ontologie n.
Download
Skip this Video
Loading SlideShow in 5 Seconds..
Ontologie PowerPoint Presentation
Download Presentation
Ontologie

Loading in 2 Seconds...

play fullscreen
1 / 72

Ontologie - PowerPoint PPT Presentation


  • 216 Views
  • Uploaded on

Ontologie. Olivier.Corby@sophia.inria.fr INRIA, Sophia Antipolis http://www.inria.fr/acacia « Knowledge is Power ». Ontologie. Etude de ce qui est terme emprunté à la philosophie Pour nous : formalisation d’une conceptualisation. Ontologie.

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about 'Ontologie' - swain


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
ontologie

Ontologie

Olivier.Corby@sophia.inria.fr

INRIA, Sophia Antipolis

http://www.inria.fr/acacia

«Knowledge is Power»

ontologie1

Ontologie

Etude de ce qui est

terme emprunté à la philosophie

Pour nous : formalisation d’une conceptualisation

ontologie2

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

probl mes de compr hension

Problèmes de compréhension

Ambiguïté : le même mot pour des notions différentes

Composant :

composant logiciel

composant matériel

Points de vue : des mots différents pour la même notion

Composant, package, module

lexique

Lexique

Lexique : dictionnaire

Thesaurus

Terminologie

Taxonomie : classification

Ontologie : modélisation de connaissances

objectifs

Objectifs

Ingénierie des connaisances

Coût de réalisation

Réutiliser

Partager

Interopérabilité, échange

Essais : Knowledge Sharing Effort

Ontolingua, KIF, KQML

ontologie3

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

terme

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

pour quoi faire

Pour quoi faire ?

une base de connaissances à objets

un système d’annotation

un système d’indexation documentaire, de recherche d’information

Commerce électronique

ontologie4

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

d finition

Définition

Représentation d’un système conceptuel via une théorie logique et son vocabulaire

conception 1

Conception 1

Identifier un domaine technique, un métier

Identifier un corpus : ensemble de documents pertinents et représentatifs

Analyser les documents

conception 2

Conception 2

Recenser, classer les termes du vocabulaire

Normaliser le sens

conception 3

Conception 3

Identifier les termes dénotant des :

concepts (classes)

instances

objets composites

propriétés : valeur atomique (entier, texte)

relations entre objets

conception 4

Conception 4

Classer les concepts par la relation de subsomption (isa, subclass, etc.)

Identifier des points de vue, des rôles

Opérationnaliser dans un langage formel

hi rarchie
Hiérarchie
  • Uniquement la relation de subsomption
  • Ne pas mélanger avec la relation de composition par exemple
points de vue

Points de vue

Identifier les points de vue pertinents du domaine :

Taxonomie

Rôle

Fonction

points de vue1
Points de vue

Modéliser les points de vue dans des hiérarchies parallèles

subsomption multiple
Subsomption multiple

Chose

Entité

Mobile

Objet

Vivant

Végétal

Animal

instanciation multiple
Instanciation multiple
  • Une instance peut être rattachée à plusieurs classes :

Titi type Oiseau

Titi type Volant

Titi type Proie

concept

Concept

Identifier/modéliser les concepts et leurs propriétés

Choisir et standardiser les termes pertinents pour les dénoter,

éventuellement multilingue

concept1

Concept

Concept primitif :

Human, Male, Female

Concept défini :

Man : Human and Male

Woman : Human and Female

concept d fini

Concept défini

Patient :

< Human

has Desease

relation

Relation

Identifier les relations pertinentes :

subsomption, instanciation

partOf, hasPart,

closeTo, over, under, contain, connected, etc

relation1

Relation

Propriétés des relations :

partOf est transitive,

closeTo est symétrique,

over inverseOf under

signature : partOf : Object -> Object

mod lisation

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 naïve de la chute des corps

théorie de la gravitation de Newton

relativité générale d’Einstein

cartographie

Cartographie

Randonner : 1/25 000 (1cm=250m)

Faire du tourisme : 1/100 000 (1cm=1km)

Traverser la France : 1/1000 000 (1cm=10km)

exemple

Exemple

1. Human Male Female

Man < Human Woman < Human

Man < Male Woman < Female

2. [Man] (gender) [Male]

[Woman] (gender) [Female]

3. [Man] (sex) “Male”

[Woman] (sex) “Female”

mod lisation1

Modélisation

Pour l’aide à la résolution de problème

Pour la recherche d’information

connaissance

Connaissance

Continuum : donnée, information, connaissance

donnée : … --- …

information : SOS

connaissance : en cas d’alerte, déclencher les secours

La connaissance permet de produire de nouvelles données, informations, connaissances : inférence

types de connaissance

Types de Connaissance

Il y a différentes sorte de connaissances

Méthode de résolution de problème

Connaissances de domaine

Ontologie

Modèle spécifique du domaine

connaissances de r solution de probl me

Connaissances de résolution de problème

conception,

diagnostic,

évaluation,

planification

des tâches et des inférences

connaissances du domaine

Connaissances du domaine

Domaine : électronique, mécanique, médecine, etc.

ontologie : réutilisable

modèles de domaine : fonctionnel, causal, structurel,

exprimés dans le vocabulaire de l’ontologie.

ontologie5

Ontologie

Concept Thing

concept Engine < Thing

concept Vehicle < Thing

relation partOf : Thing -> Thing

mod le de domaine

Modèle de domaine

Structurel :

Engine e1 partOf Vehicle v2

causal :

Engine breakdown => Vehicle stop

mod le de t che

Modèle de tâche

Conception :

specify, design, assess

Diagnostic :

identifier des symptômes,

choisir un modèle causal,

émettre des hypothèses,

imaginer des conséquences, les tester, etc.

ontologie6

Ontologie

L’accent est mis sur les concepts et les relations du domaine

Orienté modélisation, spécification, réutilisation, partage, standardisation.

Relations spécifiques du domaine considéré

mod les objets

Modèles à Objets

L'accent est mis sur le coté opérationnel.

Opérations rendues possibles par le modèle objet

classification, évolution, simulation, calcul.

Orienté résolution de problème

thesaurus

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.

thesaurus1

Thesaurus

Recueil documentaire alphabétique de termes servant de descripteur pour :

analyser un corpus

indexer des documents

Relations prédéfinies standardisées pour les thésaurus

relations linguistiques

Relations linguistiques

BT : Broader Term

NT : Narrower Term

TT : Top Term

RT : Related Term (other than BT, NT, TT, etc.)

relations linguistiques1

Relations linguistiques

USE : Prefered Term

UF : Use for, non preferred synonym, quasi synonym

SN : Scope Note, Une note pour expliquer un terme

ontologie7

Ontologie

Composant réutilisable

Réutilisation : généralité, abstraction (reuse)

Partage : consensus, standardisation (sharing)

Accord sur conceptualisation partagée : engagement ontologique (commitment)

caract ristique

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

caract ristique1

Caractéristique

Indépendante d’une implémentation : limiter le biais dû à un formalisme de représentation : niveau conceptuel

Des inférences sont possibles (relations transitives, axiomes, etc.)

types d ontologies

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

types d ontologies1

Types d’ontologies

Ontologie applicative :

Médecine, automobile, patrimoine culturel, organisation, etc.

principes

Principes

Clarté : communiquer le sens des termes définis

Cohérence

Extensibilité

Indépendance vs implémentation

Modularité

Abstraction

gestion des ontologies

Gestion des ontologies

Comparaison d’ontologies

Fusion d’ontologies

Version, évolution

Vérification, validation, consistance

langages

Langages

KIF : Knowledge Interchange Format

Ontolingua

Logiques de description (orientée classification)

Graphe conceptuel (support)

RDF

OWL, DAML+OIL

exemples

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

exemples rdf

Exemples : RDF

Geography Markup Language Schema definition Gene Ontology Schema

RDF binding IEEE LOM Learning Object Metadata

W3C CC/PP Composite Capability/Preference Profiles

comma

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

comma1

Comma

Méthode: Recueil, Phase terminologique, Structuration, Validation, Formalisation en RDFS

Résultat: 470 concepts, 80 relations,

13 niveaux de profondeur

comma2

Haut

niveau

Niveau

médian

Aspects

Document

Aspects

Entreprise

Aspects

Utilisateur

Aspects

Domaine

Niveau

spécifique

Comma

comma3

Comma

Chose

Entite

Role

Entite spatiale

Entite non spatiale

Entite temporelle

Domaine

Evenement

Divertissement

Memoire d’entreprise

Rassemblement

slide63

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, Telecom.

outils

Outils

Protégé

Oiled

WebODE

Corese

recherche d information

Recherche d’information

Critère d’évaluation : pertinence

Adéquation d’un document par rapport à la requête

Pertinence définie par rapport au bruit et au silence

pertinence

Pertinence

Diminuer le bruit et le silence :

Bruit : documents retrouvés non pertinents

Silence : documents pertinents non retrouvés

rappel

Rappel

Taux de rappel (recall)

Proportion de documents pertinents retrouvés par rapport à l'ensemble des documents pertinents de la base documentaire :

30 documents pertinents retrouvés par rapport à 100 : 30%

silence

Silence

Définit le taux de silence documentaire, proportion de documents pertinents non retournés

ici : 70%

pr cision

Précision

Proportion de documents pertinents par rapport à l'ensemble des documents récupérés.

Par exemple : 40 documents pertinents sur les 100 retrouvés : 40% de précision, et 60% de bruit.

ri et ontologie

RI et ontologie

L’utilisation d’ontologie en recherche d’information vise à augmenter la précision et le rappel.