Thème Nouvelle Approche d’Alignement d’Ontologies à Base d’Instances

Slides:



Advertisements
Présentations similaires
Exemples pour organiser des activités et des progressions intégrées de Sciences Physiques et Chimiques et de Mathématiques.
Advertisements

1- Régles de normalisation 2ème partie : normalisation Modèle Conceptuel des Données 2- Les Formes Normales 3- Dépendances Fonctionnelles 4- Recap - Méthodologie.
Le socle commun : des pistes pour la technologie Plan de la présentation : - Introduction - Contexte (socle commun et document eduscol) - Repérage des.
TP 7 : UNE PROPRIÉTÉ DES ONDES, LA DIFFRACTION BUSQUET Stéphane LENNE Karl-Eric TS Physique-Chimie.
L’arabe maghrébin standard: Principe et bibliographie Houcemeddine Turki*, Emad Adel^ * Faculté de médecine de Sfax, Université de Sfax, Sfax, Tunisie.
Adopter le KM mix pour obtenir ou renforcer le leadership Préparé par: Ilham ELKORCHI Meriem NASIRI Mohammed BENMRAH Encadré par: Ouidad AMRANI.
Un système autonomique basé sur des bases de connaissances pour améliorer les performances d’un entrepôt de données Réalisé par : OUSSAFI MOHAMMED HOURRI.
ANNEE ACADEMIQUE Institut Supérieur Emmanuelle D’Alzon de Butembo COURS: THEORIE DE BASE DE DONNEES : 45H PROMOTION: G2 Gestion Informatique.
Système d’annotation et de détection de modèle de véhicule Université de Sfax *** Institut Supérieur d’Informatique et de Multimédia de Sfax Réalisé par.
Organisation et accès à l’information juridique à l’ère du numérique
Présentation de l’étape
Bilan des travaux de la commission
Ce videoclip produit par l’Ecole Polytechnique Fédérale de Lausanne
Ce videoclip produit par l’Ecole Polytechnique Fédérale de Lausanne
Formation aux TICE et pratiques pédagogiques:
Lucie Bezombes Colloque ERC 31 mars 2017 Montpellier
Initiation aux bases de données et à la programmation événementielle
Pas de variable globale
Les notions de classe et d'objet
Structure chimique des surfactants
Réalisé par : Ghilani Idriss Butadjine Oussama Rahmani Khaled
Vers les technologies de l’intelligence :
Amélioration de la Performance des Systèmes d’Information de Routine (SISR) et de l’Utilisation de l’Information pour la Gestion des Systèmes de Santé.
Analyse d’un dysfonctionnement
Algorithmique Avancée et Complexité Chap2:Complexité et Optimalité
Forum des Industries de la Langue, 17 mars 2010
OWL-S.
BTS PILOTAGE de PROCÉDÉS
L’ organization comme fonction de gestion
Objectifs du chapitre 3: analyses qualitatives en psychologie
Les bases de données et le modèle relationnel
Module d’exploration : I.C.N
Plans d’experiences : plans de melanges
Routage S 3 - Questionnaire N°1
Les répétitions en tandem et l ’étude des génomes
République Algérienne Démocratique et Populaire Ministère de l'Enseignement Supérieur et de la Recherche Scientifique Université Saad.
Méthodologie de la recherche Programme du module.
Systèmes Intelligents – M2- BD-IA1 Protégé-OWL Tutorial 8 th International Protégé Conférence Madrid, July 2005 Nick Drummond, Matthew Horridge, University.
International Congress on Energetic and Environmental Systems (IEES)
Structure D’une Base De Données Relationnelle
REVUE DE LITTERATURE. Introduction Première partie majeure dans la rédaction du mémoire, la réalisation d’une revue de littérature consiste à effectuer.
CMMI Capability Maturity Model Integration « Importance de CMMI dans la gouvernance IT basée sur COBIT »
La stratégie pédagogique en
Capitalisation des bases de données des expériences innovantes
République Algérienne Démocratique et Populaire Ministère de l'enseignement supérieur et de la recherche scientifique Université Mustapha Stambouli de.
Séminaire ITTECOP 20 octobre 2017
Arbres de décision.
La synthèse de documents
LES DÉMARCHES ET APPROCHES AU CYCLE 3 Que disent les programmes ? Source : Bulletin officiel spécial n°11 du 26 novembre 2015 Réalisé par
Royaume de Maroc Université Hassan Premier Settat Faculté des Sciences et Techniques de Settat Description synthétiseur en langage VHDL d'un circuit intégré.
SUJET : E C L A T UNIVERSITE GASTON BERGER DE SAINT LOUIS UFR DES SCIENCES APPLIQUEES ET DE TECHNOLOGIE MASTER PROFESSIONNEL EN DÉVELOPPEMENT DE SYSTÈMES.
Janvier 2019 IA-IPR Physique-Chimie
بسم الله الرحمن الرحيم.
La collecte d’informations Présenté par: Boudries. S.
Enseignement de spécialité Classe de première, voie générale
Mathématiques.
Tableau de bord d’un système de recommandation
Mathématiques.
ADMINISTRATION NUMERIQUE
Concepts et étapes Ateliers de formation à la mise en œuvre
INTELLIGENCE ARTIFICIELLE
Mesure et Instrumentation Programme Progression Séquence pédagogique Perspective Questionnement Jeudi 19 janvier 2012.
Quelle démarche qualité pour l'éducation et la formation ?
Système de Numération : Décimal, Binaire, Octal et Hexadécimal
Mathématiques.
ScienceDirect Guide d’utilisation de la base de données : ScienceDirect Pr R. EL OUAHBI.
Codification et représentation de l’information Enseignant: Mahseur mohammed Groupe FB: mi2016ua1 Chaine YT: Cours informatique.
Création d une application pour la détection des personnage par les empreintes digitale 1.
UX DESIGN User exprérience en anglais Expérience Utilisateur en français Concevoir, Créer, dessiner UX DESIGN, consiste à penser et concevoir un site web.
Transcription de la présentation:

Thème Nouvelle Approche d’Alignement d’Ontologies à Base d’Instances République Algérienne Démocratique et Populaire Ministère de l’Enseignement Supérieur et de la Recherche Scientifique Université d’Oran Es-Senia Faculté des Sciences Laboratoire : Informatique et Technologies de l’Information d’Oran (LITIO) Université d'Oran, Laboratoire LITIO, BP 1524, El-M'Naouer, 31000 Oran, Algérie Colloque sur l'Optimisation et les Systèmes d'Information COSI'2014 8-10 Juin 2014, Béjaia, Algérie                 Thème   Nouvelle Approche d’Alignement d’Ontologies à Base d’Instances 0 clicks. Auteurs : Khiat Abderrahmane, Benaissa Moussa 19/11/2018 Alignement d’ontologies

Plan Notion d’Alignement Nécessité de l’alignement d’ontologies Définition de l’alignement d’ontologies Exemple d’alignement et correspondances Les techniques d’alignement d’ontologies Alignement d’Ontologies à Base d’Instances Problématique Travaux Connexes Notre approche d’Alignement d’Ontologies à Base d’Instances Conception et Implémentation Evaluation et Résultats d’Expérimentation Conclusion et Perspectives 19/11/2018 Alignement d’ontologies

Nécessité de l’alignement d’ontologies Le web sémantique s’appuie sur les ontologies pour surmonter le problème crucial de l’hétérogénéité sémantique. Les ontologies sont-elles mêmes hétérogènes. Alignement des Ontologies est nécessaire pour trouver des correspondances sémantiques entre les entités des ontologies afin de : Assurer l’interopérabilité sémantique. Une meilleure compréhension et interactions entre non seulement les personnes mais aussi entre les ordinateurs. Définition de l’alignement : L’alignement des ontologies à pour but de trouver des correspondances sémantiques entre les ontologies afin d’assurer cette interopérabilité. 19/11/2018 Alignement d’ontologies

Définition Formelle de la correspondance Etant données deux ontologies o et o', une correspondance est un 4-uplet: (e, e’, r, n) où : - e appartient à O et e’ appartient à O’(entité : concept, relation ou instance). - r est une relation sémantique (égalité, subsomption,…). - n valeur de confiance. Alignement est un ensemble de correspondances sémantiques. 19/11/2018 Alignement d’ontologies

Exemple d’Alignement et Correspondance Exemple d’alignement entre les ontologies est illustré dans la figure. Les correspondances sont exprimées par des flèches. Par défaut leur relation est = et leur valeur de confiance est de 1,0, sinon, ceux-ci sont mentionnées à proximité des flèches. Alignement est un ensemble de correspondances sémantique. Les correspondances de l’alignement d'ontologies de la figure. ci-dessus peuvent être exprimées comme suit: 19/11/2018 Alignement d’ontologies

Les techniques de Matching d’Ontologies Des techniques automatiques ou au moins semi-automatiques doivent être développées afin de : - Réduire la charge de la création et de la maintenance manuelle de l'alignement d'ontologies. Identification automatique des correspondances entre les ontologies est très difficile en raison notamment de leurs divergences conceptuelles. Exemple de stylo 19/11/2018 Alignement d’ontologies

Classifications des techniques de matching d’ontologies Méthodes Terminologiques et Linguistiques: Méthodes basées sur des chaînes. Méthodes basées sur la langue. Méthodes Structurelles : Structure interne. Structure externe. Méthodes Extensionnelles (basées sur les instances) : Lorsque les concepts partagent les mêmes instances. Lorsque les concepts ne partagent pas d’instances. Méthodes Sémantiques. Basée sur la logique propositionnelle. Basée sur la logique de description. 19/11/2018 Alignement d’ontologies

Problématique Lorsque les ontologies à aligner ne partagent pas ou partage peu d’instances communes, la tâche d’identification des relations sémantiques entre les concepts devient très difficile Dans ce cas comment trouver des correspondances sémantiques ?? 19/11/2018 Alignement d’ontologies

Travaux Connexes et Positionnement Les Approches en Présence d’Instances Communes Ces approches sont les plus communes de l’alignement à base d’instances et utilisent des mesures telles que la métrique de JACCARD pour calculer les similarités entre les entités à aligner Les approches en absences d’instances communes 1) L’approche à base d’agrégation Cette approche consiste à agréger les informations des instances en documents virtuels représentant les concepts des deux ontologies, et aligner les concepts en se basant sur ces documents virtuels. GLUE(2004), RiMOM(2009), FCA-merge(2002) 2) Les Approches à Base d’Enrichissement Cette approche consiste à enrichir chaque instance en créant une double annotation. IBOMbIE (2012). 19/11/2018 Alignement d’ontologies

Notre approche d’alignement d’ontologies Le principe de notre approche consiste d’abord à créer un corpus d’instances communes entre les ontologies à aligner et à utiliser ensuite une mesure de similarité à base d’instances pour calculer la similitude entre leurs concepts. 19/11/2018 Alignement d’ontologies

Notre approche d’alignement d’ontologies Etape 1 : Création du Corpus Commun Phase 1 : Fusion des Ontologies à Aligner  fusionner les ontologies à aligner O1 et O2 Alignement initial peut être obtenu : soit en appliquant des algorithmes de découverte automatique existants telles que les méthodes terminologiques, linguistique, structurelles, etc. soit par un expert du domaine. Soit O l’ontologie résultante. 19/11/2018 Alignement d’ontologies

Notre approche d’alignement d’ontologies Phase 2: Inférence de nouvelles relations sémantiques opérer les raisonnements suivants sur l’ontologie O : Identifier toutes les relations de subsomption implicites entre les concepts de O. Exploitation des relations inférées. - Enrichir le corpus commun d’instances: subsomption et équivalence. - Amélioration du corpus commun d’instances : disjonction. 19/11/2018 Alignement d’ontologies

Notre approche d’alignement d’ontologies Phase 3: Migration des instances (création du corpus commun) la création proprement dite du corpus est réalisée dans cette phase Transfert des instances. Règle 1 : Si C1 de O1 est équivalent à C’1 de O2, Alors transférer les instances (déclarées et inférées) du C1 de O1 vers C’1 de O2 et inversement. Règle 2 : Si C1 de O1 est équivalent à C’1 de O2 et si dans O2 le C’1 est subsumé par C2 de O1, Alors calculer L (la longueur dans O1 à partir de C1 jusqu’au C2) alors transférer les instances (déclarées et inférées) du C2 de O1 vers C’2 de O2 ayant la même longueur L dans O2 à partir de C’1 jusqu’au C’2 . Propagation des instances. 19/11/2018 Alignement d’ontologies

Notre approche d’alignement d’ontologies Etape 2 : Calcul des similarités et identification de l’alignement Phase 1 : Calcul des similarités entre les concepts Appliquer des métriques à base d’instances, telles que la mesure de JACCARD, pour calculer les similarités entre les concepts des ontologies à aligner. Ci-dessus est la formule de JACCARD (1) où ix est l'ensemble des instances (instances déclarées et inférées + instances transférées) qui sont annotées par le concept CX. 19/11/2018 Alignement d’ontologies

Notre approche d’alignement d’ontologies Phase 2 : Identification de l’alignement Identification des correspondances sémantiques en exploitant les similarités calculées à l’étape précédente. Notre méthode a été combinée avec un matcher terminologique (distance de levenshtein). la stratégie d’agrégation moyenne (la similarité retenue est obtenue en calculant la moyenne entre la valeur calculée par notre méthode et celle calculée par la distance de levenshtein). Nous avons ensuite choisi un seuil s pour opérer le filtrage et réaliser la sélection des correspondances sémantiques 19/11/2018 Alignement d’ontologies

Conception et Implémentation Dans le but de tester notre approche nous avons implémenté une plateforme avec le langage JAVA. La fusion des deux ontologies à aligner à été réalisée avec le plugin prompt de la plateforme protégé. Le raisonneur pellet (d’autres raisonneurs peuvent être appliqués à cette étape) a été exploité pour calculer la taxonomie inférée. Les tâches de calcul des similarités et l’extraction de l’alignement ont été réalisées à l’aide d’un code java que nous avons développé. Nous présentons un exemple concret (figure 2) en considérant les deux ontologies EDAS et IASTED de la série conférence de OAEI 2012, pour mieux illustrer les étapes de notre approche. http://oaei.ontologymatching.org/2012/conference/index.html. 19/11/2018 Alignement d’ontologies

Conception et Implémentation 19/11/2018 Alignement d’ontologies

Evaluation et Résultats d’Expérimentation Protocole Expérimental Nous avons testé notre approche en utilisant les ontologies de tests de benchmark obtenues à partir du concours de OAEI 2012. Nous avons comparé notre système avec les 3 meilleurs systèmes d’alignement d’ontologies qui ont participé au concours de OAEI 2012 : AROMA, MapSSS, YAM++ avec H-mean de F-mesure égale à : 0 ,76 ; 0,86 ; 0,89 respectivement. http://oaei.ontologymatching.org/2012/results/benchmarks/biblio- benchmarks-r1.html. 19/11/2018 Alignement d’ontologies

Evaluation et Résultats d’Expérimentation Métriques d’Evaluation Pour évaluer la performance de notre système nous avons utilisé les métriques standards qui sont la précision, le rappel et la F-mesure. Ces mesures d’évaluations sont définies comme suit : Où |R| désigne le nombre de correspondances de l’alignement de référence et |A| désigne le nombre de correspondances trouvées par notre approche. 19/11/2018 Alignement d’ontologies

Evaluation et Résultats d’Expérimentation Les Résultats d’Expérimentation comparaison de notre système avec les matchers AROMA, MapSSS et YAM++ sur les tests de Benchmark. Pour les tests (249,253, 258, 259) le système MapSSS donne des résultats meilleurs que les nôtres contrairement aux systèmes YAM ++ et AROMA dont les résultats sont moins performants. Pour les tests (260, 261,) les résultats de notre approche sont moins bons que ceux de AROMA et YAM++ mais meilleurs que ceux de MapSSS. Pour les tests (262, 265, 266) notre système donne de meilleurs résultats que les autres systèmes. 19/11/2018 Alignement d’ontologies

Conclusion Nous avons présenté une nouvelle approche pour l’alignement d’ontologies à base d’instances, lorsque les ontologies ne partagent pas des instances communes. Notre algorithme consiste à créer un corpus commun entre les deux ontologies à aligner. Ensuite à appliquer une mesure à base d’instances jaccard. Nous avons mis en œuvre notre approche en développant une plateforme informatique. Nous avons montré la bonne performance de notre approche à travers les résultats d’expérimentation obtenus. Comme perspectives futures de notre travail nous envisageons notamment d’intensifier les expérimentations (d’autres séries de tests), et d’affiner d’avantage les heuristiques de transfert et de propagation. 19/11/2018 Alignement d’ontologies

Merci Pour Votre Attention Des Questions ... ??? Merci 19/11/2018 Alignement d’ontologies