Ontologie

1
Ontologie

• Olivier.Corby_at_sophia.inria.fr
• INRIA, Sophia Antipolis
• http//www.inria.fr/acacia
• Knowledge is Power

2
Ontologie

• Etude de ce qui est
• terme emprunté à la philosophie
• Pour nous formalisation dune 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
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

5
Lexique

• Lexique dictionnaire
• Thesaurus
• Terminologie
• Taxonomie classification
• Ontologie modélisation de connaissances

6
Objectifs

• Ingénierie des connaisances
• Coût de réalisation
• Réutiliser
• Partager
• Interopérabilité, échange
• Essais Knowledge Sharing Effort
• Ontolingua, KIF, KQML

7
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

8
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

9
Pour quoi faire ?

• une base de connaissances à objets
• un système dannotation
• un système dindexation documentaire, de
  recherche dinformation
• Commerce électronique

10
Ontologie

• Différentes acceptions du mot ontologie
• Vocabulaire technique,
• Référentiel métier,
• Terminologie/thesaurus,
• Système de classes dune représentation par objet
  UML ?
• Base de connaissances terminologique
• Théorie logique

11
Définition

• Représentation dun système conceptuel via une
  théorie logique et son vocabulaire

12
Conception 1

• Identifier un domaine technique, un métier
• Identifier un corpus ensemble de documents
  pertinents et représentatifs
• Analyser les documents

13
Conception 2

• Recenser, classer les termes du vocabulaire
• Normaliser le sens

14
Conception 3

• Identifier les termes dénotant des
• concepts (classes)
• instances
• objets composites
• propriétés valeur atomique (entier, texte)
• relations entre objets

15
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

16
Hiérarchie de concepts
17
Hiérarchie

• Uniquement la relation de subsomption
• Ne pas mélanger avec la relation de composition
  par exemple

18
Hiérarchie de concepts défaillante
19
Points de vue

• Identifier les points de vue pertinents du
  domaine
• Taxonomie
• Rôle
• Fonction

20
Points de vue
Modéliser les points de vue dans des hiérarchies
parallèles
21
Points de vue
22
Subsomption multiple
Chose
Entité
Mobile
Objet
Vivant
Végétal
Animal
23
Instanciation multiple

• Une instance peut être rattachée à plusieurs
  classes
• Titi type Oiseau
• Titi type Volant
• Titi type Proie

24
Concept

• Identifier/modéliser les concepts et leurs
  propriétés
• Choisir et standardiser les termes pertinents
  pour les dénoter,
• éventuellement multilingue

25
Concept

• Concept primitif
• Human, Male, Female
• Concept défini
• Man Human and Male
• Woman Human and Female

26
Concept défini

• Patient
• lt Human
• has Desease

27
Relation

• Identifier les relations pertinentes
• subsomption, instanciation
• partOf, hasPart,
• closeTo, over, under, contain, connected, etc

28
Relation

• Propriétés des relations
• partOf est transitive,
• closeTo est symétrique,
• over inverseOf under
• signature partOf Object -gt Object

29
Modélisation

• Ontologie modélisation des connaissances
• Au sens où une théorie physique est un modèle de
  la réalité
• Il peut y avoir plusieurs modèles dune même
  réalité
• expérience naïve de la chute des corps
• théorie de la gravitation de Newton
• relativité générale dEinstein

30
Cartographie

• Randonner 1/25 000 (1cm250m)
• Faire du tourisme 1/100 000 (1cm1km)
• Traverser la France 1/1000 000 (1cm10km)

31
Exemple

• 1. Human Male Female
• Man lt Human Woman lt Human
• Man lt Male Woman lt Female
• 2. Man (gender) Male
• Woman (gender) Female
• 3. Man (sex) Male
• Woman (sex) Female

32
Modélisation

• Pour laide à la résolution de problème
• Pour la recherche dinformation

33
Connaissance

• Continuum donnée, information, connaissance
• donnée ---
• information SOS
• connaissance en cas dalerte, déclencher
  les secours
• La connaissance permet de produire de nouvelles
  données, informations, connaissances inférence

34
Types de Connaissance

• Il y a différentes sorte de connaissances
• Méthode de résolution de problème
• Connaissances de domaine
• Ontologie
• Modèle spécifique du domaine

35
Connaissances de résolution de problème

• conception,
• diagnostic,
• évaluation,
• planification
• des tâches et des inférences

36
Connaissances du domaine

• Domaine électronique, mécanique, médecine, etc.
• ontologie réutilisable
• modèles de domaine fonctionnel, causal,
  structurel,
• exprimés dans le vocabulaire de lontologie.

37
Ontologie

• Concept Thing
• concept Engine lt Thing
• concept Vehicle lt Thing
• relation partOf Thing -gt Thing

38
Modèle de domaine

• Structurel
• Engine e1 partOf Vehicle v2
• causal
• Engine breakdown gt Vehicle stop

39
Modèle de tâche

• Conception
• specify, design, assess
• Diagnostic
• identifier des symptômes,
• choisir un modèle causal,
• émettre des hypothèses,
• imaginer des conséquences, les tester, etc.

40
Ontologie

• Laccent est mis sur les concepts et les
  relations du domaine
• Orienté modélisation, spécification,
  réutilisation, partage, standardisation.
• Relations spécifiques du domaine considéré

41
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

42
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.

43
Thesaurus

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

44
Relations linguistiques

• BT Broader Term
• NT Narrower Term
• TT Top Term
• RT Related Term (other than BT, NT, TT, etc.)

45
Relations linguistiques

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

46
Ontologie

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

47
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

48
Caractéristique

• Indépendante dune implémentation limiter le
  biais dû à un formalisme de représentation
  niveau conceptuel
• Des inférences sont possibles (relations
  transitives, axiomes, etc.)

49
Types dontologies

• Ontologies générales, abstraites, de haut niveau
  
• Ontologie des catégories conceptuelles
• Objet, événement, état, processus, action, temps,
  espace
• Ontologies théoriques
• physique, mathématique, cinématique

50
Types dontologies

• Ontologie applicative
• Médecine, automobile, patrimoine culturel,
  organisation, etc.

51
Principes

• Clarté communiquer le sens des termes définis
• Cohérence
• Extensibilité
• Indépendance vs implémentation
• Modularité
• Abstraction

52
Gestion des ontologies

• Comparaison dontologies
• Fusion dontologies
• Version, évolution
• Vérification, validation, consistance

53
Langages

• KIF Knowledge Interchange Format
• Ontolingua
• Logiques de description (orientée classification)
• Graphe conceptuel (support)
• RDF
• OWL, DAMLOIL

54
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

55
Exemples RDF

• Geography Markup Language Schema definition Gene
  Ontology Schema
• RDF binding IEEE LOM Learning Object Metadata
• W3C CC/PP Composite Capability/Preference
  Profiles

56
Comma

• OComma 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

57
Comma

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

58
Comma
59
Comma

• Chose
• Entite
• Role
• Entite spatiale
• Entite non spatiale
• Entite temporelle
• Domaine
• Evenement
• Divertissement
• Memoire dentreprise
• Rassemblement

60
Comma

61
Comma
62
Comma
63
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.

64
KMP
65
KMP
66
Outils

• Protégé
• Oiled
• WebODE
• Corese

67
Recherche dinformation

• Critère dévaluation pertinence
• Adéquation dun document par rapport à la requête
• Pertinence définie par rapport au bruit et au
  silence

68
Pertinence

• Diminuer le bruit et le silence
• Bruit documents retrouvés non pertinents
• Silence documents pertinents non retrouvés

69
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

70
Silence

• Définit le taux de silence documentaire,
  proportion de documents pertinents non retournés
• ici 70

71
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.

72
RI et ontologie

• Lutilisation dontologie en recherche
  dinformation vise à augmenter la précision et le
  rappel.