IC'2005 : Ingénierie des Connaissances

Slides:



Advertisements
Présentations similaires
Jean Testa et Pascal Staccini,
Advertisements

L’échantillonnage & Ses Fluctuations
Indicateurs de Suivi, Risques & Mesure d’Associations
Connecteurs entre socle et briques applicatives Journées rencontres du CSIESR 31 janvier et 1 er février 2005 Yohan Colmant Université de Valenciennes.
ENT à l’IUFM de Bretagne
Accord de Partenariat Économique (APE)
Algèbre de composants : une approche fonctionnelle à la sémantique de documents Bart Lamiroy LORIA/INPL QGar - École des Mines de Nancy.
Ontologies avec la famille SG
Copyright © Forum des utilisateurs SISMER Novembre BANQUE DE DONNEES DE GEOLOGIE ET GEOPHYSIQUE E.Moussat, C. Cordier, V.Tosello (Ifremer/sismer)
Jean-Pierre GIRAUDIN & Agnès FRONT
TESTS RELATIFS AUX CARACTERES QUANTITATIFS
CTPC du 16 décembre Situation des effectifs des personnels fonctionnaires.
Maîtrise qualité de reproduction – 17/11/20051 Toulouse – 17 novembre 2005 MAÎTRISE DE LA QUALITÉ DE REPRODUCTION v2 Le Mois de la Qualité 2005 Benoît.
Promotion de la santé en faveur des élèves
Les espaces de nommage XML par Philippe Poulard 1
M.E.D.A.L. Module dEnseignement à Distance pour lArchitecture Logicielle Alain VAILLY Diapositive n° 1 IUP MIAGE - Université de NANTES IUP-MIAGE 3ème.
Mesures et évaluations de compétences
Ontologie, Méta-données, Sémiotiques
Domaines nominaux XSLT
Un modèle pour ladaptation dynamique des programmes parallèles Jérémy Buisson RenPar 2005 vendredi 8 avril 2005.
11/02/20051 Internet Intranet Le portail UNSS. 11/02/20052 Qui peut accéder à Intranet ? Les services UNSS Les coordonnateurs de district Les AS.
L’action de promotion-animation
IRISA18 novembre ACI Sécurité DADDi Dependable Anomaly Detection with Diagnosis IRISA.
INTRODUCTION.
Estella Annoni, Franck Ravat, Olivier Teste, Gilles Zurfluh
BiblioInfo SEBIB SEBIB / Gabrielle SegevAvril 2005 Prêt Virtua : fonctionnalités du prêt via le Web BiblioInfo SEBIB.
Bao LY VAN Doctorant – INT
Caméras Infrarouge pour la reconnaissance du visage
ATELIER MICROFINANCE DAKAR DECEMBRE MICROFINANCE, EAU ET ASSAINISSEMENT EXPERIENCE DU RCPB.
Jonathan Goldwasser 13 avril 2005 Université Libre de Bruxelles
FERRAFIAT Nicolas Le logiciel d’estimation statistique en fiabilité
Graphes Conceptuels J.F. Baget Inria.
Antoine Isaac, Bruno Bachimont, Philippe Laublet – IC 2005
Web Sémantique: Le Relief Actuel
Introduction à la conception de Bases de Données Relationnelles
Jacqueline Vacherand-Revel
Vers un cadre unificateur pour l'enseignement des outils et méthodes de gestion de l'information numérique Yves MARCOUX GRDS - EBSI Université de Montréal.
Spécification et Vérification de Modèles de Procédés de Développement
Partie 3 La psychophysique.
Champs de Markov cachés pour la classification de gènes..
Passage aux AACR2 SEBIB BiblioInfo Octobre / 11 Historique Gel des règles nationales ISBD (1992) IDS (1999) et BN (2001) introduisent les AACR Enseignement.
RDF(S)
OIL & UPML DREVET - HUMBERT Introduction OIL : un langage de description dontologies UPML : un langage de description de systèmes à base.
Colloque IC-2012– Montréal 6-7 juin 2012
CDP Introduction Définie comme «un savoir-agir fondé sur la mobilisation et l utilisation efficaces d un ensemble de ressources», la compétence dépasse.
Web sémantique : Web de demain
Découverte de correspondances entre ontologies distribuées
Les logiques de descriptions
Equipe LPMFSéminaire de productique 23 février Ingénierie collaborative en classe de terminale STI GMa Application à la potence de VTT amortie Lycée.
Web Sémantique et Interopérabilité des Vocabulaires Conceptuels
LRI-INRIA Saclay LRI- UMR CNRS Univ Paris-Sud et UR-INRIA Saclay 12 Equipes au LRI - 7 projets INRIA Equipe IASI-GEMO (IA et BD) « Gestion de données et.
Le Brasage Céramique / Métal
Chapter 8A Semantic Web Primer 1 Chapitre 8 - Conclusions et perspectives Grigoris Antoniou Frank van Harmelen.
Ontologies et description du contenu de documents AV : Une expérimentation dans le domaine médical Mardi 31 mai 2005 Raphaël Troncy 1 & Antoine Isaac 2.
Doc CVC 07/06/ Projets en campagne 2005 Les Rencontres européennes des territoires d’accueil LA CHARTE NATIONALE DE L’INSTALLATION EN MILIEU RURAL.
Séminaire 10 Juin 2008 Pervasive Learning Network : P-LearNet Institut TELECOM.
Réunion de lancement du 18 janvier constitution, alignement, comparaison et exploitation d’ontologies géographiques hétérogènes Réunion de lancement.
28/05/20021 DOE : une mise en œuvre d’une méthode de structuration différentielle pour les ontologies Raphaël TroncyAntoine Isaac
1 Réconciliation de références LRI (UMR 8623 CNRS) / INRIA-Futurs, équipe IASI/Gemo Université Paris-Sud XI.
Approches Formelles en Systèmes d'information
1 A llier R elations et O bjets pour M odéliser Projet Sherpa INRIA Rhône-Alpes Visite Schneider 15/09/99.
Des autorités aux autorités enrichies : vers une liaison automatique sémantiquement contrôlée aux autorités Sudoc Collaboration Abes/Lirmm dans le cadre.
Intégration de schémas
Web sémantique est pratique documentaire
Initiation à la conception des systèmes d'informations
2008/ Plan du cours 1.Introduction –Contenu du cours 2.Logique mathématique –Calcul propositionnel –Calcul des prédicats –Logique floue et aide à.
Dominique LAURENT Patrick SEGUELA
Apéro Techno Romain Maragou - Aliou Sow Web sémantique.
Année Universitaire : 2013/2014 Réalisée par: Rahma DAIKHI Encadrants : M. Jean-Yves TIGLI M. Stéphane LAVIROTTE Au sein de : Laboratoire I3S, Equipe RAINBOW.
Transcription de la présentation:

IC'2005 : Ingénierie des Connaissances Alignement d’ontologies pour OWL-Lite : l’apport d’un classifieur sémantique Raphaël Troncy1,Umberto Straccia1 Henrik Nottelmann2 Affectations: Italian ISTI IT Institute (National Research Center), ERCIM fellowship Institute of informatics and interactive systems, University of Duisburg-Essen, 47048 Duisbourg, Germany Mercredi 01 juin 2005 IC'2005 : Ingénierie des Connaissances

Motivations Hétérogénéité des systèmes d'information Ontologies : un moyen pour permettre leur interopérabilité Ontologies : une source d'hétérogénéité langage de représentation, degré de formalisation, … Web Sémantique [W3C] Ontologies OWL / RDF sur le web Comparer / fusionner des ontologies couvrant des domaines qui se recoupent différentes versions d'une même ontologie  fournir un cadre formel et opérationnel pour aligner automatiquement des ontologies OWL : oPLMAP 01/06/2005 Raphaël Troncy - IC'2005

Aligner des ontologies Un opérateur de mise en correspondance [Euzenat, 2004; KnowledgeWeb, 2005] Entrées : un ensemble d'entités définies formellement Sorties : une relation caractérisant les mises en correspondance (ou appariements) entre entités (subsomption, équivalence, …) une valeur de confiance Méthode automatique / manuelle Inspiration provenant de nombreux travaux issus de communautés variées Schema matching, machine learning, data integration 01/06/2005 Raphaël Troncy - IC'2005

Euzenat – "Schema and Ontology Matching" - ESWC Tutorial 2005 Exemple Équivalence Subsomption Incompatibilité Euzenat – "Schema and Ontology Matching" - ESWC Tutorial 2005 01/06/2005 Raphaël Troncy - IC'2005

Plan Introduction du cadre formel Aligner automatiquement 2 ontologies Les classifieurs utilisés Les classifieurs classiques et probabilistes Le classifieur structurel et sémantique Évaluation Conclusion et perspectives 01/06/2005 Raphaël Troncy - IC'2005

Introduction du cadre formel Inspirations Travaux formels en échange d'information [Fagin et al., 2003] GLUE : combiner plusieurs composants spécialisés pour obtenir le meilleur résultat [Doan et al., 2003] Notations Un alignement : M = (T, S, ∑) S et T sont les ontologies source et cible ∑ est un ensemble de règles : αij Tj ← Si Soit I et J, les modèles (interprétations) de S et T T(I, ∑) est le résultat de l'application des règles de ∑ sur S Pr(∑, J, I) estime la probabilité que T(I, ∑) soit une valeur plausible pour T 01/06/2005 Raphaël Troncy - IC'2005

Introduction du cadre formel Approche Générer des ensembles ∑ contenant des règles de mise en correspondance Estimer la qualité de ces ensembles Estimer la probabilité d'une règle Combinaison des estimations de différents classifieurs 01/06/2005 Raphaël Troncy - IC'2005

Alignement automatique de 2 ontologies Évaluer la probabilité d'un ensemble sigma1: 1 Ici U est l ’ensemble des tuples et Pr(T) est la probabilité qu’un tuple soit dans J 01/06/2005 Raphaël Troncy - IC'2005

Alignement automatique de 2 ontologies Partitionnons l'ensemble ∑ Puis1,2: 1 Pour simplifier la notation, dans la suite on écrira: Si = Tj (I , ∑j,i) 2 Si ∑j est formé par les r sous-ensemble de règles 01/06/2005 Raphaël Troncy - IC'2005

Alignement automatique de 2 ontologies En conclusion : Pr(∑, J, I) est fonction de Pr(Si|Jj) Estimer la probabilité d'une règle1,2: Calculons les : w(Si, Jj, CLk) 1 En utilisant le Théorème des Probabilités Totales 2 Où CLk sont les classifieurs 01/06/2005 Raphaël Troncy - IC'2005

Les classifieurs utilisés Classifieur binaire Même nom / même URI / même stem Classifieur fonctionnant avec les individus Classifieur naïf de Bayes Classifieur kNN 01/06/2005 Raphaël Troncy - IC'2005

Le classifieur structurel et sémantique Si Rs et RT sont des noms de propriétés: Si AS et AT sont des noms de concepts1: 1 Où D = D(AS) * D(AT) 01/06/2005 Raphaël Troncy - IC'2005

Le classifieur structurel et sémantique Soit CS=(QR.C) et DT=(Q’R’.D), alors1: Si CS=(op C1…Cm) et DT=(op’ D1…Dm), alors2: 1 Où Q,Q’ sont les quantifieurs, R,R’ sont des noms de propriétés et C,D des expressions 2 Où op, op’ sont des constructeurs de concepts et n,m ≥ 1 01/06/2005 Raphaël Troncy - IC'2005

Le classifieur structurel et sémantique Quelques valeurs possibles pour wop et wQ Pour wop : Pour wQ : ⊓ ⊔ ¬ 1 1/4   1 1/4  n  n m 1 1/3  m 01/06/2005 Raphaël Troncy - IC'2005

Le classifieur structurel et sémantique Démonstration

Évaluation De plus en plus d'outils et de méthodes très différentes pour aligner les ontologies [KW D2.2.3, 2005] difficile à comparer dans l'absolu pragmatisme : campagne d'évaluation et compétition I3CON : sur le modèle de la NIST Text Retrieval Conference EON : tests complets et systématiques éprouvant tout OWL OAEI : http://oaei.inrialpes.fr API d'alignement [Euzenat, 2004] format commun pour représenter / échanger les alignements outils pour évaluer ces alignements 01/06/2005 Raphaël Troncy - IC'2005

Évaluation : EON'2004 4 compétiteurs : Karlsruhe, INRIA, Fujitsu, Stanford 3 groupes de tests sur les ontologies bibliographiques : tests simples : identité, spécialisation/généralisation du langage tests systématiques : des éléments de l'ontologie de référence sont enlevés ou modifiés un à un test réels : comparaison avec 4 ontologies réelles disponibles sur le web Résultat : 2 groupes … mais des insuffisances dans les tests 01/06/2005 Raphaël Troncy - IC'2005

Évaluation : oPLMap Test 101 – 205 : comparaison d'une ontologie bibliographique avec son équivalente où chaque étiquette est remplacée par un synonyme Précision Rappel F-mesure Karlsruhe 0.47 0.60 0.53 INRIA 0.49 0.80 0.61 Fujitsu 0.79 0.63 0.70 Stanford 0.95 0.43 0.59 oPLMap 0.86 0.66 0.75 01/06/2005 Raphaël Troncy - IC'2005

Conclusion Introduction d'un cadre logique et probabiliste pour aligner automatiquement des ontologies OWL Présentation d'un nouveau classifieur basé sur la sémantique des entités OWL définies Évaluation empirique sur des ontologies réelles critères classiques de recherche d'information non prise en compte d'autres indicateurs : temps machine, mémoire, … 01/06/2005 Raphaël Troncy - IC'2005

Perspectives Participer à des campagnes complètes d'évaluation : OAEI Ajouter d'autres classifieurs à ce cadre utilisant des ressources terminologiques (WordNet) basés sur le texte : kNN Perfectionner le classifieur sémantique prendre en compte les autres constructeurs OWL prendre en compte d'autre langage de représentation des connaissances, des règles, … PB : name = firstName + lastName ? 01/06/2005 Raphaël Troncy - IC'2005