Il y a de multiples raisons pour lesquelles la difficulté de compréhension dans un dialogue apparaît, nous empêchant de faire comprendre à l’autre ce que l’on désire exprimer. Bien souvent, nous passons par de petits dessins pour mieux exprimer les choses, ces petites représentations plus ou moins formelles permettent un accord sur l’interprétation à adopter pour nous comprendre.
Dans la phrase Jean fait la cuisine plusieurs interprétations peuvent être faites, Jean prépare à manger, Jean monte les meubles de la cuisine ou encore Jean peint les murs de la cuisine (la pièce de la maison où l’on prépare à manger). Toutes ces interprétations sont dues aux multiples sens que l’on peut donner aux termes utilisés, en fonction du contexte. Si dans notre exemple, nous définissons le terme cuisine comme la pièce de la maison dans laquelle on prépare à manger, nous restreignons alors les interprétations possibles.
Pour éviter au maximum les ambiguïtés de compréhension, nous utilisons donc naturellement une convention entre les individus prenant part au dialogue, passant par un formalisme qu’il soit graphique ou linguistique. C’est dans ce dernier formalisme que les ontologies interviennent.
Le Web classique est surtout syntaxique, la structure des ressources est clairement définie, mais leur contenu demeure inaccessible aux traitements machines, seuls les humains peuvent l’interpréter. Pour cette raison, on trouve que le premier objectif du Web sémantique est d’éliminer cette difficulté en prenant en compte la sémantique des ressources du Web, par l’utilisation des ontologies.
Par conséquent, dans ce support de cours, nous allons détailler la relation entre le web sémantique et les ontologies. Tout d’abord, on va introduire le web sémantique dans la section I. La section II présente une définition, la modélisation et la formalisation des ontologies. La structure d’une ontologie, la taxonomie des domaines et la classification des ontologies font l’objet de la section III.
A son tour, la section IV explique les langages de construction des ontologies, les éditeurs d’ontologies et les systèmes de raisonnement sur les ontologies. La section V présente une étude de cas : PROCESSUS DE CONSTRUCTION DE L’ONTOLOGIE « ContoLogy », POUR LE DOMAINE DE LA SENSIBILITE AU CONTEXTE DANS LES ENVIRONNEMENTS UBIQUITAIRE.
Enfin, nous concluons ce travail par une conclusion.
INTRODUCTION GENERALE
I. INTRODUCTION AU WEB SEMANTIQUE : MOTIVATION, DEFINITION, MODELE EN COUCHE, ETC
1. Le web classique
1.1 Définition
1.2 Le contenu du Web
1.3 Problèmes de sémantique avec le web classique
2. Le Web Sémantique
2.1. Motivation : Pourquoi le web sémantique ?
2.2. Définition et principe du web sémantique
2.3. Historique du web sémantique
2.4. L’objectif du web sémantique
2.5 les constituants du web sémantique
2.6 Web sémantique vs web actuel
2.7 Modèle en couche du Web Sémantique
Exercices sur le chapitre
Solution des exercices du chapitre
II. LES ONTOLOGIES : DEFINITION, MODELISATION, FORMALISATION, REPRESENTATION
Introduction
1. Notion d’ontologie
1.1 Origine et définitions des ontologies
1.2 Définitions informatique
2. Modélisation des ontologies
2.1 Le cycle de vie des ontologies
2.2 Méthodes de Construction D’ontologie
2.2.1 ENTERPRISE
2.2.2 TOVE
2.2.3 METHONTOLOGY
2.2.4 OTK
3. Formalismes De Representation
3.1 Frames
3.2 Graphes conceptuels
3.3 Logique de description LD
3.3.1 Historique
3.3.2 Les deux niveaux de description
3.3.2.1 Le niveau terminologique (TBox)
3.3.2.2 Le niveau assertionnel (ABox)
3.3.3 L’inférence
Exercices sur le chapitre
Solutions des exercices sur le chapitre
III. STRUCTURE, TAXONOMIE DES DOMAINES ET CLASSIFICATION DES ONTOLOGIES
Introduction
1. Structure d’une ontologie: Les constituants d’une ontologie
1.1 Les Concepts
1.2 Les relations
1.3 Axiomes (règles)
1.4 Instances
2. Une taxonomie des domaines d'ontologies
2.1 Communication
2.2 Ingénierie des systèmes
2.3 Le Web sémantique
2.4 Les ontologies dans les systèmes sensibles au contexte
3. Classifications des ontologies
Exercices sur le chapitre
Solutions des exercices sur le chapitre
IV. LANGAGES DE CONSTRUCTION, EDITEURS, SYSTEMES DE RAISONNEMENT, ET LANGAGES D’INTERROGATION
1. Les Langages De Construction Des Ontologies
1.1 eXtended Markup Language et XML Schema
1.2 Resource Description Framework et RDF Schéma
1.3 OWL (Ontology Web Language)
2. Editeur D’ontologies
2.1 OILEd
2.2 OntoEdit
2.3 Racer
2.4 Protégé
3. Systemes De Raisonnement Sur Les Ontologies
3.1 Racer
3.2 Pellet
3.3 JENA
3.4 Comparaison entre les systemes de raisonnement
4.Langages D’interrogation D’ontologies
Exercices sur le chapitre
Solutions des exercices sur le chapitre
V. ETUDE DE CAS PROCESSUS DE CONSTRUCTION DE L’ONTOLOGIE « CONTOLOGY », POUR LE DOMAINE DE LA SENSIBILITE AU CONTEXTE DANS LES ENVIRONNEMENTS UBIQUITAIRE
Introduction
1 Spécification
2 Conceptualisation
2.1 Construction De Glossaire De Termes
2.2 Construction Du Diagramme De Classification Des Concepts
2.3 Construction Du Diagramme Des Relations Binaires
2.4 Dictionnaire De Concepts
2.5 Tableaux Des Relations Binaires
2.6 Tableaux Des Attributs
2.7 Tableaux Des Instances
3. Formalisation
3.1 Construction De Tbox
3.2 Construction De Abox
4. Implémentation
4.1 Définition De La Hiérarchie Des Classes
4.2 Définition Des Propriétés
4.3 Définitions Des Restrictions
4.4 Description Des Règles Du Contexte : Les Règles De La Gestion Des Conflits
4.5 Génération du code
5. Test De L’ontologie
CONCLUSION GENERALE
REFERENCES BIBLIOGRAPHIQUES
Description
Intitulé du Master :Systèmes d'Informations
Semestre:3
Intitulé de l’UE :UEM3(O/P)
Intitulé de la matière :Ontologies et Web Sémantique
Crédits :4
Coefficients :2
Programme officiel
Objectifs de l’enseignement
Ce cours a pour objectif l'étude des ontologies ainsi que leur classification ainsi que les principes qui sont à la base du web sémantique. Il permet également de Fournir à l’étudiant les connaissances nécessaires à la compréhension des technologies utilisées pour la réalisation du web sémantique, et appréhender les apports des ontologies dans différents domaines ainsi que les formalismes permettant de les représenter et de les concevoir. Les modèles et langages d'ontologies sont également abordés dans le but d'acquérir une maîtrise de la pratique des ontologies.
Connaissances préalables recommandées
Contenu de la matière
1. Introduction au web sémantique : Motivation, Définition, Modèle en couche, etc.. .
2. Les ontologies : Définition, Modélisation, Formalisation, Représentation, ...
3. Structure d'une ontologie
4. Une taxonomie des domaines d'ontologies
5. Classification des ontologies
6. Langages et modèles d'ontologies
7. Processus de construction de l’ontologie « ContoLogy », pour le domaine de la sensibilité au contexte dans les environnements ubiquitaires.
Mode d’évaluation :
- Contrôle continu
- Examen
Références
- Michel HÉON, "Web sémantique et modélisation ontologique (avec G-OWL)", Guide du développeur Java sous Eclipse, Édition ENI, 2014.
- Fabien Gandon, Catherine Faron-Zucker, Olivier Corby, " Le web sémantique". Édition Dunod, 2012.
- Dean Allemang, James A. Hendler, "Semantic Web for the Working Ontologist", Édition Morgan Kaufmann, 2001.
Liste des figures
Abbildung in dieser Leseprobe nicht enthalten
Liste des Tableaux
Abbildung in dieser Leseprobe nicht enthalten
INTRODUCTION GÉNÉRALE
INTRODUCTION GENERALE
Il y a de multiples raisons pour lesquelles la difficulté de compréhension dans un dialogue apparaît, nous empêchant de faire comprendre à l’autre ce que l’on désire exprimer. Bien souvent, nous passons par de petits dessins pour mieux exprimer les choses, ces petites représentations plus ou moins formelles permettent un accord sur l’interprétation à adopter pour nous comprendre.
Dans la phrase Jean fait la cuisine plusieurs interprétations peuvent être faites, Jean prépare à manger, Jean monte les meubles de la cuisine ou encore Jean peint les murs de la cuisine (la pièce de la maison où l’on prépare à manger). Toutes ces interprétations sont dues aux multiples sens que l’on peut donner aux termes utilisés, en fonction du contexte. Si dans notre exemple, nous définissons le terme cuisine comme la pièce de la maison dans laquelle on prépare à manger, nous restreignons alors les interprétations possibles.
Pour éviter au maximum les ambiguïtés de compréhension, nous utilisons donc naturellement une convention entre les individus prenant part au dialogue, passant par un formalisme qu’il soit graphique ou linguistique. C’est dans ce dernier formalisme que les ontologies interviennent.
Le Web classique est surtout syntaxique, la structure des ressources est clairement définie, mais leur contenu demeure inaccessible aux traitements machines, seuls les humains peuvent l’interpréter. Pour cette raison, on trouve que le premier objectif du Web sémantique est d’éliminer cette difficulté en prenant en compte la sémantique des ressources du Web, par l’utilisation des ontologies.
Par conséquent, dans ce support de cours, nous allons détailler la relation entre le web sémantique et les ontologies. Tout d’abord, on va introduire le web sémantique dans la section I. La section II présente une définition, la modélisation et la formalisation des ontologies. La structure d’une ontologie, la taxonomie des domaines et la classification des ontologies font l’objet de la section III.
A son tour, la section IV explique les langages de construction des ontologies, les éditeurs d’ontologies et les systèmes de raisonnement sur les ontologies. La section V présente une étude de caROCESSUS DE CONSTRUCTION DE L’ONTOLOGIE « ContoLogy », POUR LE DOMAINE DE LA SENSIBILITE AU CONTEXTE DANS LES ENVIRONNEMENTS UBIQUITAIRE.
Enfin, nous concluons ce travail par une conclusion.
I. INTRODUCTION AU WEB SÉMANTIQUE
1.Le web classique
Dans cette section on va présenter les points suivants : définition du Web, le contenu du web et problèmes de sémantique avec le web classique.
1.1. Définition
Le Web est tout d’abord un outil universel pourpublier et échangerdes informations : en utilisant le trio de base : HTML+URL+http. L’information estgéréesous forme debases de données,fichiers,annuaires, etc. On peut distinguer entre (voir figure1.1) :
- l’information à la surface, qui est accessible par navigation et
- l’information en profondeur, qui est “cachée” derrière des applications.
Abbildung in dieser Leseprobe nicht enthalten
Figure 1.1. Modèle en couche du Web classique. [w3c01]
1.2. Le contenu du Web
Selon l’Extrait de l’étude de Brightplanet sur des données collectées pendant 15jours en 2000.
- La taille du Web (surface et profond) est estimée à 7 500 téra-octets dont seulement 19 (0.02%) sont accessibles par les moteurs de recherche.
- Il existe plus que 200 000 serveurs de contenu dont les soixante premiers contiennent environs 750 téra-octets d’informations.
- Les serveurs de contenu supportent cinquante à soixante fois plus de traffic que les serveurs de surface.
- Plus que 50% du contenu se trouve dans des bases de données spécialisées.
1.3. Problèmes de sémantique avec le web classique
On peut distinguer des problèmes majeurs comme suit :
- Au niveau du Web, les informations sont « cachées » dans le code HTML (contient l’expression en LN des informations) ou dans des images, des fichiers sonores, des vidéos, etc.
- On peut utiliser des moteurs de recherche (sur le texte), mais pour des raisons de performance (et de taille du web), ces moteurs ne font aucun traitement sophistiqué (recherche de mots).
- A la base, les données sont stockées de façon structurée : dans un SGBD. Mais le SGBD n’est pas visible.
- Utilisation de HTML et CSS pour la mise en page « à part », mais toujours pas de description (utilisable par une machine) de ce que « contient le document ».
- Utilisation de XHTML : Évite le fouillis d’HTML, mais il s’agit toujours de documents.
- L’utilisation de XML + XSLT ! (X) HTML : Mieux, mais le XML n’est pas toujours visible . . . en plus, XML n’est pas un langage (mais un métalangage) : comment comparer deux documents XML écrits avec des DTD différentes ?
Les exemples 1 et 2 illustrent aussi le problème de la sémantique pour le web traductionnel :
- Exemple 1:
Horaires de trains, horaires d’avion ! Documents HTML avec tables, Comment croiser les deux documents pour un trajet train puis avion ?
- Les documents HTML ne peuvent pas être utilisés (présentationdes données).
- Mais le schéma de la base des trains est sans doute très différent de celui de la base des avions.
- Exemple 2 :
Recherche des informations sur un livre dont le sujet est Victor Hugo
- Le moteur de recherche ne s’intéresse par exemple qu’aux termes « livre » et « Victor Hugo»)
- Résultat : les livres écrits par cet auteur.
De ces 2 exemples on peut tirer la problématique suivante :
Problématique :
Il faudrait une représentation « commune », utilisant un langage standard pour pouvoir croiser les données (automatiquement).
Comme solution possible pour cette problématique, on a :
Solution:
Le Web actuel est syntaxique : structure des ressources bien définies mais le contenu reste quasi inaccessible aux machines. Seuls les humains peuvent l’interpréter.
Alors, il fautIndexer les informations dans un langage standard, en utilisant un vocabulaire standard (une ontologie).
L’utilisation des ontologies rond le web actuel un Web sémantique.
2. Le Web Sémantique
Le Web classique est surtout syntaxique, la structure des ressources est clairement définie, mais leur contenu demeure inaccessible aux traitements machines, seuls les humains peuvent l’interpréter. [Lekhchine09]
Pour cette raison, on trouve que le premier objectif du Web sémantique est d’éliminer cette difficulté en prenant en compte la sémantique des ressources du Web, par l’utilisation des ontologies, ce qui facilite aux différents agents logiciels l’accès et l’exploitation directe des ressources ainsi que le raisonnement dessus [Lee02]. Ce référencement sémantique peut aussi donner des solutions aux conflits d’interprétation des ressources informationnelles découlant des applications hétérogènes et réparties et de permettre ainsi l’intégration sémantique de ces applications. [Uschold02].
2.1. Motivation : Pourquoi le web sémantique ?
Les motivations sont comme suit :
- Beaucoup d'informations mais la description de l'information (méta-données) est limitée
- HTML ne donne que des liens sans sémantique (non utilisables par les machines)
- Les moteurs de recherche par mots clés laissent beaucoup de travail à l'utilisateur
- Et plus généralement, trouver les bonnes ressources, analyser le contenu des pages, dégager les bonnes informations, combiner les différents résultats est coûteux en temps …et parfois fastidieux !
- L'information et les services sur le Web sont aujourd'hui peu exploitables par des machines … Et de moins en moins exploitables sans l'aide des machines …
- La propriété clé de l’architecture du Web Sémantique se résume par : un sens partagé commun et métadonnées traitables par les machines
2.2. Définition et principe du web sémantique
Le web sémantique est une extension du web actuel, dont lequel, les informations sont structurées en fonction d’une sémantique bien définie. Le consortium web a défini un cadre général qui permet le partage et la réutilisation des données au travers de différentes applications. Les données du web cachées dans le code HTML manquent d’information sémantique les décrivant. Seul homme peut lire et appréhender le contenu du site web.
Ce contenu n’est pas assigner à la manipulation de manière autonome et intelligente par les programmes informatiques. Ainsi, les ordinateurs jouent un rôle très inactif, quelquefois réduit uniquement à un outil d’affichage du contenu. Ils n’ont pas un réel accès au contenu de la présentation, Ils ne sont pas capables de comprendre la signification de l’information présentée. Le besoin de chercher et retrouver facilement et rapidement les informations pertinentes et complètes est de plus en plus demandé par les utilisateurs du Web.
Les supports actuels construits spécifiquement pour le Web, basés sur la syntaxe des documents, ne satisfont plus ce besoin. Il faut que des agents logiciels aident plus efficacement différentes types d’utilisateurs dans leur accès aux ressources sur le Web. Ainsi, le web devra devenir un espace d’échanges d’informations entre les agents humains et machines.
L'expression Web sémantique, donnée par Tim Berners-Lee au sein du W3C qui définit le web sémantique :
« The semantic Web is an extension of the current web in which information is given well-defined meaning, better enabling computers and peope to work in cooperation»[Berners01]
A partir de cette définition les utilisateurs déchargés d’une bonne partie de leurs tâches de construction, de recherche et de combinaison des résultats, grâce aux capacités développées des machines à accéder aux contenus des ressources et à effectuer des raisonnements sur ceux-ci.
2.3. Historique du web sémantique
- En 1994, au CERN, lors de la première conférence WWW à Genève, a lieu l'annonce de la création du W3C. au cours de cette période, Tim Berners-Lee indique les objectifs du W3C et explique les besoins d'ajouter de la sémantique au Web futur. Il a illustré en quoi les liens hypertextes ou, plus précisément, la façon dont on met en relation les documents sur le Web est trop réduite pour permettre aux machines de relier automatiquement les données contenues sur le Web à la réalité. Compte tenu de les objectifs d'un tel projet, cette idée provoque quelques controverses et résistances qui sont classiquement rencontrées dès qu'on approche des problématiques liées au domaine de l'intelligence artificielle. Après cette conférence, mise à part la mise en place des recommandations nécessaires à la construction des documents, le W3C nouvellement créé entame les premières réflexions sur la mise en place du Web sémantique. Ces réflexions aboutissent à la publication d'un premier draft de recommandations sur le Web sémantique en octobre 1997 et d'une seconde.
- en avril 1998. Tim Berners-Lee a publié un document sur les toutes premières recherches du Web sémantique. Ces recherches consistent à mettre en place les différentes technologies du Web sémantique.
- En 1999, Tim Berners-Lee publie le livre [Lee99] dans lequel expose un portrait du Web et les pistes pour son avenir. Les idées du Web sémantique n'en sont évidemment pas absentes. Dans la même année, il a énoncé sa célèbre citation : « J'ai fait un rêve pour le Web dans lequel les ordinateurs deviennent capables d'analyser toutes les données sur le Web - le contenu, les liens et les transactions entre les personnes et les ordinateurs. Un « Web sémantique », qui devrait rendre cela possible, n'est pas encore sorti, mais, quand ce sera le cas, les mécanismes d'échange au jour le jour, la bureaucratie et notre vie quotidienne seront traités par des machines qui parlent à d'autres machines. Certains nous ont vanté depuis des lustres les « agents intelligents » et cela va enfin se concrétiser ».
2.4. L’objectif du web sémantique
L’objectif primordial du Web sémantique est de permettre aux utilisateurs la manipulation de la totalité du potentiel du Web en partageant, et combinant des informations plus facilement. Pour ce faire, il faut concevoir un environnement en ligne dans lequel on réunit toutes les données de façon logique, ce qui assure la création des liens sémantiques entre ces données pour former une information ultra-pertinente, Seul compte alors le sens des données, et non plus leur place dans un document texte.
Tim Berners-Lee a exposé la hiérarchie du Web sémantique -Basé sur le XML et RDF / RDFS, et en haut de cette construction des ontologies et de règles d'inférence logique, de parfaire le processus da représentation des connaissances basé sur la sémantique et le raisonnement, qui peut être conçue par l'ordinateur et le traitement. Tim Berners-Lee illustre dans un entretien de l'UNESCO en 2000 : "J’ai un double rêve pour le Web. D’une part, je le vois devenir un moyen très puissant de coopération entre les êtres humains. Et dans un second temps, j’aimerais que ce soit les ordinateurs qui coopèrent. [...] Quand mon rêve sera réalisé, le Web sera un univers où la fantaisie de l’être humain et la logique de la machine pourront coexister pour former un mélange idéal et puissant".
2.5. les constituants du web sémantique
Pour garantir les sémantiques des informations manipulées par les utilisateurs. Le Web sémantique est composé de :
1. Méta-données: Par définition des données sur des données
- / Elles complètent donc l’information sur les données à un niveau d’abstraction supérieure.
- / Elles peuvent être structurées afin de décrire une ressource quelconque
- / Elles rajoutent un sens aux contenus afin de favoriser leur exploitation par des agents logiciels
2. Ontologies: pour la :
- / définitions des concepts
- / Modélisation des connaissances nécessaires à la description et au traitement d’un ensemble de ressources
3. Langages:
- / pour décrire, exploiter et raisonner sur les contenus des ressources
- / Langages de représentation de connaissances afin d’exprimer les ontologies et décrire les annotations
4. Des moteurs de raisonnement :
- / Encapsulés dans des systèmes de requêtes et permettant d’inférer sur les annotations d’après les axiomes déclarés dans les ontologies, afin d’interroger le Web et agir sur les réponses obtenues
2.6. Web sémantique vs web actuel
Dans le tableau suivant, on trouve une comparaison entre Web Sémantique et Web Actuel :
Abbildung in dieser Leseprobe nicht enthalten
Tableau 1.1 comparaison entre le web actuel et le web sémantique
2.7. Modèle en couche du Web Sémantique
L’architecture du Web sémantique repose sur une hiérarchie des langages d’assertion et de description d’ontologies ainsi que sur un ensemble de services pour l’accès aux ressources au moyen de leurs références sémantiques, pour gérer l’évolution des ontologies, pour l’utilisation des moteurs d’inférences capables d’effectuer des raisonnements complexes ainsi que des services pour la vérification de la validité sémantique de ces raisonnements [Oberle04]. [Lekhchine09]
Abbildung in dieser Leseprobe nicht enthalten
Figure 1.2. Modèle en couche du WS [W3C01]
1. Couche XML : Base syntaxique
2. Couche RDF
- RDF : modèle de triplets pour annoter des ressources.
- RDF Schéma : décrit le vocabulaire (ontologies) utilisé pour ces annotations
3. Couche Ontologie
- Langage plus expressif que RDF Schéma
- OWL : Standard courant pour le web : OWL sur une restriction de RDF/S
- OWL Lite / DL / Full
- Logiques de description
- Vérification, classification, identification
- Rules : Consiste en prémisse et une conclusion. Càd: dans toute situation où le prémisse s'applique, la conclusion doit également prise en considération.
EXERCICES SUR LE CHAPITRE 1
- Exercice1: Expliquez brièvement les limites du web classique ?
- Exercice2: Expliquez brièvement l’objectif du web sémantique.
- Exercice3:Faire la liaison entre les deux parties : historique du web sémantique.
Abbildung in dieser Leseprobe nicht enthalten
- Exercice4: placez les couches du web sémantique puis les détaillez brièvement.
Abbildung in dieser Leseprobe nicht enthalten
SOLUTIONS DES EXERCICES DU CHAPITRE1
!Exercice1 :
« La recherche dans le web classique se base généralement sur la méthode de matching (recherche de mots clés dans des pages d'index). Par exemple, en lançant la recherche des deux expressions suivantes : « ordinateur portable » puis « laptop », nous obtenons des résultats différents alors qu'on s'attend à avoir les mêmes réponses (car les mots « ordinateur portable » et « laptop » représentent le même concept). Par ailleurs, la représentation des ressources du web classique (HTML) ne permet pas leur traitement automatisé par des agents logiciels.
- Exercice2:
« Le Web sémantique (plus techniquement appelé « le Web de données ») permet aux machines de comprendre la sémantique, la signification de l'information sur le Web. Il étend le réseau des hyperliens entre des pages Web classiques par un réseau de lien entre données structurées permettant ainsi aux agents automatisés d'accéder plus intelligemment aux différentes sources de données contenues sur le Web et, de cette manière, d'effectuer des tâches (recherche, apprentissage, etc.) plus précises pour les utilisateurs. »
- Exercice 3 :
(2,c) ; (4,a) ;(3,b) ;(1,d) .
- Exercice4 :
voir section 2.7
II. LES ONTOLOGIES : DÉFINITION, MODÉLISATION, FORMALISATION, REPRÉSENTATION, ...
Introduction
Dans cette section, nous allons détailler les points suivants : Notion d’ontologie (Définitions), Modélisation, Formalisation et représentation des ontologies.
1. NOTION D’ONTOLOGIE
Dans cette section, nous allons détailler la notion d’ontologie, en commençant par la présentation de l’origine et quelques définitions de cette notion.
1.1 Origine des Ontolog
L’arrivée de l’Ingénierie des Connaissances (IC) a été l’occasion pour l’apparition des ontologies dans le domaine de l’Intelligence Artificielle (IA), et ceci, pour répondre aux problèmes rencontrés lors de la représentation et la manipulation des connaissances dans les systèmes informatiques.
La racine du motontologieest du grec :
- Onto(le participe présent du verbe être) qui est l’étude de l’être en tant qu’être ;
- Etlogiequi signifie discours.
Les ontologies ont trouvé leur origine depuis le XIXième siècle en philosophie, où ils ont défini l’ontologie comme l’étude des propriétés générales de ce qui existe. Ce qui est équivalant à l’ensemble des connaissances que l’on a sur le monde [Welty01].
1.2 Définitions Informatiques
Les ontologies sont nées du besoin de représenter les connaissances dans les systèmes informatiques, de ce fait, elles sont toujours définies par rapport au processus général de la représentation des connaissances [Fürst02]. Actuellement, différentes définitions sont offertes pour définir cette notion, mais, on trouve que la définition la plus adoptée par les chercheurs dans le domaine de (IC) est la définition de T. GRUBER :
- «Une ontologie est une spécification explicite d’une conceptualisation»[Gruber93]. Cette définition se base sur deux dimensions :
- Une ontologie est la conceptualisation d'un domaine, c'est-à-dire un choix de comment on définit un domaine.
-La spécification de cette conceptualisation, c'est-à-dire sa description formelle.
Alors, on ne construit pas l’ontologie qu’après que l’étape de conceptualisation soit achevée.
- Selon [Fürst02], N. Guarino [Guarino98] détaille la définition de T. Gruber en estimant les ontologies comme des spécifications partielles et formelles d’une conceptualisation :“An engineering artefact, constituted by a specific vocabulary used to describe a certain reality, plus a set of explicit assumptions regarding the intended meaning of the vocabulary words. In the simplest case, an ontology describes a hierarchy of concepts related by subsumption relationships; in more sophisticated cases, suitable axioms are added in order to express other relationships between concepts and to constrain their intended interpretation”.
- A son tour, Studer [Studer98] définit l'ontologie comme: «An ontologyis a formal, explicit specification of a shared conceptualization ».Ce qui veut dire « Une ontologie est une spécification formelle et explicite d’une conceptualisation partagée ». Studer l'explique comme suit :« Formelle »signifie que l'ontologie est explicable par une machine ( machine-readable ) ;« Spécification explicite »désigne que les concepts, les propriétés, les relations, les fonctions, les restrictions et les axiomes de l'ontologie sont définis de façon déclarative ;« Partagé »indique que l'ontologie prend la connaissance consensuelle (partagée par une communauté) ;« Conceptualisation »ce concept désigne l’abstraction d'un phénomène réel, l'ensemble des concepts importants qui caractérisent un domaine, et les points de vue d'une perception limitée du monde.
- Selon [Fürst02], on doit avoir la possibilité de construire une modélisation préliminaire semi-formelle et relativement cohérente qui correspond à une conceptualisation semi- formalisée. Donc, l’ontologie construite au cours de cette étape est une ontologie conceptuelle et semi-formelle, et le processus de spécification en question est appeléontologisation[Kassel00]. Dans tous les cas, il est indispensable de traduire cette ontologie dans un langage opérationnel et formel de représentation de connaissances, pour qu’elle soit utilisable par une machine. Par conséquent, une ontologie n’est pas opérationnelle, si elle ne contient pas de mécanismes de raisonnement, n’a pas la possibilité de représenter les différents types de connaissances (connaissances terminologiques, faits, règles et contraintes) et ne peut pas manipuler ces connaissances à travers des mécanismes adaptés à l’objectif opérationnel du système conçu. Ce processus de traduction est appeléopérationnalisation. (Voir Figure 2.1)
Le processus général de représentation des connaissances se compose de 3 phases :
- La conceptualisation :cette étape consiste à identifier des connaissances contenues dans un corpus représentatif du domaine. Ce travail doit être effectué par un expert du domaine, assisté par un ingénieur de la connaissance ;
- L’ontologisation :cette étape consiste à formaliser, autant que possible, du modèle conceptuel obtenu à l’étape précédente. Ce travail doit être effectué par l’ingénieur de la connaissance, assisté de l’expert du domaine ;
- L’opérationalisation :cette étape consiste à traduire l’ontologie dans un langage opérationnel et formel de représentation de connaissances. Ce travail doit être réalisé par l’ingénieur de la connaissance.
Abbildung in dieser Leseprobe nicht enthalten
Figure 2.1. Construction d’une ontologie opérationnelle [Fürst02]
En conclusion, une ontologie repose sur des définitions précises de concepts d’un domaine et de leurs relations. Ces définitions sont essentiellement acceptables et partageables par les utilisateurs et interprétables par des machines. Les constituantes de base de conception d'ontologie incluent :
- des classes ou des concepts,
- les propriétés de chaque concept définissant des caractéristiques diverses et les attributs du concept.
2. MODELISATION DES ONTOLOGIES
2.1. Le cycle de vie des ontologies :
Le cycle de vie comprend (voir figure 2.2) :
- / Une étape initiale d’évaluation des besoins,
- / Une étape de construction,
- / Une étape de diffusion,
- / Une étape d’utilisation.
Abbildung in dieser Leseprobe nicht enthalten
Figure 2.2. Le cycle de vie d’une ontologie [Fürst02]
Après chaque utilisation significative, l’ontologie et les besoins sont réévalués et l’ontologie peut être étendue et, si nécessaire, en partie reconstruite.
La phase de construction peut être décomposée en 3 étapes :
- / Conceptualisation,
- / Ontologisation,
- / Opérationalisation
L’étape d’ontologisation peut être complétée d’une étape d’intégration au cours de laquelle une ou plusieurs ontologies vont être importées dans l’ontologie à construire.
2.2. METHODES DE CONSTRUCTION D’ONTOLOGIE
La phase de création d'ontologies est un processus compliqué et il n’y a pas également des règles ou des moyens consensuels en IC (Ingénierie des Connaissances). Malgré cela, plusieurs travaux ont proposé des méthodes et des moyens pour construire des ontologies. Dans cette section, nous allons montrer les méthodes de construction des ontologies les plus utilisées, Parmi ces méthodes on trouve :ENTEREPRISE Ontology[Uschold95],TOVE[Gruninger95],METHONTOLOGY[Fernandez97] etOTK« OnToKnowledge » [Staab01].
2.2.1 ENTERPRISE :Uschold et King’s [Uschold95] ont proposé un prototype d’une méthode fondée sur l’expérience de construction d’ontologies dans le domaine de la gestion des entreprises. De ce fait, la méthode ENTERPRISE s’appuie sur les quatre étapes suivantes: (1) la définition du rôle et la portée de l’ontologie. (2) l’identification des concepts et des relations essentielles et des définitions temporaires de ces éléments, codage de l’ontologie dans un langage adapté, l’intégration des ontologies existantes, dans cette étape, l'ontologie est effectivement bâtie. (3) l’évaluation de l’ontologie. (4) la rédaction d’une documentation et une trace des actions accomplies lors des distinctes étapes.
2.2.2 TOVE :La méthode de Grüninger et Fox [Grüninger95] est basée sur l’expérience du déploiement de l’ontologie du projet TOVE (TOrento Virtual Enterprise). Elle conduit à la construction d’un modèle logique de connaissances. Le développement de l’ontologie suit ces étapes: (1) La prise des scénarios de motivation. (2) La formulation des interrogations de capacités informelles.(3) La définition de la terminologie de l’ontologie. (4) L’évaluation de la finalisation de l’ontologie. La méthode TOVE reste spécifiée de façon abstraite, les distinctes étapes et les moyens ne sont pas exposés en détail.
2.2.3 METHONTOLOGY:METHONTOLOGY[Fernandez97] a été déployée au sein du laboratoire d’IA de l’université de Madrid. Son objectif principal est de construire des ontologies au niveau de connaissances. La motivation de ce projet est justifiée par l’inexistence de méthodes ou de guides structurés, ce qui, a conduit à une difficulté remarquable dans le processus de construction des ontologies consensuelles et partagées. De plus, une difficulté pour l’obtention d’une extension pour une ontologie existante ou de la réutiliser par d’autres ontologies. L’approche METHONTOLOGY contient les étapes suivantes [Fernandez97] :
- Spécification:cette étape a pour objectif d’entourer le champ de l’étude de l’ontologie ainsi que son domaine. Pour cela, il faut poser certaines questions sur : le domaine de l’ontologie, ses objectifs, son utilisation et sa maintenance.
- Conceptualisation:cette étape a pour but l’identification et la structuration des connaissances du domaine, par l’utilisation d’un ensemble de représentations intermédiaires semi-formelles (des tables et des graphes), simples et faciles à utiliser et à comprendre par les experts du domaine.
- Implémentation:dans cette étape, nous allons formaliser la conceptualisation acquise dans l’étape précédente en utilisant un formalisme de représentation d’ontologie, par la suite il faut coder l’ontologie dans un langage d’ontologie formel. La Figure 2.3 résume ces étapes :
Abbildung in dieser Leseprobe nicht enthalten
Figure 2.3 : Cycle de vie d’une ontologie dans Methontology [Fernandez97].
2.2.4 OTK :OTK(On-To-Knowledge) [Staab01] est un projet qui a proposé l'application des ontologies aux informations et ressources textuelles disponibles sur internet, extranet et en intranet. Le but était d'améliorer la qualité de la gestion de la connaissance dans les organisations distantes. Elle englobe cinq étapes : (1) l’étude de faisabilité, (2) la description des spécifications des besoins, (3) l’affinement, (4) l’évaluation, (5) et la maintenance.
En fin, pour montrer l’apport de chaque méthode, nous nous sommes référés à une étude comparative faite dans [Keita07]. La table 2.1 donne un résumé de cette étude comparatif accomplie sur toutes les méthodologies précédentes.
Table 2.1 : Comparaison des méthodes de développement des ontologies [Keita07].
Abbildung in dieser Leseprobe nicht enthalten
D’après la table précédente, nous remarquons que METHONTOLOGY est l’approche qui satisfait tous les critères de comparaison. La plupart des approches ont donné une importance aux activités de développement et l'implémentation de l'ontologie, elles ont négligé d'autres activités importantes liées à la gestion, à l'évolution et à l'évaluation des ontologies. Par ailleurs, la plupart des approches sont très spécifiques et leurs utilisations sont réduites chacune, à un domaine unique.
Aussi, la plupart des approches ne disposent pas d’outil spécifique qui leur donne le support technique. De plus, aucun des outils disponibles ne couvre toutes les activités nécessaires dans la construction d'ontologie. Toutefois, METHONTOGOLY semble la plus efficace parmi toutes les méthodes proposées.
3. FORMALISATION DES ONTOLOGIES : FORMALISMES DE REPRESENTATION
La représentation efficace des connaissances liées à un domaine spécifique admet la définition et le codage des entités de ce domaine dont l’objectif de les rendre compréhensible par une machine, et ceci, pour faciliter le processus de raisonnement [Lekhchine09]. Pour ce faire, plusieurs formalismes ont vu le jour par L’IA. Les plus connus sont : Les frames, Les graphes conceptuels et les logiques de description.
3.1 Frames :Ce formalisme a été proposé par M. Minsky [Minsky75]. La structure de données enregistrement de ce formalisme définie une situation et un objet. Pour ce formalisme, l’idée était de collecter toutes les informations essentielles qui correspondent à une situation et de les mettre sous forme d’une structure appeléeframe. Certains auteurs, par exemple Hayes [Hayes79], ont constaté l’inexistence d’une sémantique formelle dans ce formalisme et ont exposé qu’une fois correctement formalisé, ce formalisme est une forme syntaxique de la logique de prédicat du premier ordre. GRUBER [Gruber95] était parmi les premiers ayant considéré ce formalisme comme langage de représentation d’ontologies. Le principe de ce modèle est de diviser les connaissances d’un domaine en classes (frames) qui représentent les concepts du domaine. À un frame est lié un ensemble d’attributs (slots), chaque attribut peut prendre ses valeurs parmi un ensemble de facettes.
Exemple de frame :
Abbildung in dieser Leseprobe nicht enthalten
3.2 Graphes Conceptuels :au début des années 80, J. SOWA [Sowa84] a proposé le modèle des Graphes Conceptuels (GC). Le GC est un modèle opérationnel de représentation de connaissances qui fait partie de la famille des réseaux sémantiques. Ce dernier est développé par M. Quillian [Quillian68] pour représenter la sémantique du langage naturel. Ce formalisme possède une représentation de graphe où les nœuds définissent des concepts et des individus. Ces nœuds sont reliés par des arcs étiquetés. Il y a deux sortes d’arcs : les arcs de propriété qui attribuent les propriétés à des concepts ou à des individus et les arcs IS-A qui représentent les relations hiérarchiques entre des concepts ou entre des individus. Coté mathématique, le modèle des GCs est basé sur la logique et la théorie des graphes [Sowa84]. Il est divisé en deux parties: une partie terminologique destinée au vocabulaire conceptuel des connaissances à représenter et une partie assertionnelle destinée à la représentation des assertions du domaine de connaissance en question.
Exemple de GC :
Abbildung in dieser Leseprobe nicht enthalten
Figure 2.4: exemple d’un graphe conceptuel.
3.3 Logique De Description (LD) :la LD a pour objectif de minimiser les temps de réponse. De ce fait, plusieurs travaux ont été publiés, de nombreuses recherches qui s’intéressent à l’étude du rapport expressivité/performance des différentes LDs [Nardi03]. Dans ce qui suit, nous allons voir, un peu d’historique sur les LDs, Les deux niveaux de description et le processus d’inférence.
[...]
- Citation du texte
- Salima Bourougaa-Tria (Auteur), 2019, Ontologie et Web Sémantique, Munich, GRIN Verlag, https://www.grin.com/document/476903
-
-
-
-
Téléchargez vos propres textes! Gagnez de l'argent et un iPhone X. -
-
Téléchargez vos propres textes! Gagnez de l'argent et un iPhone X. -
-
Téléchargez vos propres textes! Gagnez de l'argent et un iPhone X. -
-
Téléchargez vos propres textes! Gagnez de l'argent et un iPhone X. -
-
Téléchargez vos propres textes! Gagnez de l'argent et un iPhone X. -
-
Téléchargez vos propres textes! Gagnez de l'argent et un iPhone X. -
-
Téléchargez vos propres textes! Gagnez de l'argent et un iPhone X. -
-
Téléchargez vos propres textes! Gagnez de l'argent et un iPhone X. -
-
Téléchargez vos propres textes! Gagnez de l'argent et un iPhone X. -
-
Téléchargez vos propres textes! Gagnez de l'argent et un iPhone X. -
-
Téléchargez vos propres textes! Gagnez de l'argent et un iPhone X. -
-
Téléchargez vos propres textes! Gagnez de l'argent et un iPhone X. -
-
Téléchargez vos propres textes! Gagnez de l'argent et un iPhone X. -
-
Téléchargez vos propres textes! Gagnez de l'argent et un iPhone X. -
-
Téléchargez vos propres textes! Gagnez de l'argent et un iPhone X. -
-
Téléchargez vos propres textes! Gagnez de l'argent et un iPhone X. -
-
Téléchargez vos propres textes! Gagnez de l'argent et un iPhone X. -
-
Téléchargez vos propres textes! Gagnez de l'argent et un iPhone X. -
-
Téléchargez vos propres textes! Gagnez de l'argent et un iPhone X.