Vous êtes sur la page 1sur 17

Ontologies dans les systmes

d'information et de gestion de
connaissances

Ingnierie des connaissances

Quelques mots sur les problmes de lingnierie


de la connaissance, sa relation avec les ontologies
et sur les systmes base de connaissances.

Introduction et fondements de la
modlisation base sur des ontologies.
Application aux systmes dinformation.
1

Informatique & connaissances

Ingnierie des connaissances

Informatique: science du traitement rationnel, notamment


par machines automatiques, de l'information considre
comme le support des connaissances humaines et des
communications

Assister des utilisateurs de connaissances dans leurs


tches individuelles ou collectives;
Scnarios de KM / gestion de connaissances:
dtecter, expliciter, sauvegarder, diffuser & grer
Types de problmes rsolus:
recherche et diffusion dinformation, aide
lanalyse/diagnostic, aide la conception, intgration
et fusion de donnes, aide la dcision, aide la
maintenance, aide lenseignement, aide la veille et
intelligence stratgique, validation, etc.

Gestion et traitement des signifiants: interface, documents


multimdias, etc.
Interprtation signifiant signifi: traitement de la langue
naturelle, analyse dimages/vidos, etc.
Gestion et traitement des signifis: reprsentation des
connaissances, moteurs dinfrence, etc.

Ingnierie des connaissances [Aussenac-Gilles & Charlet]

Ingnierie des connaissances

LIngnierie des connaissances intervient pour

Intelligence artificielle

Dfinir une aide lutilisateur (mthodes, outils logiciels ou non,


organisation du travail)
Modliser des connaissances, individuelles ou collectives, explicites
ou implicites, stabilises ou volutives, expertes ou techniques
Rendre ces connaissances accessibles sous une forme dfinie en
fonction du contexte, oprationnelle ou non

Connaissances formalises & reprsentations symboliques


Infrences automatises & intelligence simule

Dclarativit : Sparation

[Aussenac-Gilles & Charlet]

connaissances / mcanismes d'exploitation (contrle)


base de connaissances (faits + rgles) / moteur
connaissances dclaratives / connaissances procdurales

La recherche en Ingnierie des connaissances produit


Des mthodes et des techniques de recueil, danalyse et de
structuration des connaissances
Des plates-formes de modlisation
Des reprsentations des connaissances oprationnelles ou non

Expressions symboliques

[Aussenac-Gilles & Charlet]

manipules par l informatique en fonction de leur syntaxe


interprtes par l humain en tant que connaissance
5

Ingnierie des Connaissance

Ingnierie des Connaissance

Hritire des systmes experts IA annes 80

Systmes experts Systmes Base de Connaissances

Connaissances dans la tte des experts


criture des rgles de l'expert
Systme expert (dduction / analyse)

Connaissance pas forcment explicite


Construction collective de modles
De la simulation d'expert l'aide l'usage
Cot de construction et goulet dtranglement de acquisition

Systmes d'informations & documentaires


Acclration & augmentation accs l'information
La connaissance = ressource stratgique

Solution complte intgrant des systmes base de


connaissances formalises

Intgration de contributions pluridisciplinaires


Mthodologie globale, outils pour chaque tche
valuation et Contrle
Reproductibilit et Formation

Donne

Quest-ce que la connaissance ?


(question difficile)

10

chelle : donne

Information

perception, signal, lment de base dans une interaction


11

12

chelle : Information

Connaissance

donnes structures avec leur convention


13

chelle : Connaissance

14

Dfinitions ascendantes

dfinitions
ascendantes
dfinitions
descendantes...
information avec son contexte: interprtable utilisable

connaissance intemporelle
15

Dfinitions descendantes

16

Dfinitions descendantes

connaissance exprime (en transit) suivant une


convention

lment de base du codage d'une information


17

18

Vitesse de la lumire

nergie

masse

19

20

Interprtation
e
m
c

Vitesse de la lumire

nergie

reprsente une quantit d'nergie


reprsente une masse
est le carr de la vitesse de la lumire
expression d'une quivalence entre ces quantits

Interprtation et infrences : Masse et nergie sont


diffrentes manifestations de la mme chose. De plus,
une petite quantit de masse peut tre convertie en une
trs grande quantit d'nergie et vice versa.

masse

21

22

Maxime tait sur le chemin de l'cole, portant son sac


charg de tout son matriel scolaire pour la journe.

Maxime tait sur le chemin de l'cole, portant son sac


charg de tout son matriel scolaire pour la journe. Son
regard flou trahissait un esprit proccup ; la perspective
de l'examen de maths de cet aprs-midi ne cessait de
l'inquiter.

Maxime tait sur le chemin de l'cole, portant son sac


charg de tout son matriel scolaire pour la journe. Son
regard flou trahissait un esprit proccup ; la perspective
de l'examen de maths de cet aprs-midi ne cessait de
l'inquiter. Ayant chang, cette anne, la leon
d'introduction aux fonctions trigonomtriques pour ses
lves de 3ime, cet examen rvlerait les rsultats de sa
nouvelle pdagogie.

Maxime tait sur le chemin de l'cole, portant son sac


charg de tout son matriel scolaire pour la journe. Son
regard flou trahissait un esprit proccup ; la perspective
de l'examen de maths de cet aprs-midi ne cessait de
l'inquiter. Ayant chang, cette anne, la leon
d'introduction aux fonctions trigonomtriques pour ses
lves de 3ime, cet examen rvlerait les rsultats de sa
nouvelle pdagogie. Ses 25 ans d'exprience lui
confirmaient que ces notions comptaient parmi les plus
difficiles enseigner.

Maxime tait sur le chemin de l'cole, portant son sac


charg de tout son matriel scolaire pour la journe. Son
regard flou trahissait un esprit proccup ; la perspective
de l'examen de maths de cet aprs-midi ne cessait de
l'inquiter. Ayant chang, cette anne, la leon
d'introduction aux fonctions trigonomtriques pour ses
lves de 3ime, cet examen rvlerait les rsultats de sa
nouvelle pdagogie. Ses 25 ans d'exprience lui
confirmaient que ces notions comptaient parmi les plus
difficiles enseigner. Elle en tait l dans ses rflexions
lorsqu'elle entra dans la classe pour redevenir Madame
la professeur de Mathmatiques

Ides fortes [Aussenac-Gilles & Charlet]


Connaissance = interprtation humaine
Il y a connaissance et reprsentation des
connaissances quand les manipulations symboliques
effectues par la machine via des programmes,
prennent un sens et une justification pour les
utilisateurs interagissant avec ces programmes
Connaissance = f (support=outil informatique)
La pense repose sur la mdiation externe du signe. La
technique (ici linformatique), par ses outils et ses
capacits de mmorisation, permet alors lhomme de
se constituer des connaissances qui voluent et
saccumulent et nexisteraient pas sans cela

28

Ides fortes [Aussenac-Gilles & Charlet]

Ides fortes [Aussenac-Gilles & Charlet]

Connaissances action
Il y a prsomption de connaissances, si la facult
dutiliser linformation bon escient est atteste. La
connaissance est ainsi lie laction.
Connaissance=f (contexte)
Il y a connaissance quand il y a contexte dutilisation
de linformation
Connaissance=f (tche)
La connaissance a priori nexiste pas : elle est
construite partir dun projet propre au modlisateur.

Les systmes base de connaissances ne manipulent


pas des reprsentations de connaissances, mais des
expressions symboliques ou inscriptions
Les rgles formelles de manipulation ne sont pas les
rgles de linterprtation; le calcul formel nest pas une
explicitation du sens mais une rcriture symbolique
La manipulation symbolique automatique construit
des inscriptions dont linterprtation permet
lutilisateur deffectuer une tche donne
Les Systmes Base de Connaissances sont des
systmes techniques plongs dans des systmes
dusages
29

30

Rsumons

Reprsentation des connaissances

Le sens n'existe que pour ceux qui peuvent interprter


(intelligence et intelligible)
La connaissance est holistique et linterprtation est
contextuelle
Une notion na pas de sens par elle-mme: elle prend
son sens dans sa relation avec les autres.
(exemple: achat)
Peut s'exprimer dans des systmes symboliques
suivant des conventions
Contexte, hypothses, postulats, axiomes, etc. pour
couper dlimiter extraire.

Rendre compte d'un domaine particulier sous une


forme manipulable par la machine
Langages
&
Op
Oprateurs
Connaissances
&
Intelligence

Formalisation

Mod
Modles
Manipulations
&
Inf
Infrences

Interprtation

Une des activits tudies en ingnierie des


connaissances

31

Dfinitions

[Charlet,
Charlet, Zacklad,Kassel]
Zacklad,Kassel]

L'ingnierie des connaissances:


L'tude de modles symboliques formels plongs dans
des systmes d'usage; c'est l'ingnierie informatique et
logique de modles en fonction des usages qu'il
rendent possibles et des appropriations qu'ils
permettent.
Les systmes base de connaissances:
Systme de manipulation d'inscription pour peu que
cette manipulation soit apprhende et explicitement
modlise en fonction des usages et des fonctions
qu'elle autorise.

32

Les questions ding. connaissances

[Charlet,
Charlet, Zacklad,Kassel]
Zacklad,Kassel]

Quels modles prvoir en amont des bases de


connaissances ?
Quels langages et formalismes pour dcrire les
modles ?
Comment construire les modles ncessaires une
application? Quelles tapes et quels outils ?
Comment passer du modle lapplication ?
Que devient le modle en phase de maintenance ?
Autres utilisations du modle ?

33

Dfinitions pour la suite

34

Connaissances gnrales

Reprsentation connaissances:
construction de modles dont la smantique repose
sur des ontologies et dont l'implantation repose sur la
logique de systmes symboliques

Connaissance gnrale / de fond


Contexte gnral / vrits existentielles
Typiquement une connaissance ontologique : elle
porte sur des attributs caractristiques d'une catgorie
d'objets
Contexte applicatif fixe ce qui est gnral

Simulation dinfrences:
oprations de manipulation de ces systmes
symboliques, interprtables grce la smantique
associe ces systmes symboliques

il fixe la porte de la conceptualisation (ex. ch. 313)


il fixe l'envergure de l'ontologie
35

36

Situations de communication

Le dernier document que vous avez lu ?

Niveau 1

Dialogue:
" - On a un document sur l'analyse des marques de freinage ?
- Il y a le rapport d'expertise de Jrme Delacord du
D.E.T.A. la bibliothque.
- OK, Merci ! "
Gnralisation de la requte au concept de document
recouvrant toutes les formes de rponses acceptables.
Utilisation de la taxonomie de types de concepts pour en
dduire qu'un rapport est un document et qu'une
expertise est une analyse i.e. rponses pertinentes.
Taxonomie implicitement partage: la deuxime personne
suppose que sa rponse sera comprise et elle l'est.

Franais et Russe, appel tel : 00 7 505 903 78


Canal de communication

Niveau 2

"c'est une bolle ce violonneux"


"c'est un crack ce violoniste"
"je te fais ton lavage comme du monde"
"je te fais ta lessive nickel chrome"
"il faut que j'aille remplir la chaudire"
"il faut que j'aille remplir le seau"
Syntaxe, termes, notions et relations

Qubcois
Franais
Qubcois
Franais
Qubcois
Franais
Cest ici que les
ontologies attaquent

Niveau 3
"Allo ?... Allo ? ... y'a quelqu'un ?"
Protocoles d'interactions

37

Reprsenter les connaissances


Ontologies:

Annotations:

Femme

Homme: #devaux

nom

Requtes:

Rutilisation

titre

nom

Crer et conserver des bases de connaissances rutilisables


Assembler des bases de connaissances partir de modules
rutilisables

Dvaux

Sujet:Gntique

intrt

Rgles:

Intrt des ontologies [Charlet - RFIA 2002]

dsignation

Humain
Homme

38

Humain:?x

membre

Humain:?y

membre

Humain:?x

collgue

Homme:# devaux

Groupe:?g

Partage de la connaissance et communication


Assurer linteroprabilit entre diffrents systmes
Permettre lchange de connaissances entre systmes

Humain:?y

intrt

Sujet:?t
39

40

Pluridisciplinarit

Systme Base de connaissances [Corby]


Base de connaissances

Analyse de besoins, scnarios, use cases...

ontologie : concepts, proprits, relations, modles


Le patient
(causaux, structurels, ...)
#p23 a
39,5C

base de faits

ontologie

Moteur d'infrences
Module d'explication
Module de vrification
de la cohrence

Base de
connaissances

faits

moteur

une temprature
>38C malade

Un patient ne
peut avoir quune
temprature

dinfrences

vrification

Le patient
#p23 est
malade

#p23 a 39,5
> 38 donc explications
malade
41

Gntique: modlisation biologique lourde


Accidentologie: collaboration & multi points de vue
Veille : modle documentaire & organisationnel
Ressources Humaines: gestion & conomie

Identification (Gnie logiciel, Scnarios, ...)


Acquisition (Linguistique, Recueil, )
Modlisation (Philosophie, Psychologie, )
Formalisation (Graphes, Langages Objets, )
Infrences (Logique, Programmation )
Interactions (Ergonomie, Sociologie, )
42

Pluridisciplinarit encore

A suivre

Au-del de la techno:

Sociologie (dimension collective)


Management (politique, formulaires)
Communication (Ergonomie,IHM)
Linguistique, Psychologie...

Notion de solution complte


Intgration des lments de solutions pluridisciplinaires
pour une solution complte
Mthodologie complte, outils
valuation et Contrle
Reproductibilit et Formation
43

44

Exemple dAmbigut
Accidentologie: analyse des accidents
ex. L'accident qui ft augmenter la MAIF

Un artefact appel ontologie


voiture / automobile

Dfinition dune ontologie en informatique,


prsentation de sa nature, son contenu, son
statut et sn contenu.
voiture / wagon passager

VOITURE: n.f. Vhicule de transport automobile


conu et amnag pour le transport d'un petit nombre
de personnes : les enfants et moi avons pris la voiture
pour arriver l'cole l'heure. Syn. de automobile
| | Dans le domaine des chemins de fer une voiture
est un vhicule (gnralement non automobile)
transportant des voyageurs avec une capacit pouvant
aller bien au-dessus de la cinquantaine de personnes
(en particulier une voiture deux tages) ; elle a au
minimum quatre roues et en gnral huit et elle
s'oppose au wagon qui transporte des marchandises.
| | Dans le domaine hippique la voiture est vhicule
de transport hippomobile ex: un attelage, un fiacre,
une roulotte | | Dans le domaine minier la voiture
dsigne un chariot

45

46

Example of ambiguity

Lambigut - du terme au concept

Situation: manager of a pharmaceutical project

Quel est le problme

Thursday morning in the corridors of my institute


"What is the Balance of the project ?"

Homonymie = un terme
pour deux concepts
Cas contraire?
Synonymie = deux termes
pour un concept
Courant ?

Signifiant / Signifi
Terme, icne, etc.
Concept, relation, etc.
Thomson, precise to 0,20 mg

Balance of 1.5 million


47

48

Dfinitions de base (Notion/Concept)

Le terme OK mais le concept?


1.
2.
3.
4.
5.
6.
7.

Fermez les yeux, ne les rouvrez pas avant la fin.


Imaginez une poule.
Remplacez sa tte par une tte humaine
caractristiques exactes?
Taupe + queue de castor + bec canard aplati
ornithorynque
Imaginez une politique, les mammifres, etc.
Imaginez une odeur dalgue.
Ouvrez les yeux.

Percepts/expressions, concepts/interprtation
caractristiques, abstractions

49

Notion: toute unit de pense || la notion est utilise pour


structurer la connaissance et la perception du monde extrieur
et n'est pas forcment exprime.
Concept: notion exprime en gnral par un terme ou par un
symbole littral ou autre || le concept reprsente un
ensemble d'objets, d'tres, et leurs proprits communes
Extension d'un concept: ensemble des tres qu'un concept
englobe i.e. ensemble de ses instances
Comprhension / Intension d'un concept: l'ensemble des
attributs, proprits communes tres qu'un concept englobe
Terme: mot ou ensemble de mots ayant, dans une langue
donne, une signification prcise et exprimant une ide
dfinie.

50

Dualit intension et extension


termes
"voiture", "caisse", "auto",
"bagnole", "tire", "tacot",
"automobile", ...
compr
comprhension / intension
vhicule de transport automobile
conu et amnag pour le transport
d'un petit nombre de personnes

NB: id / libell formel du concept


est souvent issu des termes pour
des raisons pratiques (dbogage,
prototypes...) mfiance les termes sont
tratres !!!

Axiome: des intensions incluses I1 I2


correspondent des extensions incluses E1 E2.
Exemple sur voiture et vhicule

symbole iconique

la notion de 'voiture' (I2) inclut la notion de 'vhicule' (I1)


l'extension de voiture

concept #x23

(E2)={la voiture d'Alain, la voiture de Rose}

est incluse dans l'extension de vhicule

extension
- la 206 cc 3124 SH 45
- la clio 16S de Tom
- le Galaxy bleu gar
en bas l'entre
- ...

(E1)={le camion d'Olivier, la voiture d'Alain, la


voiture de Rose, le vlo de Ludo}

Dfinition (voiture) Dfinition (vhicule)


Ensemble {voitures} Ensemble {vhicules}
52

Ne pas lire le panneau suivant.

Smiotique de Peirce [Sowa]


Les 3 types de signes:

Je rpte: regardez le panneau sans le lire.

l'icne: montre la forme de quelque chose


l'indice: pointe vers quelque chose
le symbole: reprsente en utilisant une convention

Perdu !
iconique

53

indiciel

symbolique

Un signe est une entit qui reprsente une autre entit pour
un agent
syntaxe: relations entre signes (signifiants)
smantique: relations entre le signe et le signifi
pragmatique: relations entre le signe et l'utilisateur

54

Triangle du sens [Sowa]

Composition horizontale [Sowa]

Triangle du sens (Ogden and Richards 1923)

Emboter les triangles ex. passer de l'objet des


reprsentations de plus en plus de bas niveau :

Dj vu : l'ambigut terme - concept


Nouveau phnomne intressant: intension des
concepts et diffrents points de vue ex:
toile du matin, toile du soir, Vnus (Fredge)
55

56

Composition verticale [Sowa]

Dfinitions de base (Relation)

Niveau mta : monter d'un cran dans l'abstraction

Relation : notion d'association ou de lien s'tablissant entre


des concepts, exprime en gnral par un terme ou par un
symbole littral ou autre.
Extension d'une relation: l'ensemble des ralisations
effectives de cette relation entre des tres i.e. ensemble de ses
instances
Comprhension / intension d'une relation: l'ensemble des
attributs, proprits communes toutes les ralisations d'une
relation.
Signature d'une relation: l'ensemble des concepts pouvant
tre lis par la ralisation effective d'une relation.

reprsentation

dsignation
57

symbole
iconique
termes
"a crit", "auteur de",
"crivain de"
compr
comprhension / intension
Personne ou groupe qui a cr un
document, son contenu intellectuel,
son arrangement ou sa forme
extension
- Hugo a crit "Notre Dame de Paris"
- Jean Markale est l'auteur d'un cycle
sur le Graal
...

relation #y8
c.f. N.B.

58

Expression implicite d'une relation


titre du livre ?
auteur du livre ?
convention graphique
de reprsentation
de la relation

signature
personne, groupe
document
60

10

Ontologie
Branche de la philosophie qui s'intresse la qualit
d'tre, la notion d'existence et ses catgories
fondamentales [Wikipedia].
Partie de la philosophie qui a pour objet l'tude des
proprits les plus gnrales de l'tre [Acadmie].
Exemple de questions ontologiques:
quest-ce qui fait quune entit existe?
quest-ce qui en fait un objet physique?

Lien direct avec notre conception de la ralit:


notre conceptualisation
62

Ontologie ontologie

ontologie

le terme a 15 ans d'existence en IA


l'ide rde depuis 25 ans en IA
la notion a 2300 ans en Philosophie (Aristote)...

En informatique une "ontologie" est un objet et non


une science comme lOntologie.
Rsultat d'une formulation exhaustive et rigoureuse
dune conceptualisation.

Les logiciels conventionnels sont construits sur une


conceptualisation implicite [Misoguchi et al., 1997]
Dfi:

organisation hirarchique des concepts pertinents,


relations qui existent entre ces concepts,
des rgles et axiomes qui les contraignent.

Construire sur des conceptualisations explicites.


De l'Ontologie (philosophique) lingnierie des ontologies
Adapter des mthodes de la philosophie pour proposer des
mthodes d'ingnierie ontologique
Dveloppement mthodologique depuis l'adoption du
terme ontologie par l'informatique au dbut des annes 90.

Description de l'existant et de ses catgories exploite


dans des solutions informatiques
mcanismes de raisonnement dductif, classification
automatique, recherche d'information, interoprabilit
63

64

Gomez-Perez et al. 2003

Dfinitions de base (Ontologie et Conceptualisation)

Dfinitions bases sur le contenu

Ontologie: branche de la philosophie qui s'intresse la


nature et l'organisation de la ralit [Guarino, Giaretta] || partie de
la mtaphysique qui s'applique l'tre en tant qu'tre ,
indpendamment de ses dterminations particulires.

La spcification du sens associ un vocabulaire: dfinitions, liens et


relations, structure du domaine et interprtation. [Uschold & Jasper, 1999]
Un ensemble daxiomes logiques conu pour rendre compte du sens
associ un vocabulaire. [Guarino, 1998]

Dfinitions bases sur la mthode de construction


Conceptualisation commune tout ce qui est reprsent dans une
base de connaissances. [Bernaras et al, 1996]
Construites de faon cooprative par diffrentes personnes [Gomez-

Ontologie Formelle: le dveloppement systmatique,


formel et axiomatique de la logique de toutes les formes et
faons d'tre [Guarino, Giaretta]

Perez et al, 2003]

Dfinitions bases sur lutilisation envisage


Squelette dune base de connaissances [Swartout et al, 1997]
Connaissance rutilise et partage (personnes et applications) [GomezPerez et al, 2003]

Dfinitions bases sur le statut / la porte


Capture une connaissance consensuelle de faon gnrique [GomezPerez et al, 2003]

65

Conceptualisation: structure smantique intensionnelle


encodant les rgles implicites qui contraignent la structure
d'une part de ralit || processus de cration de cette
structure

66

11

Dfinitions de base (ontologie)

Aux grands mots les grands remdes

une ontologie: une thorie logique donnant un


compte-rendu explicite mais partiel d'une
conceptualisation [Guarino, Giaretta] || en ingnierie des
connaissances, cette thorie fournit les primitives
utilises pour formaliser un ensemble de
connaissances, ainsi que leur signification [Charlet,

paleo
ancien

ontos
tre

logos
discours

Lontologie informatique
une
pal
science qui tudie les tres et organismes vivants ayant
exist au cours des temps gologiques.

Zacklad, Kassel, Bourigault]

tat des choses / situation (state of affairs):


description d'une situation relle l'aide des primitives
ontologiques

tude des proprits gnrales de ce qui existe.


reprsentation de ces proprits dans un formalisme
supportant un traitement rationnel

67

68

Dfinitions de base
ingnierie ontologique: branche de l'ingnierie des
connaissances qui exploite les principes de
l'Ontologie (formelle) pour construire des ontologies.
ontologue / ontologiste: personne qui construit des
ontologies ou dont le travail est en relation avec
l'ingnierie d'ontologies.
engagement ontologique: accord sur la signification
capture par l'ontologie et sur une utilisation du
vocabulaire conceptuel qu'elle fournit qui soit
cohrente avec la thorie spcifie.

Contenu dune ontologie


Visite guide des types de
connaissances reprsentes dans une
ontologie

69

Rles dans films


de fictions

70

Description d'une situation

g
b
b
b
c
f
f
cg
g

Etres Vivant
Espce
y x souscatgorie
x de y

<b>
<1>
<g/>
</1>
</b>

g gg
ggg

b
f
b
fc
b
c
b
f
c

E.T.

Humain

Age

f
f
f
fff

c
b
b
b
c
b
c
b
c
Sexe

b
bb
b
bb
Homme

Adulte

Enfants

ccc
c
cc
Femme

E.V

David Vincent les a vu


b

1
voir
E.V
71

72

12

Exemple d'utilisation

Exercice sur une taxonomie

Rechercher une scne o un acteur observe quelque


chose.

Situation : aide au reprage des espces prsentes


dans muse sciences naturelles.
modlisation de l'infrastructure
modlisation du domaine
exercice organisez ces
poissons
insectes
espces:
animaux
chat
baleine
cigale
crocodile
kiwi
truite
araigne
chien
choix d'une structure
ajoutez des catgories si vous le jugez ncessaire

Requte

b
b

Base

73

Comparons

74

A propos de la taxonomie

animal

Taxonomie : squelette des ontologies ?


insecte

arachnen

cigale

araigne

mammifre

reptile

poisson

oiseau

crocodile

truite

kiwi

taxonomie : classification base sur les similarits


naturelle pour l'homme association & abstraction

baleine

chien

base de deux infrences lmentaires:


identification : capacit reconnatre la classe d'un objet partir
de ses caractristiques.

chat

Spcialisation/gnralisation: capacit prendre en compte les


catgories plus prcises que celles en jeu.

Les cas baleine, crocodile et araigne


y a-t-il erreur ?
notion de domaine de modlisation.
notion de composant d'une solution complte

Seule structure ? Ontologie = Taxonomie ?


Non ! simplement trs courante

Le cas du Kiwi: ne jamais croire un terme


seule la dfinition fait foi

75

Exemple de partonomie

Taxonomie & partonomie

organisation par composition


donc nouveau type de lien (transitif rflexif)
CH4

C2H6

mthane

thane

CH3-OH
mthanol

C2H6-OH
thanol

y
x

76

l'lment x est inclus


dans l'lment y
Hierarchical model of the shape of the human body. D. Marr and H.K.
Nishihara, Representation and recognition of the spatial organization of
three-dimensional shapes, Proc. R. Soc. London B 200, 1978, 269-294).

CO2

-CH3
mthyle

O2

dioxyde de carbone dioxyg


dioxygne

C
carbone

O3

-OH

ozone

ph
phnol eau

O
oxyg
oxygne

recherche "hydrogne sur la lune" ?

H2O

H2

Thing

dihydrog
dihydrogne

Mineral objects

Organic objects

Stones

Limb

Hand
Arm
Forearm
Upper arm

hydrog
hydrogne

Individual
77

Human
78

13

Autres possibilits de contenu

Formalisation: la forme et le fond

Pousser plus loin l'utilisation d'une logique:

Logiques des prdicats


(x) (Roman(x) Livre(x))
Graphes Conceptuels
Roman < Livre
Langages objets
public class Roman
extends Livre
Logiques de descriptions

personne (x) < tre_vivant (x)


directeur (x) := personne(x)
organisation(y) dirige (x,y)

Types primitifs / dfinis, axiomes rgles

Modles causaux:

manger sal = cause de soif


soif = cause pour boire
manger sal = cause pour boire

livre
roman
livre
roman

Roman (and Livre (not Essai))

Parfois des instances / objets globaux

Web Semantique RDFS et OWL

ex. constantes (g, c, etc...)


objet unique ex. un thme "les mathmatiques"

79

<rdfs:Class rdf:ID="Roman">
<rdfs:label xml:lang="en">novel</rdfs:label>
<rdfs:label xml:lang="fr">roman</rdfs:label>
<rdfs:subClassOf rdf:resource="Livre"/>
</rdfs:Class>

Quelques extraits dontologies (1/6)

Quelques extraits dontologies (2/6)

Frames (Ontolingua):

Graphes conceptuels:

80

nom < dsignation

(define-class human (?human)


:def (animal ?human))

[Relation: VivreA] -> (Def) ->


[LambdaExpression: [Personne: 1] <- (Agent)
<- [Habiter] -> (Emplacement) -> [Lieu: 2] ]

Graphes conceptuels:
Personne < EntitVivante

Frames (Ontolingua):

[Relation: GoingTo]->(Def)->[LambdaExpression:
[Person: 1]<-(Agnt)<-[Go]->(Dest)->[City: 2] ]

(define-class female-person (?person)


:iff-def (and (human ?person)
(= (gender ?person) female)))

Frames (Ontolingua)

Graphes conceptuels:
[Concept: Directeur]->(Def)->[LambdaExpression:
[Personne: ] -> (Diriger) -> [Groupe]]

Logiques de descriptions:

(define-relation has-parent (?child ?parent)


:def (and (person ?child) (person ?parent)))
(define-relation has-mother (?child ?mother)
:iff-def (and (has-parent ?child ?mother)

(defconcept Man (?p Person) :<<=>>


(and (Person ?p) (= (gender ?p) MALE)))

(female ?mother)))
81

82

Quelques extraits dontologies (3/6)

Quelques extraits dontologies (4/6)

Cardinalit (Frames):

Proprits algbriques (Ontolingua):

(define-class Author (?author)


:def (and (person ?author)
(= (value-cardinality ?author author.name) 1)
(value-type ?author author.name biblio-name)
(>= (value-cardinality ?author
author.documents) 1)
(<=> (author.name ?author ?name)
(person.name ?author ?name))))

(define-relation friend (?a ?b)


:axiom-def (symmetric-relation friend))

Relation inverse:
(define-relation included-in (?a ?p)
:axiom-def (INVERSE included-in contains))

Axiomes (Frames):
(define-axiom Composite-Consistency
:= (<=> (included-in ?a ?p) (contains ?p ?a))

Assertions par dfaut (Ontolingua):

(define-class american (?person)


:default-constraints (owns-tv ?person))

Connaissance existentielle (DL & Graphes Concept.)

Disjonctions (DL)

(defprimconcept MALE) (defprimconcept FEMALE)


(disjoint MALE FEMALE)
83

(defconcept Person (?p Thing)


:=> (and (exists (?m) (and (Woman ?m)
(= (mother ?p) ?m)))))
[Car: ]->(Has)->[SteeringWheel]

84

14

Quelques extraits dontologies (5/6)

Quelques extraits dontologies (6/6)

Contraintes (DL)

Rgles de production:
Si

(defrelation
:=> (> (age
(defrelation
:<<=>> (and

child ((?p Person) (?c Person))


?p) (age ?c)))
son ((?p Person) (?s Man))
(Person ?p) (Man ?s)
(= (child?p) ?s)))

?person author ?doc


?doc rdf:type PhDThesis
?doc concern ?topic

PhDThesis
?person

concern

author

Person
?person

Topic
?topic

Alors

Fonctions (Frames):

?person expertIn ?topic


?person rdf:type PhD

(define-function price (?car ?power ?days)


:-> ?amount
:def (and (Car ?car) (Number ?power)
(Number ?days) (Number ?amount)
(Rate ?car ?rate))
:lambda-body
(* (+ ?rate (* 0.1 ?power)) ?days))

expertIn

PhD
?person

85

Ontologie et interfaces (smiotique)

Chinois Anglais [Sowa]

Les notions c'est bien; avec les termes c'est mieux.

Ch : chinois (aussi sha japonais)

La tendance oublier les termes (ou plus gnralement les


signifiants) dans les domaines formels creuse l'cart
conceptuel avec l'utilisateur
Les termes et la langue sont le moyen d'accs privilgi des
utilisateurs de l'ontologie. Il faut donc les garder et les
structurer. Documenter (Dublin Core).
Diffrents termes utiliss en fonction des profils
Les termes ne naissent pas tous gaux en droit
Opinion de Sowa sur les 'salient terms'
ex. Chien < vertbr < animal

Les accs l'ontologie font partie de l'ontologie


(termes, df. naturelle, exemples, doc., source)

86

87

Appelez-moi un Ch ! Je prends le Ch de 5 heure.


J'ai gar ma ch en bas. (petit et inclus dans autres)
J'ai gar mon transport qui roule en bas.
Vhicule (pas les trains) n'existe pas: concept
comprhensible mais pas de terme.

88

Grands types dontologies


Deux visions [Charlet - RFIA 2002]:
Une ontologie est universelle mais diffrente de la base de
connaissance qui elle serait individue, relative, finalise
Nombreuses ontologies pour un systme du monde

Types dontologies
Caractristiques et familles
dontologies existantes

Impossibilit de dlivrer des ontologies universelles incluant tous


les points de vues possibles
Porte la trace de la tche particulire pour lesquelles elles ont t
construites et du raisonnement adopt pour cette tche

Deux poids dontologies [Gomez-Perez et al., 2002] :


Lgres (lightweight): types, hirarchies, proprits
Lourdes (heavyweight): idem + axiomes, contraintes
89

90

15

Buts des ontologies [Van Heijst et al, 1997]

Uschold et Gruninger (1996)

ontologies du domaine rutilisables pour plusieurs


applications sur ce domaine.
ontologies applicatives contiennent des connaissances
du domaine ncessaires une application donne,
elles sont spcifiques et non rutilisables.
ontologies gnriques ou ontologies de haut niveau
(top-ontologies) expriment des conceptualisations
valables dans diffrents domaines.
ontologies de reprsentation ou mta-ontologies
conceptualisent les primitives des langages de
reprsentation des connaissances.

informelle : exprime en langue naturelle.


semi-informelle : exprime dans une forme restreinte et
structure de la langue naturelle ;
semi-formelle : elle est exprime dans un langage artificiel
dfini formellement;
formelle : elle est exprime dans un langage artificiel
disposant dune smantique formelle, permettant de
prouver des proprits de cette ontologie.
le degr de formalisation exig dpend troitement du
degr d'automatisation dans les diverses tches
impliquant l'ontologie
91

Exemples de classifications (1/2)

92

Exemples de classifications (2/2)

(Gomez-Perez et al., 2003):

(Gomez-Perez et al., 2003):


(Klinker et al., 1991)
(Gomez-Perez et al., 2003):

93

Abstraction

Consensus
intra-communautaire

O
nt
ol
og
is
t

es
/P
ab
hi
st
lo
ra
so
it
ph
es

U
au tilis
a
m quo teu
od
r
l tidie s
e
sc n
n
ar
io

m
od Ex
l pe
es r t
m
do s
od
m
l
ai
e
ne
g
n
ra
l

Consensus
inter-communautaire

+
Ddi scnario

94

Caractristiques dexpressivit
Exhaustivit: tendue de la couverture dune ontologie
i.e. quel point le vocabulaire de lontologie couvre les
besoins des scnarios.
ex: chose & relation
Spcificit: profondeur de la couverture de
lontologie i.e. quel point les notions spcifiques aux
scnarios sont prcisment identifies
ex: document & ordre de mission
Granularit: le niveau de dtail des dfinitions dans
lontologie i.e. quel point les notions sont
prcisment et formellement dfinies.
96

16

Exemple granularit [Charlet - RFIA 2002]


Patient:
Patient-Masculin
Patient-Fminin
[Patient] (chrc)
[Patient] (chrc)
[Patient] (attr)
[Patient] (attr)

[Masculin]
[Fminin]
[Sexe] (val) [Masculin]
[Sexe] (val) [Fminin]

Merci.

Granularit: le sexe est-il un attribut?


Deux types de concept, patient et patiente sur lesquels le systme ne
peut rien dire sauf quils sont diffrents ;
Un concept primitif (patient), deux caractristiques diffrentes,
diffrentiant ainsi les deux concepts dfinis.
idem 2e cas mais en plus la diffrence est explicitement lie au sexe
puisque cest une valeur de lattribut.

?
97

Fabien.Gandon
@sophia.inria.fr

98

17