stratégique Permet lexpression de connaissances abstraites et factuelles Appuie dans sa sémantique lexpression de la relation dinstance et de spécialisation, ainsi que dautres relations utiles telles que le séquencement procédural et la régulation Nimpose aucune contrainte de représentation sur les types de connaissances ou de relations introduites dans un même modèle Le langage est de type graphique. Critères qui justifient le choix dOWL en tant que langage formel: Lexpressivité est suffisante pour représenter une ontologie Le langage est de degré formel La grande disponibilité des outils informatiques qui sy rapporte (moteur dinférence, éditeur, analyseur XML et Java) Construction dOntoCASE 36

37 Construction dOntoCASE 37

38 1. Manuel: lutilisateur peut choisir la sémantique quil désire donner à un élément du modèle 2. Topologique: La sémantique de lélément du modèle est déterminée par le système en fonction de la disposition des éléments du modèle Par exemple, soit le patron suivant: Alors: le principe sera désambiguïsé en propriété P le concept A et la concept B seront désambiguïsés en classe A et classe B et la classe A sera le domaine et la classe B sera limage de la propriété P. 3. Typologique: La sémantique de lélément est choisie en fonction de son type. Ce type de désambiguïsation survient lorsque lélément ne possède quune seule signification Par exemple: un lien I (instance) sera désambiguïsé en rdf:type Construction dOntoCASE 38

39 La rétroaction sur le graphique Des messages à la console Laccès aux propriétés dun objet en erreur couplé à un mécanisme de pointage derreurs Les interfaces de communication permettent à lutilisateur de diagnostiquer le processus de formalisation assurant ainsi une transformation efficiente Construction dOntoCASE 39

40 Le banc dessais permet de valider les modules dimportation, de désambiguïsation, de conversion, de régénération de MSF ainsi que le module de validation syntaxique. Construction dOntoCASE 40

41 Introduction Présentation dOntoCASE Démarche de construction dOntoCASE Validation dOntoCASE Validation dOntoCASE Conclusion 41

42 Généralité des types de connaissances à formaliser Il sagit de démontrer que les connaissances de divers types (déclarative, procédurale, stratégique et factuelle) présentes dans le MSF sont représentées dans l'ontologie cible Généricité des langages semi-formels utilisés pour la formalisation Cette dimension est démontrée en appliquant le scénario de transformation dOntoCASE à partir dun MSF construit à laide dun autre langage que MOT, à savoir le langage MindMap de Buzan (1994) Ergonomie dOntoCASE La validation ergonomique a pour objectif de valider la capacité dOntoCASE à être utilisé par des utilisateurs autres que son concepteur. Requiert une expérimentation en laboratoire où des utilisateurs sont mis en situation dutilisation. Validation dOntoCASE 42

43 Scénario de test unitaire Principalement conçu pour tester le processus de conversion Valide les éléments de base du langage semi-formel Utilise la désamb. manuelle Scénario de test fonctionnel Principalement conçu pour tester le module de désambiguïsation Valide le mécanisme didentification des patrons de modélisation Utilise la désamb. topologique, typologique Scénario de test système Principalement conçu pour tester le module de validation Valide la préservation de la sémantique du MSF Utilise la désamb. manuelle, topologique et typologique Validation dOntoCASE 43

44 Le thème et le sous-thème sont polysémiques puisquils peuvent représenter des connaissances déclaratives ou procédurales La relation est aussi polysémique puisquelle peut représenter une hyperonymie (généralisation) ou une méronyme (composition) Validation dOntoCASE 44

45 Le modèle descriptif, pour valider la transformation de connaissances déclaratives, de la généralisation et de la composition Le modèle procédural, pour valider la transformation de connaissances procédurales, de la généralisation et de la composition Validation dOntoCASE 45 Une automobile se compose de 4 roues, d'une carrosserie et d'un moteur. Un moteur peut être diesel, à essence ou électrique Pour écrire une thèse, il faut faire une recherche et aussi faire des activités comprises dans la procédure décriture d'un document, soit faire un plan, rédiger, corriger et réviser

46 Validation dOntoCASE 46

47 restauration en MOT du modèle descriptif restauration en MOT du modèle procédural Validation dOntoCASE 47 MindMap à MOT

48 Cette mise à lessai a pour objectif de valider lergonomie d'OntoCASE en termes d'efficacité: degré de réalisation des objectifs poursuivis en matière d'utilisation; d'efficience: capacité de produire une tâche donnée avec le minimum d'effort de satisfaction: niveau de confort ressenti en utilisant le logiciel Elle a été menée auprès de quatre personnes déjà familières avec MOT: Expert de contenu Chargé de projets Cogniticien Ingénieur ontologique Elle suit une méthodologie de type: analyse en situation d'utilisation monitorage de l'utilisation Elle est menée conformément au certificat détique délivré par le comité déthique de la recherche de la TELUQ Validation dOntoCASE 48

49 la familiarisation, afin dinitier le participant à lutilisation OntoCASE la formalisation, afin dinitier le participant au processus de formalisation et de validation de modèles et de permettre à celui-ci de réaliser une première manipulation la modélisation et la formalisation libres, afin de mesurer la capacité du logiciel et de la méthodologie à résister aux différentes approches des participants par la modélisation dun court texte le debriefing, est consacré au recueil des commentaires du participant à la fin de la séance Validation dOntoCASE 49

50 Durée moyenne des expérimentations: deux à trois heures Tous les participants ont déclaré quils seraient aptes à utiliser OntoCASE avec un minimum de soutien de lexpérimentateur Les principales difficultés dusages résident dans lutilisation de léditeur de modèle MOT (eLi) pour la modélisation Tous les participants ont pu formaliser le modèle étalon Aucun participant na pu compléter la modélisation du texte servant dintrant à la mise à lessai: Le texte exigeait une longue réflexion avant dêtre modélisé. Cependant, il a été observé que la formalisation en ontologie et la validation sémantique du modèle partiellement conçu ont permis aux participants daccélérer leur processus de conception. Validation dOntoCASE 50

51 Remarques sur le processus de validation ergonomique Compte tenu du nombre restreint de participants et du caractère flou des métriques de mesure, nous ne pouvons pas affirmer avec certitude que le test dergonomie soit une réussite Cependant, compte tenu des commentaires recueillis et des observations faites, nous pouvons affirmer avec certitude que le test dergonomie nest pas un échec Ainsi, ce test doit être considéré comme un indicateur de bonne tendance des choix ergonomiques adoptés pour OntoCASE Validation dOntoCASE 51

52 Présentation à des congrès scientifiques pour valider plusieurs facettes de la thèse: Lutilisation de lACO pour la transformation de modèles semi-formels en ontologie (Journée francophone sur les ontologies 2008) Larchitecture de la méthodologie et du contenu de lontologie de référence (Ingénierie des connaissances 2009) Lutilisation dOntoCASE pour la validation de la sémantique dun MSF (Ingénierie de la connaissance 2010) Intégration dOntoCASE dans le processus de recherche Tout au long de la recherche, la version de litération précédente dOntoCASE servait doutil dingénierie ontologique pour la poursuite de la recherche eLi a servi déditeur de modèle MOT pour la construction des modèles contenus dans le document de thèse Lutilisation dOntoCASE et deLi tout au long du processus de recherche constituent une forme de validation de terrain Validation dOntoCASE 52

53 Introduction Présentation dOntoCASE Démarche de construction dOntoCASE Validation dOntoCASE Conclusion Conclusion 53

54 Conclusion 54 Une ontologie représentationnelle et opérationnelle du domaine de la représentation des connaissances Une méthode de formalisation de modèles de connaissances semi- formels en ontologies Une méthode de représentation de connaissances tant déclaratives, procédurales, stratégiques et factuelles dans une ontologie Une méthode de gestion des ambiguïtés intrinsèquement contenues dans la sémantique du langage semi-formel Un ensemble de documents qui servent de guide à la conception d'un MSF dans la perspective de sa transformation subséquente en ontologie. Une méthode de validation de la sémantique dun MSF par un décodage formel du modèle

55 Un outil intelligent et intégré dans l'environnement Eclipse apte à assister un ingénieur ontologique et un ou des experts dun domaine dans la conception d'une ontologie à partir d'un MSF Un nouvel éditeur de modèles MOT (eLi) dans l'environnement Eclipse Une bibliothèque du codes sources de Protégé pour la manipulation d'ontologies, de règles SWRL et dinterfaces aux moteurs d'inférences Pellet et Jess intégrée dans Eclipse Des outils d'importation/exportation de modèles de l'espace de modélisation MOF à l'espace de modélisation OWL Conclusion 55

56 Un mécanisme de construction automatique d'ontologies à partir d'une base de connaissances de type OWL jumelé à SWRL La substitution avec succès du MOF par OWL/SWRL en tant que méta-métamodèle dans l'utilisation de l'ACM pour la transformation de modèles semi-formels Un outil intelligent qui automatise la conversion et la validation du MSF en ontologie et qui semi-automatise le processus de désambiguïsation des connaissances exprimées de manière semi-formelle Un outil intelligent de production de texte informel à partir d'une conceptualisation exprimée de manière semi- formelle Conclusion 56

57 Une ontologie de référence qui est une représentation possible du domaine de la représentation des connaissances La structure de lontologie de référence supporte lintégration dun nouveau langage (MindMap) et la classification de plusieurs autres (UML et BPMN) laissant présumer une certaine généricité de sa structure face au domaine de la représentation des connaissances La méthodologie de transformation soutient la formalisation en ontologie, de connaissances déclaratives, procédurales, stratégiques et factuelles Lassistant informatique procure une rétroaction de la sémantique représenté par le MSF par linterprétation formelle de lontologie cible Loutil informatique peut servir à convertir en MOT un modèle semi-formel dun autre langage (voir le test avec MindMap) Conclusion 57

58 Une méthodologie qui permet de construire une ontologie pré-validée avant déploiement dune manière efficiente Une méthode pour intégrer de nouveaux formalismes semi-formels dans une méthodologie ontologique Une bibliothèque de commandes de type SWRL Built-in qui permet de créer et de mettre à jour une ontologie cible à partir du déclenchement de règles. Cette bibliothèque permet la conception dune ontologie dédiée à la création dontologies Conclusion 58

59 Une méthodologie qui permet de construire une ontologie formelle à partir dune élicitation semi-formelle qui stimule lexpression de connaissances tacites Une méthodologie qui permet la formalisation dune mémoire dentreprise dont le contenu est exprimé de manière semi-formelle Une méthodologie qui permet, par son mécanisme, de valider le contenu expert par rétroaction Conclusion 59

60 Il est à anticiper que la structure interne de lontologie de référence subirait dimportantes modifications advenant lintégration dun langage complexe La terminologie de lontologie de référence gagnerait en clarté si elle salignait sur la terminologie dontologies déjà existantes dans le domaine (Ex.: SUMO, CYC, KR de Sowa) La validation ergonomique du logiciel nécessite un déploiement à une grande échelle pour être confirmée Certaines optimisations de performance dexécution doivent être réalisées dans le module de désambiguïsation et de conversion. Certaines règles de « bonnes pratiques » de la DL ne sont pas respectées dans la construction de lontologie cible. Pour lharmoniser aux bonnes pratiques, il faudrait : Utiliser rdf:typeOf au lieu rdf:subClassOf pour relier les classes de lontologie cible aux classes lontologie cadre Utiliser, pour des cas précis, l owl:Restriction au lieu de rdfs:subPropertyOf pour définir le domaine et limage des sous propriétés Conclusion 60

61 Utiliser OntoCASE pour construire la base de connaissances dun système expert selon une approche délicitation semi-formel directement par les experts de contenu Raffiner et généraliser davantage lontologie de référence et lontologie cadre par: Lintégration dautres langages semi-formels (par ex.: UML-Cas dutilisation, carte conceptuelle, etc.) Lintégration de langages formels (par ex.: BPMN) Explorer la possibilité de remplacer lontologie cadre par OWL-S Conclusion 61

62 Utiliser OntoCASE en tant que système de validation de la sémantique dun modèle (par ex. pour valider la sémantique dun diagramme UML ou BPMN) Développer des fonctionnalités au rapport de validation afin dy intégrer des outils de recherche, dordonnancement des résultats Utiliser OntoCASE en tant quEnvironnements Informatiques pour l'Apprentissage Humain pour enseigner lart de la modélisation grâce à son module de rétroaction Accroître laccès à la construction dontologies de domaine à un public élargi dutilisateurs (pédagogue, expert de contenu, gestionnaire) par lintégration des modules (dimporter, désambiguïser et convertir) en un seul module (formaliser) Conclusion 62

63 Période de questions 63


Télécharger ppt "OntoCASE : méthodologie et assistant logiciel pour une ingénierie ontologique fondée sur la transformation dun modèle semi-formel Soutenance de thèse de."

Présentations similaires


Annonces Google