INRIA, Sophia Antipolis

Présentation au sujet: "INRIA, Sophia Antipolis"— Transcription de la présentation:

1 INRIA, Sophia Antipolis
Ontologie INRIA, Sophia Antipolis «Knowledge is Power»

2 Ontologie Etude de ce qui est terme emprunté à la philosophie
Pour nous : formalisation d’une conceptualisation

3 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 Utile pour des applications distribuées telles que le Web

4 Ambiguité ‘chambre’ : Chambre d'hôtel ? Chambre d'écho ?
Chambre des députés ? Chambre d'enregistrement ? Chambre noire ? Chambre funéraire ?

5 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

6 Terme Mot de la langue naturelle qui désigne un (des) concept(s) :
cat, chat, greffier, matou termes qui désignent le concept de chat synonymie : plusieurs termes dénotent le même concept ambiguïté : le même terme dénote des concepts différents

7 Pour quoi faire ? une base de connaissances à objets
un système d’annotation un système d’indexation documentaire, de recherche d’information Commerce électronique

8 Ontologie Différentes acceptions du mot ontologie :
Vocabulaire technique, Référentiel métier, Terminologie/thesaurus, Système de classes d’une représentation par objet : UML ? Base de connaissances terminologique Théorie logique

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

10 Conception Identifier les points de vue pertinents du domaine :
Technique, Financier, Management Structurel, Fonctionnel

11 Concept Identifier/modéliser les concepts et leurs propriétés
Choisir les termes pertinents pour les dénoter, éventuellement multilingue Concept primitif Concept défini

12 Concept Concept primitif : Human, Male, Female Concept défini :
Man : Human and Male Woman : Human and Female

13 Patient : < Human has Desease
Concept défini Patient : < Human has Desease

14 Relation Identifier les relations pertinentes :
subsomption, instanciation partOf, hasPart, closeTo, over, under, contain, connected, etc

15 Relation Propriétés des relations : partOf est transitive,
closeTo est symétrique, over inverseOf under signature : partOf : Object -> Object

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

17 Modélisation Pour l’aide à la résolution de problème
Pour la recherche d’information

18 Connaissance Continuum : donnée, information, connaissance
information : SOS connaissance : en cas d’alerte, déclencher les secours La connaissance permet de produire de nouvelles données, informations, connaissances : inférence

19 Types de Connaissance Connaissances de résolution de problème :
conception, diagnostic, évaluation, planification tâches, inférences Connaissances du domaine e.g. électronique, mécanique, médecine, etc. ontologie : réutilisable modèles de domaine : fonctionnel, causal, structurel, exprimés dans le vocabulaire de l’ontologie.

20 Ontologie Concept Thing concept Engine < Thing
concept Vehicle < Thing relation partOf : Thing -> Thing

21 Modèle de domaine Structurel : Engine e1 partOf Vehicle v2 causal :
Engine breakdown => Vehicle stop

22 Modèle de tâche Conception : Diagnostic : specify, design, assess
identifier des symptômes, choisir un modèle causal, émettre des hypothèses, imaginer des conséquences, les tester, etc.

23 Ontologie L’accent est mis sur les concepts et les relations du domaine Orienté modélisation, spécification, réutilisation, partage, standardisation. Relations spécifiques du domaine considéré

24 Objets L'accent est mis sur le coté opérationnel.
Opérations rendues possibles par le modèle objet : classification, évolution, simulation, calcul. Orienté résolution de problème

25 Thesaurus L'accent est mis sur les termes utilisés pour dénoter les concepts du domaine (linguistique, langue naturelle). Les relations entre termes sont linguistiques. Orienté indexation.

26 Thesaurus Recueil documentaire alphabétique de termes servant de descripteur pour : analyser un corpus indexer des documents Relations prédéfinies standardisées pour les thésaurus

27 Relations linguistiques
BT : Broader Term NT : Narrower Term TT : Top Term RT : Related Term (other than BT, NT, TT, etc.)

28 Relations linguistiques
USE : Prefered Term UF : Use for, non preferred synonym, quasi synonym SN : Scope Note, Une note pour expliquer un terme

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

30 Caractéristique Formalisation : lever les ambiguïtés
Indépendance (relative) par rapport à une tâche, ou un problème précis Utilisable pour différentes tâches ? : conception, diagnostic, maintenance, recherche d'information

31 Caractéristique Indépendante d’une implémentation : limiter le biais dû à un formalisme de représentation : niveau conceptuel Des inférences sont possibles (relations transitives, axiomes, etc.)

32 Types d’ontologies Ontologies générales, abstraites, de haut niveau :
Ontologie des catégories conceptuelles : Objet, événement, état, processus, action, temps, espace Ontologies théoriques : physique, mathématique, cinématique

33 Types d’ontologies Ontologie applicative :
Médecine, automobile, patrimoine culturel, organisation, etc.

34 Principes Clarté : communiquer le sens des termes définis Cohérence
Extensibilité Indépendance vs implémentation Modularité Abstraction

35 Langages KIF : Knowledge Interchange Format Ontolingua
Logiques de description (orientée classification) Graphe conceptuel (support) RDF Schema OWL, DAML+OIL

36 Exemples Ontolingua : www-ksl.stanford.edu/sns.html
WordNet : Ontologie de la langue naturelle Enterprise Ontology Kactus : ingénierie UMLS : Unified Medical Language System EngMath, PhysSys, CIM

37 Comma O’Comma : 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

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

39 Comma Haut niveau médian Niveau spécifique Aspects Entreprise Document
Utilisateur Domaine

40 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

41 Protégé Oiled WebODE Corese
Outils Protégé Oiled WebODE Corese