Formation 2 – Semantic Web & OWL 2010-06-23

Présentation au sujet: "Formation 2 – Semantic Web & OWL 2010-06-23"— Transcription de la présentation:

1 Formation 2 – Semantic Web & OWL Joseph.Roumier@cetic.be 2010-06-23 Joseph.Roumier@cetic.be

2 2 PLAN I. Interopérabilité des ontologies II. Web Sémantique / Semantic Web III. OWL: langage pour les Ontologies du Web

3 I. Interopérabilité des ontologies

4 4 Interopérabilité des ontologies Les ontologies sont développées de manière distribuée : Pour un même domaine, plusieurs acteurs pour des besoins spécifiques Exemples : {TOVE/EntrepriseOntology...}, {GALEN, MeSH...} Les besoins se rejoignent un jour... Ne pas réinventer la roue => Fusion d'ontologies

5 5 “Mapping, Merging, Alignment” Mise en correspondance AlignementFusion

6 6 Trois Techniques Mise en correspondance : Table de correspondances entre les concepts Précis mais lourd Fusion de deux ontologies : Utilisation d'une ontologie pivot Potentielle perte d'information Alignement : Description d'une ontologie / une autre Pertes d'informations de l'ontologie décrite

7 7 Trois Étapes 1. Prétraitement des concepts et relations ● Coupure des représentation lexicales ● Exemple : “Protocole_Sécurisé” “Protocole” & “Sécurisé” ● Suppression des éléments non informatifs ● Exemple : “Protocole_Onto41” “Protocole” ● Développement des acronymes ● Exemple : “TCP” “Transmission Control Protocol”

8 8 Trois Étapes 2. Appariement des concepts et relations ● Manuel ou automatisé ● Pondération selon la similarité des représentations lexicales ● Exemples : ● Protocol, Protocols, Transport, Transmission ● Utilisation de ressources externes (dictionnaires, ontologies) ● Exemples : ● Wordnet, Framenet ● Grand Dictionnaire Terminologique du Québec

9 9 Trois Étapes 3. Propagation et raffinement ● Propagation : ● Si deux classes sont appariées, les classes liées doivent pouvoir l'être en partie ● Exemple : “IP” développé “Intellectual Property” / “Internet Protocol” ? ● On a apparié les surclasses “Transmission Control Protocol” et les classes “TCP” des deux ontologies : ● => “Internet Protocol” ● Raffinement : ● Plusieurs itérations ● Semi-automatique (intervention d'experts)

10 10 Trois outils Mafra Toolkit [ http://mafra-toolkit.sourceforge.net/ ]http://mafra-toolkit.sourceforge.net/ Semi-auto : Crée des relations sémantiques entre deux ontologies et les utilise pour traduire les instances de l'une dans l'autre Glue [ http://www2002.org/CDROM/refereed/232/ ]http://www2002.org/CDROM/refereed/232/ Autonome : crée des relations entre classes et instances à l'aide de techniques d'apprentissage automatique. PROMPT [ http://protege.stanford.edu/plugins/prompt/prompt_details.html ]http://protege.stanford.edu/plugins/prompt/prompt_details.html Semi-auto : 1. suggestions, 2. propagation selon la taxonomie

11 11 Conclusion Interopérabilité des ontologies Comparer deux ontologies –Deux entreprises fusionnent, qui ont chacune développé leur ontologie sur le même domaine –Développement parallèle (pas de communication entre les équipes) Ajouter un module à son ontologie –Une entreprise se développe horizontalement Gérer des versions d'ontologies –Travail de groupe, il n'est pas possible de tout faire en réunion

12 II. Web Sémantique / Semantic Web

13 13 SemanticWeb & OWL Introduction au Web Sémantique De XML à RDF puis à OWL OWL : Web Ontology Language Utilisation de OWL Inférence Règles WebServices et OWL : OWL-S À partir des cours de I. Horrocks

14 14 Semantic Web / Web Sémantique Introduction Le “Semantic Web” utopique Le “Syntactic Web” Ce que « annotations » veut dire...

15 15 SemWeb : Introduction Parmi les créateurs du Web, le plus connu est Tim Berners- Lee, physicien du CERN. Sa vision du Web dépassait ce qui existe aujourd'hui : “... a goal of the Web was that, if the interaction between person and hypertext could be so intuitive that the machine-readable information space gave an accurate representation of the state of people's thoughts, interactions, and work patterns, then the machine analysis could become a very powerfull management tool, seeing patterns in our work and facilitating our working together through the typical problems which beset the management of large organizations.”

16 16 SemWeb : Introduction Parmi les créateurs du Web, le plus connu est Tim Berners- Lee, physicien du CERN. Sa vision du Web dépassait ce qui existe aujourd'hui : “... l'un des objectifs du Web était que l'interaction entre la personne et l'hypertexte soit si intuitive que le champ des informations utilisées par les machines donne une représentation du mode de pensée des gens, de leurs interactions et façons de travailler. Alors l'analyse automatique de ces données deviendrait un outil puissant, qui pourrait retrouver des modes de fonctionnement dans le résultat de notre travail et diminuer les difficulté inhérentes à la gestion des grands ensembles de données et de personnes.” Ce qu'il voyait c'était le Web Sémantique...

17 17 Le “Semantic Web” utopique Attention ! Utopie : “Sémantique + Web = Intell. Artif.” Un web qui saurait nous comprendre, savoir ce que l'on veut... Trop complexe... (pour l'instant..) Réalité : “Sémantique + Web + IA = un web plus utilisable” Ajouter des indications sémantiques aux ressources web

18 18 Le “Syntactic Web” (1) Pour l'instant : le “Syntactic Web” : Des outils pour écrire les pages web (HTML, XML, CSS, PHP, Flash...) Des outils pour les liers les unes aux autres (liens hypertexte) Des outils qui assurent l'unicité des adresses Et, il fournit un accès unifié (pages web) À des bases de données À des services divers (banque, cinéma, train..) Mail, multimedia, jeux (traitement de texte ?)

19 19 Le “Syntactic Web” (2) Mais beaucoup de choses sont impossibles : Requêtes complexes demandant des connaissances de fond : ”Trouve-moi un protocole qui soit sécurisé, facile à implémenter mais qui ne soit pas dérivé de https” Chercher directement dans les banques de données : faire ses propres requêtes Découvrir des “services web” : Déléguer des tâches complexes à des agents : “trouve-moi un séjour dans un endroit chaud, pas loin d'ici et où l'on parle russe ou suédois”

20 20 Le “Syntactic Web” (3) Pourquoi ?(!) Les pages web utilisent un langage à balises qui permet d'indiquer : Des données Des liens Le rendu (affichage) souhaité C'est très facilement interprété pour un humain mais pas pour une machine : elle se contente d'afficher les choses, nous nous chargeons de les comprendre.

21 21 Le “Syntactic Web” (4) Page de Joseph Roumier Joseph 31 Lille Incompréhensible pour une machine (que des paragraphes) Roumier Joseph 31 Lille affichage

22 22 Le “Syntactic Web” (4) Page de Joseph Roumier Joseph 31 Lille Page de Joseph Roumier Joseph 31 Lille

23 23 Le “Syntactic Web” (4) Page de Joseph Roumier Joseph 31 Lille Page de Joseph Roumier Joseph 31 Lille

24 24 Ce que « annotations » veut dire Mettre des noms signifiants aux balises n'est pas suffisant Il faut pouvoir se référer à une ressource externe pour leur donner du sens Approche Métadonnées – annotations définies: Dublin Core (auteur, sujet, titre, format, date...) Trop limité Utilisation d'ontologies : Accord sur les sens des concepts Combinaison de concepts Cadre formel stable Relations entre concepts

25 25 Vers le “Web Sémantique” Ajouter ces annotations Utiliser des termes issus des ontologies (domaine conceptuel accessible aux machines) Créer et utiliser un standard pour les ontologies du web : OWL !

26 26 De XML à OWL, en passant par RDF et RDFS Introduction à XML : langage à balises Fonctionnement simple : on décrit les données. Exemples : « mon prénom est joseph » – joseph « liste de prénoms : joseph, marc, robert, sylvain » joseph jean-pierre laurent xavier

27 27 De XML à OWL, en passant par RDF et RDFS (2) Introduction à XML : langage à balises Fonctionnement simple : on décrit les données Pour info : les attributs : – Marie –Que l'on aurait pu écrire : Marie Pour info 2 : les balises peuvent-être “nichées” : – » Jean » Baptiste –

28 28 RDF(S) : Ressource Description Framework RDF Objectifs : représenter les métadonnées pour leur lecture par les machines Structure : Syntaxe XML + sémantique RDFS Extension du vocabulaire de RDF pour faciliter sa structuration : Class, Property Type, subClassOf, subPropertyOf Range, domain

29 29 RDF : modèle de données RDF : Assertion : « Joseph » ------ « donne » ------> « cours » Chaque élément est une ressource désignée par une URI (Uniform Resource Identifier) comme : –http://formation.cetic.be/personne/josephhttp://formation.cetic.be/personne/joseph –http://formation.cetic.be/property/donnehttp://formation.cetic.be/property/donne – http://formation.cetic.be/activite/formation http://formation.cetic.be/activite/formation

30 30 Syntaxe RDF Chaque Description décrit une ressource Un élément niché dans une description est une propriété Exemple http://formation.cetic.be/personne/joseph http://formation.cetic.be/activite/formation

31 31 RDF Schema (RDFS) On donne un sens au vocabulaire employé {Class, property, type, subClassOf, range, Domain...} Exemples :

32 32 Restrictions de RDFS Trop faible pour décrire les ressources avec suffisamment de détails : Pas possible de raffiner les range et domain pour une classe particulière : « un descendant d'homme est un homme et celui d'un singe est un singe » Pas possible d'exprimer des cardinalité, ni des règles d'existence : « chaque instance de singe a une mère singe qui est est aussi un singe » Pas de propriétés transitive/inverse/symétrique : « est_partie_de est transitif, a_partie son inverse, touche est symétrique » Difficile de faire de l'inférence : Pas de raisonneur natif

33 III. OWL: langage pour les Ontologies du Web

34 34 De RDF à OWL OWL étend XML, RDF, RDFS OIL (Ontology Inference Layer) DAML (DARPA Agent Markup Language) DAML+OIL => OWL Origines dans la représentation des connaissances (Description Logic) Sémantique bien définie Propriétés formelles bien maîtrisées (complexité, décidabilité) On a les algorithmes pour raisonner et les implémentations

35 35 OWL : Web Ontology Language Subdivisé en trois espèces OWL Full : union de OWL et RDF OWL DL : restreint à un fragment des logiques du premier ordre OWL Lite : pour les modélisations simples

36 36 OWL : Web Ontology Language(s) Subdivisé en trois espèces OWL Full : union de OWL et RDFS OWL DL : restreint à un fragment des logiques du premier ordre OWL Lite : pour les modélisations simples Et maintenant, avec OWL2 (sept09) en plusieurs « profils » : OWL 2 EL : grand nombre de propriétés et/ou classes OWL 2 QL : grands volumes d'instances, pour lesquels l'inférence la plus courante vise les instances OWL 2 RL : compromis lourdeur du raisonnement / bonne puissance d'expression

37 37 Exploitation de OWL Requêtes : SPARQL : langage de requêtes pour RDF : http://www.w3.org/TR/rdf-sparql-query/ http://www.w3.org/TR/rdf-sparql-query/ OWL-QL Project : langage de requêtes : http://ksl.stanford.edu/projects/owl-ql/ http://ksl.stanford.edu/projects/owl-ql/ DELPHOS : http://www.biochem.ucl.ac.uk/bsm/dbbrowser/OWL/QuizOWL.html http://www.biochem.ucl.ac.uk/bsm/dbbrowser/OWL/QuizOWL.html nRQL Tab Plugin : requêtes sur OWL en utilisant Racer : www.cs.concordia.ca/~k_bhoopa/nrql.html www.cs.concordia.ca/~k_bhoopa/nrql.html WebServices : OWL-S : http://www.daml.org/services/owl-s/1.0/http://www.daml.org/services/owl-s/1.0/

38 Extras

39 39 Ressources OWL : Recommandation du W3C : http://www.w3.org/2004/OWL/http://www.w3.org/2004/OWL/ Ian Horrocks : http://www.cs.man.ac.uk/~horrocks/http://www.cs.man.ac.uk/~horrocks/ Implémentations : Ressource principale : http://www.w3.org/2001/sw/WebOnt/implshttp://www.w3.org/2001/sw/WebOnt/impls Moteurs d'inférences : –Hoolet (basé sur vampire (non-libre)): http://owl.man.ac.uk/hoolet/ http://owl.man.ac.uk/hoolet/ –Pellet (libre, Protégé-compatible) : http://www.mindswap.org/2003/pellet/index.shtml http://www.mindswap.org/2003/pellet/index.shtml –Racer (non-libre, Protégé-compatible) : www.sts.tu- harburg.de/~r.f.moeller/racerwww.sts.tu- harburg.de/~r.f.moeller/racer

40 40 Ressources Ontologies TOVE : Enterprise integration Laboratory : http://www.eil.utoronto.ca/enterprise-modelling/tove/ http://www.eil.utoronto.ca/enterprise-modelling/tove/ The Enterprise Ontology : http://www.aiai.ed.ac.uk/project/enterprise/enterprise/ontology.html http://www.aiai.ed.ac.uk/project/enterprise/enterprise/ontology.html OpenGALEN (informations cliniques) : http://www.opengalen.org/http://www.opengalen.org/ MeSH (Medical Subject Headings): http://www.nlm.nih.gov/mesh/meshhome.html http://www.nlm.nih.gov/mesh/meshhome.html UMLS (Unified Medical Language System) : www.nlm.nih.gov/research/umls/ www.nlm.nih.gov/research/umls/

41 41 Ressources Ressouces pour l'appariement Wordnet : http://wordnet.princeton.edu/http://wordnet.princeton.edu/ FrameNet : http://framenet.icsi.berkeley.edu/http://framenet.icsi.berkeley.edu/ Grand Dictionnaire Terminologique du Québec : http://framenet.icsi.berkeley.edu/ http://framenet.icsi.berkeley.edu/

42 42 Ressources Ressouces pour les annotations Dublin Core (métadonnées) : http://dublincore.orghttp://dublincore.org

43 43 OWL – S (2) 3. Résolution : Le moteur recherche dans l'annuaire les services qui sont indiqués comme manipulant les concepts “acheter“, “librairie“, “adresse“. L'analyseur de langue naturelle détermine que « Nancy » est une localité, « A Scanner Darkly » un titre de livre. Il utilise le service d'adresses pour trouver les librairies Il cherche les librairies qui ont des services enregistrés Il fait la requête pour le titre

44 44 OWL – S (1) Union du Semantic Web et Services Web Idée : Ce qui peut-être exploité pour retrouver des pages web (les ontologies) peut être utilisé pour découvrir des Services Web Fonctionnement : 1.Les services web (pages jaunes, googlemap, un librairie qui propose sont catalogue en ligne) sont décrits dans un annuaire en utilisant les concepts d'une ontologie 2.Nous lançons une requête dans un moteur de recherche sémantique « donne moi l'adresse de la librairie à Nancy dans laquelle je peux acheter “a scanner darkly” »