Le Projet CoMMA: gestion dune mémoire distribuée

Turning Client Vision into Results 2 Le projet CoMMA Corporate Memory Management through Agents CoMMA est un projet IST (Information Society Technologies) ( 5 th programme cadre) Durée de 2 ans, Début: Feb. 2000, Fin: Jan Financé par la Commission Européenne: 1 M Consortium CoMMA : Atos Origin, CSTB, INRIA, LIRMM/CNRS, T-Systems Nova, University of Parma

Turning Client Vision into Results 3 Quest-ce que CoMMA? CoMMA: Fournit un système de gestion générique dune mémoire dentreprise + 2 applications: –Aide à lintégration du nouveau venu au sein de lentreprise (T-NOVA), – Support des processus de veille technologique de lentreprise (CSTB). « Corporate Memory »: Une représentation explicite, persistante et désincarnée des connaissances et des informations au sein d une organisation, dans le but de faciliter leur accès et leur réutilisation par les membres de cette organisation dans leur travail de tous les jours. « Management Framework » Un « cadre général » qui permet de construire le système, en assurant lintégration et lexploitation de la connaissance dispersée au sein de lentreprise.

Turning Client Vision into Results 4 Comment ? Problème: –Les mémoires dentreprise gèrent des informations hétérogènes et distribuées. –Les utilisateurs forment une population hétérogène et distribuée. –Lexploitation des ME, implique des tâches hétérogènes et distribuées. Matérialisation MEExploitation ME XML: Standardisé, Structuré, Évolutif, Peut-être Validé et Transformé RDF: Graphes sémantiques, triplet Système Multi-Agents: Autonome, Modulaire, Distribuée, Collaboratif. Auto-apprentissage : Adaptation, Émergence Corporate MemoryManagement through Agents

Turning Client Vision into Results 5 Les acteurs de CoMMA… Corporate Memory Multi-Agents System Learning User Agent Learning Interest Group Agent Ontology and Models Agent User Agent Learning Interconnection Agent Knowledge Engineer Author and/or annotator of documents End User Annotation Document Annotation Document Annotation Document Annotation Document Ontology Models - Enterprise Model - User's Profiles Query

Turning Client Vision into Results 6 Utilisation & Utilisateurs (1) Scénarios et recueil de données Élaboration de lontologie Observations & Internal Interviews Documents Reuse External Scenarios (2) semi-formel (3) RDF(S) Conceptual Vocabulary Relations - constraints ex: person (author) document Terms & natural language definitions ex: 'bike', 'cycle', bicycle' - (bicycle) Concepts & links - definitions ex: document report (4) utilisation

Turning Client Vision into Results 7 Structure de la mémoire Corporate Memory Multi-Agents System Learning User Agent Learning Interest Group Agent Ontology and Models Agent User Agent Learning Interconnection Agent Knowledge Engineer Author and/or annotator of documents End User Annotation Document Annotation Document Annotation Document Annotation Document Ontology Models - Enterprise Model - User's Profiles Query

Turning Client Vision into Results 8 Modélisation Organizational Entity (X) : The entity X is or is a sub- part of an organization. Person (X): The entity X is living being pertaining to the human race. Include (Organizational Entity: X, Organizational Entity / Person Y) : the organizational entity X includes Y as one of its members. Manage (Person: X, Organizational Entity: Y) : The person X watches and directs the organizational entity Y b - Ontologie Person(Rose) Person(Fabien) Person(Olivier) Person(Alain) Organizational Entity(INRIA) Organizational Entity(Acacia) Include(INRIA, Acacia) Manage(Rose, Acacia) Include(Acacia, Rose) Include(Acacia, Fabien) Include(Acacia, Olivier) Include(Acacia, Alain) c – Situation et Annotations a - Réalité

Turning Client Vision into Results 9 Mémoire annotée, basée sur un modèle « Corporate Semantic Web » –RDF & RDFS : syntaxe XML pour la description de ressource Web Utilisé au sein dun intranet. Ontologie en RDFS Description de la Situation de lentreprise en RDF: –Profils des utilisateurs –Modèle de lorganisation Annotations en RDF qui décrivent les Documents

Turning Client Vision into Results 10 Utilisateurs Corporate Memory Multi-Agents System Learning User Agent Learning Interest Group Agent Ontology and Models Agent User Agent Learning Interconnection Agent Knowledge Engineer Author and/or annotator of documents End User Annotation Document Annotation Document Annotation Document Annotation Document Ontology Models - Enterprise Model - User's Profiles Query

Turning Client Vision into Results 11 Interface des Utilisateurs Interface des utilisateurs –Annotation des documents –Interrogation de la mémoire –Masquer la complexité (ontologie, agents…) –Présenter les résultats. Technologie Push –Améliorer la diffusion de linformation –Mécanisme proactive –Émergence de Communautés dintérêt

Turning Client Vision into Results 12 Profils & Apprentissage Profils des utilisateurs: –Informations administratives (relations vers le MO), –Préférences explicites, –Requêtes et annotations favorites, –Traces des usages passés. Techniques dauto-apprentissage: Leitmotiv:Observer, comparer et mémoriser au cours dune utilisation afin daméliorer les utilisations futures. –Apprentissage au cours dune session, –Notation des résultats par lutilisateur.

Turning Client Vision into Results 13 Document Agent(s) Le moteur de recherche CORESE un moteur de recherche sémantique –Théorie des graphes conceptuels, –RDF/RDFS, – exploite la richesse de lontologie (spécialisation, généralisation), –Mécanismes dinférence, –Gère la distribution des annotations, –API Java encapsulée dans un agent.

Turning Client Vision into Results 14 Multi-agent Architecture Corporate Memory Multi-Agents System Learning User Agent Learning Interest Group Agent Ontology and Models Agent User Agent Learning Interconnection Agent Knowledge Engineer Author and/or annotator of documents End User Annotation Document Annotation Document Annotation Document Annotation Document Ontology Models - Enterprise Model - User's Profiles Query

Turning Client Vision into Results 15 Sociétés, Roles et Interactions Ontology and Model Society Ontologist Agents Annotations Society Mediators Archivists Users' society Profile Managers Profiles Archivists InterfaceControllers Interconnection Society FederatedMatchmakers

Turning Client Vision into Results 16 Principal avantage dun SMA Leitmotiv: Une architecture fonctionnelle menant à différentes configurations possibles permettant de sadapter aux différents environnements présents dans une entreprise. –Architecture: rôles des agents et leurs modes dinteraction Définie au moment de la conception. –Configuration: topologie exacte dun SMA donné Fixée au moment du déploiement. Solution flexible : –Sadapte localement en fonction des ressources et des utilisateurs, Intégration + facile de différentes technologies.

Turning Client Vision into Results 17 Conclusion la solution CoMMA 5 composants majeurs: – Une ontologie (OCoMMA), – Un système multi-agents, – Un moteur de recherche sémantique (CORESE), – Un algorithme dauto-apprentissage –IHM Une méthodologie, Solution testée sur 2 scénarios différents.

Turning Client Vision into Results 18 Conclusion Corporate Memory Multi-Agents System Learning User Agent Learning Interest Group Agent Ontology and Models Agent User Agent Learning Interconnection Agent Knowledge Engineer Author and/or annotator of documents End User Annotation Document Annotation Document Annotation Document Annotation Document Ontology Models - Enterprise Model - User's Profiles Query Done