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

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

1 Corese Moteur de recherche sémantique pour RDF Projet ACACIA INRIA, Sophia Antipolis «Knowledge.

Présentations similaires


Présentation au sujet: "1 Corese Moteur de recherche sémantique pour RDF Projet ACACIA INRIA, Sophia Antipolis «Knowledge."— Transcription de la présentation:

1 1 Corese Moteur de recherche sémantique pour RDF Projet ACACIA INRIA, Sophia Antipolis «Knowledge is Power»

2 2 Corese COnceptual REsource Search Engine Moteur de recherche RDF Resource Description Framework (W3C)

3 3 Histoire 1992 Acacia : acquisition des connaissances à partir de documents structurés avec des graphes conceptuels 1998 : XML 1999 : RDF, 1er prototype de Corese 2000 ICCS : RDF et les graphes conceptuels : Moteur Corese pour Comma, projet européen

4 4 Web Sémantique Extension du Web actuel où linformation serait munie dune signification (meaning) bien définie Pour faciliter le travail en coopération homme- machine Un Web de données et de documents

5 5 Web Sémantique Évolution du Web pour permettre le traitement automatique des informations (par programme) Documents et données structur é s (XML) Associer sémantique (sens) aux documents et aux données

6 6 W3C

7 7 Applications Préparer automatiquement un voyage, par lInternet, en combinant des informations (hôtel, avion, voiture) Mémoire dentreprise : web sémantique dentreprise

8 8 XML Extensible Markup Language Langage de description et d éch ange de : documents structur é s documents structur é s donn é es structur é es donn é es structur é esW3C

9 9 XML Définit la structure (syntaxe) comme un arbre de syntaxe abstraite Mais rien sur la signification, le sens : la sémantique La sémantique permet de définir la signification des balises, donc des informations. Contraint les traitements

10 10 Sens book a kind of Document book a kind of Document Documents have an author, which is a Person, Documents have an author, which is a Person, a title which is a Literal a title which is a Literal

11 11 Sens Décrire le sens avec un certain consensus En utilisant des vocabulaires conceptuels standardisés : ontologie

12 12 Ontologie Se mettre d'accord sur le sens des termes employés dans une organisation, une communauté, un métier Faire en sorte que les personnes et les logiciels se comprennent

13 13 Ontologie Identifier, modéliser les concepts et les relations d'un domaine, pertinents pour une/des applications Se mettre d'accord, au sein d'une communauté, sur les termes employés pour se référer à ces notions

14 14 Ontologie Identifier un domaine technique Recenser, classer les termes du vocabulaire Identifier les termes dénotant des objets des objets des propriétés des propriétés des relations des relations Classer les objets

15 15 Ontologie Identifier les points de vue pertinents du domaine : Technique, Financier, ManagementTechnique, Financier, Management Structurel, FonctionnelStructurel, Fonctionnel

16 16 Ontologie Ontologie : modélisation des connaissances Au sens où une théorie physique est un modèle de la réalité Il peut y avoir plusieurs modèles dune même réalité : expérience de la chute des corps expérience de la chute des corps théorie de la gravitation de Newton théorie de la gravitation de Newton relativité générale dEinstein relativité générale dEinstein

17 17 Connaissance Continuum : donnée, information, connaissance donnée : … --- … donnée : … --- … information : SOS information : SOS connaissance : en cas dalerte, déclencher les secours connaissance : en cas dalerte, déclencher les secours La connaissance permet de produire de nouvelles données, informations, connaissances : inférence

18 18 Connaissance Connaissances de résolution de problème : conception, diagnostic, évaluation, planification tâches, inférences Connaissances du domaine électronique, mécanique, médecine, etc. Concept, relation

19 19 Ontologie Composant réutilisable Réutilisation : généralité, abstraction (reuse) Partage : consensus, standardisation (sharing) Accord sur conceptualisation partagée : engagement ontologique (commitment)

20 20 RDF W3C Resource Description Framework Langage de description de meta données pour le web sémantique Modèle de triplets resource property value A léchelle du web : utilise des URI Permet de classer les ressources

21 21 RDF Meta donnée pour décrire le contenu des documents –Type de document –Auteurs –Origine –Sujet –Public cible

22 22 RDF Triples ex:doc ex:title Theory of Justice ex:doc rdf:type ex:Book ex:doc ex:author ex:jr ex:doc ex:subject ex:philosophy ex:jr ex:name John Rawls ex:jr rdf:type ex:Person

23 23 Syntaxe XML Theory of Justice Theory of Justice John Rawls John Rawls

24 24 RDF Schema Vocabulaire standard pour décrire des ressources Classes de ressources Propriétés et signatures

25 25 Classes ex:Book rdf:type rdfs:Class ex:Book rdfs:subClassOf ex:Document ex:Person rdf:type rdfs:Class ex:Person rdfs:subClassOf ex:Hominidae

26 26 Propriétés ex:author rdf:type rdf:Property ex:author rdfs:domain ex:Document ex:author rdfs:range ex:Person ex:name rdf:type rdf:Property ex:name rdfs:domain ex:Person ex:name rdfs:range rdfs:Literal

27 27 Inférence de type ex:doc ex:author ex:jr ex:author rdfs:domain ex:Document ex:author rdfs:range ex:Person ex:doc rdf:type ex:Document ex:jr rdf:type ex:Person

28 28 Typage : class Si une ressource a pour type C, alors C est une classe : rdf:type rdfs:range rdfs:Class ex:olivier rdf:type ex:Person ex:Person rdf:type rdfs:Class

29 29 Sous-propriété ex:nickName rdfs:subPropertyOf ex:name ex:jr ex:nickName Joe ex:jr ex:name Joe

30 30 RDFS XML

31 31 Ressource anonyme Ressource intermédiaire, sans identificateur Sémantique existentielle : il existe une ressource O. Corby O. Corby

32 32 Relation n-aire Les propriétés sont des relations binaires Pour décrire une relation n-aire, utiliser une ressource anonyme : 130km/h

33 33 Relation n-aire 130km/h

34 34 Requêtes Trouver les cours dont O. Corby est enseignant ? Trouver les cours dont O. Corby est enseignant ? Qui enseigne le cours LOG11 ? Qui enseigne le cours LOG11 ? Y a-t-il un enseignant-chercheur ? Y a-t-il un enseignant-chercheur ? Y a-t-il une Personne de l'INRIA ? Y a-t-il une Personne de l'INRIA ?

35 35 Requêtes A la OQL (Object Query Language) A la OQL (Object Query Language) select c.num, p.nom from c Cours, p Personne where c.titre like connaissance and p.institut = INRIA p.institut = INRIA

36 36 Sémantique Tous les énoncés RDF sont considérés comme vrais, dans un même environnement, la conjonction des énoncés est considérée comme vrai également Il ny a pas de contexte local (dans lequel quelque chose serait vrai) Il ny a pas de négation RDF est monotone : ce qui est vrai reste vrai au fur et a mesure que lon rajoute de linformation RDF est un sous-ensemble de la logique du premier ordre avec des prédicats binaires et des variables existentielles.

37 37 Graphes conceptuels Réseau sémantique Concept et relation Concepts et relations typés Hiérarchies de types de concept et de relation

38 38 GC [Book:doc]--(author)-[Person:jr]- -(name)-[Literal:John Rawls] -(title)- [Literal:Theory of Justice]

39 39 GC - RDF Concept ressource Relation propriété Type classe Signature de relation domain, range Projection pour retrouver des ressources RDF comme format de GC

40 40 Différences RDF : relation binaire RDF : ressources peuvent avoir plusieurs types RDF distingue les littéraux et les ressources RDF est multilingue ( xml:lang tag)

41 41 Onto logie CountryCompanyPerson employssubdivisionOfactivity Inanimate Entity nationality domain range RDF S subClassOfrangedomaintypesubPropertyOf Property Resource Class Literal Anno tation RDF subdivisionOfactivity Telecom

42 42 Corese Construire une représentation dun schema RDF etdun schema RDF et dénoncés RDFdénoncés RDF Rechercher des ressources Classer des ressources par inférence de type Compléter la base de ressources par des inférences Serveur Web sémantique

43 43 Moteur de recherche Projection dun graphe requête sur le graphe cible Opérateurs de recherche Projection approchée Groupement des résultats

44 44 Requête select d.title, p.name from d Document, p Person where d.title contains XML and d.author = p

45 45 Requête

46 46 Projection [Document] (author) [Creator] Trouve des occurrences spécialisées : [Paper] (author) [Person] [Report] (author) [Team]

47 47 Projection approchée Réponse tolère des concepts non spécialisés Query[TechnicalReport](author)[Person]vs Target : [ResearchReport] (author) [Team]

48 48 Distance ontologique Calcule une distance ontologique entre concept requête et concept cible Distance = longueur du plus court chemin le long de la relation de subsomption entre concept requête et cible Distance entre réponse et requête = somme des distances des concepts approchés

49 49 Distance ontologique Distance entre des frêres : 2 Entre des cousins germains : 4

50 50 Distance De plus, la distance diminue avec la profondeur La distance entre un père et un fils de profondeur n est de 1/2 n Ainsi Homme est plus proche de Chimpanzé que Vertébré de Invertébré !

51 51 Opérateurs ~ contain ^ startWith = = > = > ! negation : != !~ | boolean or : ~XML | ~ RDF =: >: type =: >: type

52 52 Opérateurs Document ?x =: TechnicalReport Un document de type égal à TechnicalReport

53 53 XML Schema Datatypes xsd:stringxsd:floatxsd:integerxsd:dateXsd:boolean

54 54 RDF Datatype Laurent Laurent

55 55 Groupement Une requête a pour réponse G1.. Gn On peut grouper les graphes : distinct x1.. xn group by x1.. xn group by connex x1.. xn count x (by y)

56 56 Distinct Une requête a pour réponse G1.. Gn distinct x1 x2 G1 : x1=Jules, x2=Jim G2 : x1=Jim, x2=Jules Ne garder quun seul graphe

57 57 Group by Une requête a pour réponse G1.. Gn group by x1 x2 Joindre les graphes qui ont même x1 et même x2 Ex : grouper les documents par auteur et par année

58 58 Group by connex Une requête a pour réponse G1.. Gn group by connex x1 x2 Joindre les graphes qui ont même valeur pour x1 et/ou x2

59 59 Count Une requête a pour réponse G1.. Gn Count x Compter les occurrences différentes de x dans le graphe résultat Compter les occurrences différentes de x dans le graphe résultat Ex : compter les ouvrages dun auteur

60 60 Extensions OWL owl:TransitivePropertyowl:SymmetricPropertyowl:inverseOfowl:intersectionOfowl:disjointWith

61 61 Intersection owl:Class Woman owl:intersectionOf owl:intersectionOf owl:Class Human owl:Class Female Définit une équivalence entre Woman et lintersection de Human et Female Human Female Woman

62 62 Inverse p1 owl:inverseOf p2 X p1 Y Y p2 X hasParent owl:inverseOf hasChild John hasParent Jim Jim hasChild John

63 63 Symétrie p rdf:type owl:SymmetricProperty X p Y Y p X ex:sibling rdf:type owl:SymmetricProperty John ex:sibling Jack John ex:sibling Jack Jack ex:sibling John

64 64 Transitivité owl:TransitiveProperty X p Y Y p Z X p Z ex:partOf rdf:type owl:TransitiveProperty ex:axis ex:partOf ex:engine ex:engine ex:partOf ex:car ex:axis ex:partOf ex:car

65 65 Règles CG1 CG2 Si CG1 alors compléter loccurrence de CG1, trouvée par projection, par CG2 [Person:?x]-(member)-[Team] -(participate)- [Consortium:?c] [Participant:?x] –(participate)- [Consortium:?c]

66 66 Inférences Préciser le type dun concept : [Person: ?x] -> [Participant: ?x] Relation entre concepts : [Participant: ?x]-(participate)- [Consortium :?c]

67 67 Règle de graphe règles de graphe conceptuel Pour appliquer une règle C D sur un graphe G : 1. Trouver C, une occurrence de C dans G par projection : C C 2. Joindre la conclusion D au graphe G sur les concepts de C trouvés par projection

68 68 Syntaxe RDF

69 69 Syntaxe RDF

70 70 Serveur Web sémantique Moteur Corese intégré dans un serveur web Ontologie structure linformation

71 71 Applications : Comma 2002 Corese pour Samovar avec Renault : Corese pour KMP, projet RNRT Cartographie des compétences sur Sophia Antipolis Version de distribution : ODL Inria

72 72 Comma OComma : Corporate Memory Management through Agents Système multi agents (Jade) Ontology en RDF : Document, Entreprise, Domaine, Utilisateur Moteur de recherche Corese : RDF en graphe conceptuels Règles de graphe

73 73 Comma Méthode: Recueil, Phase terminologique, Structuration, Validation, Formalisation en RDFS Résultat: 470 concepts, 80 relations, 13 niveaux de profondeur

74 74 Comma Niveau spécifique Haut niveau Niveau médian AspectsEntrepriseAspectsDocumentAspectsUtilisateurAspectsDomaine

75 75 KMP KMP : Knowledge Management Platform Cartographie des compétences en Télécom sur Sophia Antipolis Serveur Web sémantique de compétence Favoriser les partenariats Ontologie en RDF : Compétence, Organisation, Domaine

76 76 Projets Futurs eLearning, mémoire dentreprise, génie civil, documentaire, web sémantique pour l énergie

77 77 Références

78 78 Démo


Télécharger ppt "1 Corese Moteur de recherche sémantique pour RDF Projet ACACIA INRIA, Sophia Antipolis «Knowledge."

Présentations similaires


Annonces Google