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

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

Sémantisation des données pour le monde environnemental

Présentations similaires


Présentation au sujet: "Sémantisation des données pour le monde environnemental"— Transcription de la présentation:

1 Sémantisation des données pour le monde environnemental
Danielle Ziébelin Philippe Genoud LIG STEAMER Université de Grenoble

2 Données environnementales
Que sont les données environnementales : Collections : spécimens, échantillons, prélèvements … Études Écologiques Séquences génomiques Analyses d’images, LIDAR Monitoring de la biodiversité Quels sont les traitements : identifier, comparer, évaluer les populations ou des quantités, localiser et dater des données et/ou des analyses Les données de la biodiversité sont Globalement distribuées et volumineuses Hautement hétérogènes au niveau de leur structure et leur contenu Augmentent rapidement

3 Le web sémantique peut aider à l’intégration et au partage de données
Métadonnées Directive Inspire Directive SEIS (Shared Environmental Information System ) Iso 19115, 19119,19110 … Vocabulaires contrôlés LTRE (Linked Thesaurus fRamework for Environement), EARTh (Environmental Applications) Thésaurus Ecoplanète (ministère Ecologie), Thesaurus AnaEE-France, EnVoc (en relation avec Convention sur la biodiversité), Ontologies OBOE (Extensible Observation Ontology) SERONTO (Socio-Ecological Research and Observation oNTOlogy) SWEET (Semantic Web for Earth and Environmental Terminology) SSN ontology (Semantic Sensor Network Ontology) Envo (Environment Ontology),

4 Charactéristiques communes des architectures du web sémantiques (1)
Quelle est l’évolution de cet écosystème (eau, sol) par rapport au réchauffement climatique ? Accéder à des ressources : données ou des connaissances Quelles sont les ressources en eaux que je peux allouer à un projet d’extraction pétrolière et gazière ? Web Services WEB configurés pour ajouter de l’information Applications WEB applications pour des utilisateurs avec un GUI adapté Collecter de nouvelles données

5 Plan Introduction et objectifs Architecture
Données et modèles de données Ontologies Lier les données Requêtes sémantiques Conclusions

6 Exemple d’Architecture MAP-EON
MapEON Client Query Processor (SPARQL) Ontology manager RDF Graph OWL DL ontologies LOD Cloud MapEON server OWL reasoner Triplestore Ontology Loader Data Loader Adaptator1 Adaptatorn

7 Exemple d’architecture ObsBD
“Lightweight Ontology-Based Tools for Managing Observational Data” Shawn Bowers, Riley Englin, Carlos Fonseca, Paul Jewell, Lauren Joplin, Patrick Mosca, Tyler Pacheco, Jacob Troxel, Tyler Weeks, Proceedings of the First International Workshop on Semantics for Biodiversity Montpellier, France, May 27, 2013

8 Technologies de Web Sémantique
Données et Ontologies Ontologies (RDFS/OWL ) Annotations (RDF) Déduction (Pellet, Hermit, BraidComposer …) Requêtes (SPARQL) Services WFS - WPS Web services sémantiques

9 Plan Introduction et objectifs Architecture
Données et modèles de données Ontologies Lier les données Requêtes sémantiques Conclusions

10 Données de MAP-EON tabular data (excel file) Measure Descriptor Region
site type location Site Measures Set

11 Modèle de données de l’application
Quelques classes et relations qui décrivent les concepts utilisés dans l’application

12 (resource identified by an URI)
Graphe RDF Les données sont transformées en un graphe RDF qui utilise le vocabulaire défini dans le modèle d’application. RDF Resource Description Framework (W3C standard) subject predicate object object property individual (resource identified by an URI) individual data property literal value rdf:type Owl class defining the rdf:type of the individual RDFS and OWL add semantic to RDF rdf:type rdf:type :region wgs84_pos:lon :hasMeasureSet wgs84_pos:lat rdf:type rdf:type rdf:type :contains :descriptor :symbol :unit :value

13 Exemple d’ontologie de Domaine
Le graphe peut être enrichi en exploitant une ontologie de domaine Hydrologic Ontology for Discovery (http://his.cuahsi.org/ontologyfiles.html) The purpose of this ontology is to support the discovery of time-series data collected at a fixed point, including physical, chemical, and biological measurements.

14 Modèle de l’application + Ontologie de domaine
Le graphe peut être enrichi par des éléments de l’ontologie de domaine domain ontology rdf:type rdf:type :region wgs84_pos:lon rdf:type :hasMeasureSet wgs84_pos:lat rdf:type rdf:type rdf:type :contains :descriptor :symbol :unit :value

15 SONet: Scientific Observations Network
usesStandard Domain-Specific Ontology Weight Mass Unit SONet: Scientific Observations Network Dr. Mark Schildhauer Director of Computing NCEAS, UCSB USA hasCharact eristic is-a is-a Tree Bio.Entity Biomass is-a is-a is-a part-of is-a is-a Tree Leaf Leaf Litter Wet Weight Dry Weight Gram has-part ofEntity OBOE Semantic Annotation ofCharacteristic usesStandard Observation hasMeasurement Measurement Structural Metadata <attribute id=“att.4”> <attributeName> Mass </attributeName> </attribute> Data Site Species Ind Mass GCE6 Picea Rubens 1 75.13 2 179.81 GCE7 443.20

16 Ontologie d’observations : OBOE
Multiples modèles pour les observations : Exemples O&M, PATO/EQ, ODM, OBOE “core concepts” décrit : Entities, properties measured, units, protocols, etc. Observations et mesures : ISO 19156 O&M : dépences directes • Feature ISO 19109 • Geometry ISO 19107 • Temporal ISO 19108 • Coverage (fields) ISO 19123 • Metadata ISO • Meta-model ISO • Basic datatypes ISO 19103 O&Min OWL | Simon Cox Cox, OGC Abstract Specification – Topic 20: Observations and Measurements 2.0 ISO 19156:2011 Geographic Information – Observations and measurements Extensible OBservation Ontology (OBOE) Entity Characteristic Observation Measurement Protocol Standard hasMeasurement ofCharacteristic usesProtocol usesStandard ofEntity hasContext 1..1 * Value hasValue 16

17 Plan Introduction et objectifs Architecture
Données et modèles de données Ontologies Lier les données Requêtes sémantiques Conclusions

18 Types d’ontologies : différents objectifs Catherine Roussey (ISTREA)
Ontologies terminologiques : Interopérabilité lexicale Ontologies de données : Interopérabilité sur les données Ontologie Logique Interopérabilité d’objets

19 Types d’ontologies : différents objectifs Catherine Roussey (IRSTEA)
Ontologies terminologiques : Interopérabilité lexicale * Property Logical Definition Textual Definition Relation * 1 * * 1 hasLabel * hasArgument Concept/ Class * Semantic Relation * isInstanceOf hasName hasName hasArgument Object/Instance Object Relation * * * 1 hasArgument Term Linguistic Relation hasName

20 Types d’ontologies : différents objectifs Catherine Roussey (IRSTEA)
Ontologies de données : Interopérabilité sur les données Property Logical Definition Textual Definition Relation * 1 * * 1 hasLabel * hasArgument Concept / Class Semantic Relation * * isInstanceOf hasName hasName hasArgument Object/Instance Object Relation * * * 1 hasArgument Term Linguistic Relation hasName

21 Types d’ontologies : différents objectifs Catherine Roussey (IRSTEA)
Ontologie Logique : Interopérabilité d’objets / de concepts Property Logical Definition Textual Definition Relation * 1 * * 1 hasLabel * hasArgument Concept / Class Semantic Relation * * hasName isInstanceOf hasName hasArgument Object/Instance * * Object Relation * 1 hasArgument Term Linguistic Relation hasName

22 Plan Introduction et objectifs Architecture
Données et modèles de données Ontologies Lier les données Requêtes sémantiques Conclusions

23 Lier les données au LOD cloud
Lien avec l’ontologie de domaine Lien avec des jeux de données ouvertes domain ontology rdfs:seeAlso corresponding geonames resource :region rdfs:seeAlso corresponding DBpedia resource application ontology :hasMeasureSet :descriptor :contains legend Individual :region Object Property Owl class defining the rdf:type of the individual Data Property

24 Lien avec le LOD cloud Liens avec les descriptions RDF de geonames
resource URI RDF description geonames resource describing Northwest Territories

25 Lier des données de différentes sources
Lier des entités et les caractéristiques de 2 ontologies : Utilise des axiomes d’inclusion et d’équivalence de OWL Équivalence : propriété owl:equivalentClass propriété owl:equivalentProperty propriété owl:sameAs Généralisation/Spécialisation : rdfs:subClassOf rdfs:subPropertyOf

26 Querying Data trough Ontology
Global Ontology Mapping Query Local Schema Local Ontology MultiMedia Source Observation Data Base Observation Data Base

27 Caractéristiques communes des architectures du web sémantique
Intéroperabilité et intégration de différentes ressources Données structurées ou non structurées Documents Data-bases Données spatio-temporelles hétérogènes Multi-sites avec multi-acteurs Multi-modèles Multi-formats

28 Plan Introduction et objectifs Architecture
Données et modèles de données Ontologies Lier les données Requêtes sémantiques Conclusions

29 Requêtes sémantiques Accéder à des informations inférées depuis l’ontologie de domaine Accéder à des informations supplémentaires au travers de données liées (linked data)

30 Requêtes sémantiques Interroger les données avec des données inférées (SPARQL)

31 Plan Introduction et objectifs Architecture
Données et modèles de données Ontologies Lier les données Requêtes sémantiques Conclusions

32 Retour d’expérience sur les pratiques
Au niveau local : sources de données : Amélioration de la qualité des données Publication des sources de donnée avec les métadonnées Recherche de documentation et de liaison des données Architecture complexe avec des modules nouveaux : cartographie et du spatio-temporel Au niveau communautaire Standards ISO, OGC Propriété intellectuelle, information privée et partagée, accès publique, VGI, licences. Infrastructures et portails.

33 Retour d’expérience : les outils
Recherche et création de liens outils existants e.g. SILK A Link Discovery Framework for the Web of Data, exploitation de l’information spatiale et temporelle Publication des données outils génériques pour transformer des jeux de données en RDF dataLift , open refine (former google refine) )

34 Travaux connexes GEO BON Biodiversity Observation Network within GEOSS Global Earth Observation System of Systems, Portal (global) Worldwide voluntary effort GEOSS Earth Observation infrastructure GEO portal : web portal, search registries GEOSS components and services registry (catalogue) GEOSS clearinghouse (connects the differents components) GEOSS standards and interoperability (catalologue of standards) GEOSS Water Services

35 Travaux connexes Shared Environmental Information System (Europe) Semantic Web for Earth and Environmental Terminology (SWEET), Extensible Observation Ontology (OBOE) https://code.ecoinformatics.org/code/semtools/trunk/dev/oboe/oboe.1.1rc1/oboe-core.owl SemantEco/SemantAqua : Rensselaer Polytechnic Institute (D. McGuinness) ObsDB : Gonzaga University Washington


Télécharger ppt "Sémantisation des données pour le monde environnemental"

Présentations similaires


Annonces Google