Détermination automatique des relations

sémantiques entre les concepts d’une

ontologie

Mohamed Ben Ahmed MHIRI*, Faïez GARGOURI*, Djamal

BENSLIMANE**

*Laboratoire MIRACL
Institut supérieur d’informatique et du multimédia de Sfax
BP 3030 - 3018 Sfax TUNISIE
{mohamed.mhiri, faiez.gargouri}@fsegs.rnu.tn
** Laboratoire LIRIS
Université Claude Bernard Lyon 1
djamal.benslimane@liris.cnrs.fr

RÉSUMÉ. Les systèmes d’information (SI) actuels sont de plus en plus complexes nécessitant
un énorme travail de modélisation, utilisant une quantité énorme des données. Par
conséquent, les concepteurs sont confrontés à un ensemble de problèmes liés à la
méconnaissance du domaine à modéliser et à la difficulté de déterminer les concepts et leurs
relations. Comme solution, nous proposons l’utilisation des ontologies comme moyen
d’assistance aux concepteurs pendant leur tâche de modélisation. En effet, Le rôle principal
de l’ontologie est d'avoir un consensus sur le vocabulaire à utiliser pour un domaine donné.
Dans cette article, nous présentons une approche de construction des ontologies pour la
conception des SI en insistant sur la détermination automatisée des différentes relations
sémantiques entre les concepts composant une ontologie.
ABSTRACT. The current information systems (IS) are increasingly complex requiring an
enormous work of modelling, using an enormous quantity of the data. Consequently, the
designers are confronted with a set of problems concerned in their ignorance of the modelled
field and the difficulty with the determination of the concepts and their relations. As solution,
we propose the use of ontologies like assistance to the designers during their modelling task.
Indeed, the principal role of ontology is to have a consensus on the vocabulary to use for a
given field. In this paper, we propose an automated approach for building IS’ ontologies by
determining the various semantic relations between the concepts composing an ontology. .
MOTS-CLÉS : conception des systèmes d’information, ontologie, représentation conceptuelle,
relations sémantiques.
KEYWORDS: Information systems design, ontology, conceptual representation, semantic
relationships.
1. Introduction

De nos jours, les systèmes d'information (SI) sont de plus en plus complexes,
nécessitant un énorme travail de modélisation. Les concepteurs sont souvent
confrontés à un ensemble de difficultés liées à la méconnaissance du champ d étude
et à la multitude des concepts utilisés. Ces problèmes sont principalement dus au
manque d'un consensus sur les vocabulaires utilisés pour un champ d étude donné.
En conséquence, les concepteurs peuvent, dans certains cas, commettre des erreurs
syntaxiques, structurelles et/ou sémantiques. Ces erreurs auront des conséquences
sur la cohérence des représentations conceptuelles (RC) résultats.
un autre côté, la tâche d analyse des besoins devient aussi très fastidieuse en
raison, en particulier, de la nouvelle orientation des applications actuelles, utilisant
massivement les nouvelles technologies (e-commerce, entrepôt de données...). Ces
applications se basent sur une énorme quantité de concepts provenant de sources
hétérogènes. Une telle hétérogénéité entraîne souvent des ambiguïtés sémantiques au
niveau des RC résultats. Les AGL actuels ne permettent pas la détection ni la
résolution de toutes les ambiguïtés énoncées. En effet, en raison de leur aspect
sémantique et du fait que les AGL ne disposent pas d informations précises sur le
domaine d étude, ces erreurs ne sont pas détectables. Les AGL se limitent
actuellement à la vérification de certaines erreurs syntaxiques relatives aux
spécificités des diagrammes utilisés. Par exemple, ils peuvent vérifier que le nom
d’une classe soit unique dans un diagramme donné. Paradoxalement, dans une RC
donnée, un concepteur peut indiquer qu’une voiture hérite d’une personne, sans que
cette erreur ne soit détectée. Cette limitation est due au manque de sémantique liée
aux divers termes utilisés dans la RC. Un travail préliminaire doit donc être ainsi
effectué pour représenter la sémantique explicite d un domaine de discours.
Plusieurs approches (mots-clés, dictionnaires, taxonomies) ont été proposées,
dans la littérature, pour la représentation des connaissances durant le processus de
modélisation d un domaine donné. Cependant, elles ne permettent pas de représenter
toutes les relations sémantiques et conceptuelles entre les concepts. Comme
solution, nous proposons l'utilisation des ontologies comme moyen d assistance aux
concepteurs pendant leur tâche de modélisation. Le rôle principal de l ontologie est
d'avoir un consensus sur le vocabulaire à utiliser pour un domaine donné. En effet,
une ontologie vise à représenter, d'une manière générique et réutilisable, la
sémantique d'un domaine donné (Guarino et al, 1995). Cette ontologie permet la
compréhension du domaine à modéliser, fournir les concepts caractérisant ce
domaine et vérifier la sémantique des RC.
Le cadre général de ces travaux de recherche, qui couplent deux domaines: la
conception des SI et les ontologies, concerne la proposition d une approche de
construction automatisée des ontologies pour la conception des SI. L ontologie
permet la détermination et la représentation des concepts d un domaine donné ainsi
que leurs relations conceptuelles et sémantiques. Cela nécessite évidemment
utilisation d un langage de représentation des ontologies dédié pour la conception
des SI, que nous avons appelé UMLOnto. Dans ce papier, nous nous limitons à la
présentation de la détermination automatique des relations sémantiques entre
concepts d une ontologie.
Cet article est organisé comme suit. La section 2 décrit brièvement notre
démarche pour la construction d une ontologie dédiée à la modélisation des SI. La
section 3 présente la démarche de détermination automatique des relations
sémantiques entre les concepts de l ontologie. La section 4 présente notre prototype,
intitulé OntoBuilder de construction automatique d ontologies dédiées aux SI en
illustrant ses principales fonctionnalités. L automatisation concerne la détermination
des relations sémantiques en utilisation leur formalisation en langage Z. La section 5
conclut ce travail et présente ses perspectives.

2. approche proposée pour la construction de l’ontologie

De nombreux travaux ont été proposés pour la construction des ontologies pour
un domaine donné. Nous pouvons citer comme exemple, les travaux de (Assadi et
al, 2000) qui propose une démarche de construction d une ontologie texte pour
transformer une spécification en langage naturel en un langage formel tout en
choisissant un contexte de référence, en structurant et en organisant les concepts.
un autre côté, il existe d après (Benslimane et al, 2003), deux approches pour
la construction d une ontologie. Elle peut débuter soit à partir de zéro ou à partir des
bases des données déjà existantes. Ces dernières permettent de capturer une certaine
réalité des concepts et d expliciter le contenu des sources d information. Autrement
dit, une ontologie représente un contexte de référence entre les systèmes coopératifs.
Par contre selon (Bachimont et al, 2005), les ontologies sont des systèmes
conceptuels, comprenant les concepts d un domaine et les relations les mettant en
jeu dans ce domaine. Pour cela, les ontologies peuvent se fonder sur une
terminologie structurée, à formaliser et à traduire dans un langage interprétable par
un ordinateur.
Une analyse des travaux de (Gandon et al, 2001) (Leclère et al, 2002) sur les
ontologies nous a permis de dégager un consensus sur le processus de conception
une ontologie exploitable dans un système à base de connaissances. La figure1
illustre ce consensus qui repose sur un enchaînement de trois étapes permettant de
passer des données brutes à l ontologie opérationnelle.
Données Modèle Ontologie Représentation
Brutes Conceptuel Formelle

Conceptualisation Ontologisation Opérationalisation

Informelle Semi-formelle Formelle

e

Figure 1. Processus général de construction d’une ontologie

 Pour construire une ontologie, il faut tout d abord recueillir son corpus. La
nature du corpus dépend du domaine d application de l ontologie. En effet, un
corpus peut être sous forme de documents textuels, des interviews, des
représentations conceptuelles, de sites Web, etc., ... Une fois le corpus est prêt, la
première étape de construction de l ontologie peut être déclanchée.
étape de conceptualisation consiste à identifier et à extraire les connaissances
contenues dans un domaine particulier (Leclère et al, 2002). Ces connaissances sont
représentées par des concepts et des relations entre ces concepts. Les différentes
tâches (non nécessairement ordonnées) relevant de cette étape sont:
- l identification du vocabulaire conceptuel ; cette activité peut être effectuée à
aide d outils d extraction automatique de termes et de liens entre termes dans des
corpus;
l association des différents termes synonymiques se rapportant à chaque
élément du vocabulaire conceptuel;
l association des données d origine (document, image, interview, etc.) aux
éléments qu elles illustrent;
la rédaction d annotations fournissant de manière la moins ambiguë possible,
la sémantique des différents éléments du vocabulaire,
l explicitation des connaissances implicites des éléments du vocabulaire.
Dans notre cas, les données brutes sont sous forme de représentations
conceptuelles (RC) exprimées avec des diagrammes de classes UML, que nous
supposons validés par leurs concepteurs. Nous sous-entendons par validation, les
classes et leurs liens conceptuels sont conformes aux spécifications des utilisateurs.
Cependant, nous pouvons avoir des erreurs conceptuelles dues à la méconnaissance
du domaine et utilisant des termes non conformes au domaine. Une étude
approfondie est réalisée sur ces diagrammes afin de cerner la sémantique véhiculée à
travers les différents concepts utilisés et les relations existantes entre ces classes.
étape d’ontologisation consiste à modéliser, dans un langage générique, les
propriétés formelles du domaine considéré (Leclère et al, 2002). (Gruber, 1993)
propose cinq critères permettant de guider le processus d ontologisation :
la clarté et l objectivité des définitions, qui doivent être indépendantes de tout
choix d implémentation ;
la cohérence (consistance logique) des axiomes ;
l extensibilité d une ontologie, c est-à-dire la possibilité de l étendre sans
modification ;
la minimalité des postulats d encodage, ce qui assure une bonne portabilité ;
la minimalité du vocabulaire, c est-à-dire l expressivité maximum de chaque
terme.
 Pour la représentation de notre ontologie, nous avons proposé le langage
UMLOnto (Mhiri2 et al, 2005) qui représente une extension du langage UML. Cette
extension concerne l ajout de nouvelles notions caractérisant une ontologie.
UMLOnto permet évidemment de représenter les concepts ainsi que les relations
entre ces concepts. Parmi ces représentations, nous pouvons citer le concept de
classe (CC), le concept de classe d association (CCA) et les relations sémantiques
entre les concepts (identité, synonymie, homonomie, équivalence, antonymie, sorte
de).
La dernière étape, l’opérationnalisation consiste à outiller l ontologie, c'est-à-
dire la doter de mécanismes d inférence, support à la mise en uvre de
raisonnement. Dans notre cas, l opérationnalisation consiste à transformer les
concepts et leurs relations, obtenus à l étape précédente, en un diagramme appelé
diagramme de concepts. Ce diagramme peut être représenté par un fichier XML en
ajoutant de nouvelles balises supportant les caractéristiques des ontologies. Les
langages existants pour la représentation des ontologies (par exemple OWL) ne
permettent de représenter toutes les relations conceptuelles et sémantiques
caractérisant notre ontologie. Cependant, nous pouvons s inspirer de leur syntaxe et
leur sémantique pour implanter ce diagramme de concepts.

Rci

3
1
Comparaison des concepts de RCi
Extraction des relations avec l ontologie Vi-1
Base de Conceptuelles
règles
formelles Déduction des relations sémantiques
Alimentation des relations Alimentation des relations
Conceptuelles sémantiques

4 2

Ontologie Vi

Figure 2. Notre démarche de construction d’une ontologie

La figure 2 présente notre démarche de construction de l ontologie (Mhiri1 et al,

2005). Cette démarche est basée sur les trois étapes déjà présentées, adaptées aux
spécificités des SI. L alimentation de l ontologie prend comme entrée une RC
activée dans la fenêtre principale de notre outil OntoBuilder (Cf. § 4). Dans la
première étape, le système effectue les comparaisons avec l ontologie version Vi-1
nécessaires pour déduire les relations sémantiques pouvant exister entre les
concepts. Puis, dans la deuxième étape, il alimente l ontologie version Vi-1 par ces
relations. Ensuite, lors de la troisième étape, le système relit la RC courante pour
extraire les relations conceptuelles. Enfin, dans la quatrième étape, il alimente
ontologie par ces relations conceptuelles. L alimentation de l ontologie peut être
automatique ou assistée, selon le choix de l utilisateur. Au cours d une alimentation
assistée, des messages de confirmation et de vérification sont affichés
périodiquement au concepteur. Ces messages ne sont pas affichés au cours d une
alimentation automatique. Si la règle formelle (Cf. § 3) de la relation sémantique
testée est vérifiée alors le système alimente l ontologie par cette relation, sinon il
passe à un autre test.
Le paragraphe suivant présente notre approche pour la détermination
automatique des relations sémantiques entre concepts d une ontologie.

3. Détermination automatique des relations sémantiques entre les concepts de

l’ontologie

Par relation sémantique, nous sous-entendons toute relation, autre que celles
habituellement utilisées dans les RC UML et qui est susceptible d exister entre deux
concepts. C est le cas, par exemple, des relations de synonymie, d homonymie, .
La première étape pour la détermination automatique des relations sémantiques
entre les concepts de l ontologie est l extraction des différents concepts, existants
dans les diagrammes des RC. Elle concerne les concepts de noms de classes. Cette
extraction est effectuée en même temps avec une comparaison entre les rôles des
concepts joués dans les diagrammes.

Extraction des Concepts

et leurs relations
RC1 RCn

Déterminations des
relations sémantiques
Base de règles entre concepts

Identité Synonymie Homonymie Antonomie Sorte de Équivalence

<Root>
<Sortede>
Alimentation <Relation>
<defclass>
<name>C1</name>
Ontologie
<attribute/>
<operations/>
</defclass>
<defclass>
<name>C3</name>
Représentation de l’ontologie avec UMLOnto
<inherit>C1</inherit>
<attribute/>
<operation/>

ontologie.xml

Figure 3. Processus de détermination des relations sémantiques

 Après l extraction des différents concepts, une deuxième étude comparative des
différentes RC est entamée pour synthétiser les relations conceptuelles existantes
entre les différentes classes. Les relations conceptuelles prises en compte sont: la
généralisation-spécialisation, l agrégation et la composition, les relations non
nommées et celles ayant un nom.
Une fois l étude comparative terminée, une analyse sémantique est effectuée sur
les concepts de noms des classes et les relations entre ces concepts pour donner
comme résultat de nouvelles relations sémantiques pouvant exister entre les
concepts de classes (Mhiri1 et al, 2006). La figure 3 précise le processus de
détermination des relations sémantiques. Dans le paragraphe suivant, nous allons
définir et formaliser chaque relation.

3.1. Définitions des relations sémantiques

Les relations sémantiques permettent de relier les concepts des différentes RC

traitant le même domaine d étude. Elles apportent plus de sémantique aux
modélisations élaborées. Elles assistent les concepteurs à la compréhension du
domaine à modéliser et élimine certaines ambiguïtés qui peuvent exister entre les
concepts. En plus, elles permettent d alimenter une ontologie avec des nouveaux
concepts en se basant surtout sur l étape de comparaison entre les attributs, les
opérations et les relations conceptuelles entre les concepts (Cf. §3.2). Nous
définissons, par la suite, les différentes relations sémantiques supportées et leurs
propriétés (Mhiri2 et al, 2006). Il est à noter que ces propriétés sont utiles pour
assurer la cohérence entre les différents concepts et un moyen d optimisation des
ontologies. En effet, la symétrie et la transitivité permettent de minimiser le nombre
de comparaison entre les concepts en déduisant leurs liens sémantiques.

Relation d’identité: c est une relation sémantique qui existe entre deux concepts
qui ont la même syntaxe, les attributs et les mêmes opérations. Exemple :
Identité(Personne, Personne).
Relation de Synonymie : est une relation sémantique qui existe entre deux
concepts qui expriment le même sens. Exemple : Synonymie(Personne, Individu).
Cette relation vérifie les propriétés suivantes :
La relation Synonymie() est une relation symétrique :
SI Synonymie(C1, C2) ALORS Synonymie(C2, C1).
La relation Synonymie() est transitive :
SI Synonymie(C1,C2) ET Synonymie(C2,C3) ALORS
Synonymie(C1,C3).

Relation de classification sorte_de, entre deux concepts exprimant que l un est un

cas particulier de l autre. Exemple : Sorte_de (Canari, Oiseaux). Cette relation
vérifie les propriétés suivantes :
La relation Sortede( ) est une relation unidirectionnelle :
SI Sortede(C1, C2) ALORS ¬ Sortede (C2, C1).
 La relation Sortede ( ) est transitive :
SI Sortede (C1, C2) ET Sortede (C2,C3) ALORS Sortede (C1,
C3).

Relation d Homonymie : un même concept peut avoir deux sens différents.

Exemple : Homonymie (fils, fils). La relation Homonymie() est une relation
symétrique :
SI Homonymie (C1, C2) ALORS Homonymie (C2, C1).
Relation d Equivalence : une relation sémantique qui existe entre deux concepts
jouant le même rôle dans des RC différentes. Exemple : Equivalence(Usine,
Fournisseur). L équivalence vérifie la propriété suivante:
La relation Equivalence() est une relation symétrique :
SI Equivalence (C1, C2) ALORS Equivalence (C2,
C1).
Relation d’Antonomie : est utilisé entre deux concepts totalement disjoints.
Exemple : Antonomie(Marié, célibataire). Cette relation vérifie les propriétés
suivantes :
La relation Antonomie() est une relation symétrique :
SI Antonomie (C1,C2) ALORS Antonomie (C2, C1).
La relation Antonomie( ) n est pas transitive, SI
Antonomie(C1, C2) ET Antonomie (C2, C3) ALORS C1 = C3 (c est
identité).
Une définition formelle et plus de détails sur les différentes relations
sémantiques seront présentés par le paragraphe suivant. Ces relations utilisent des
fonctions de vérification. Il existe deux types de fonctions :
- des fonctions entre termes : Syn (x,y), Herite(x,y), Ant(x,y) avec x et y sont des
termes.
- des fonctions entre concepts : Categorie (x,y), Estun (x,y), Relation (x,y) avec x et
y sont des concepts.

3.2. Formalisation Z des différentes relations sémantiques

Avant de donner les définitions formelles des relations sémantiques entre

concepts, commençons par donner les définitions que nous accordons aux concepts
terme et concept.
Un terme est un mot de la langue naturelle qui désigne un ou des concept(s).
Dans UMLOnto, un terme est caractérisé par une syntaxe et une sémantique.
Nous définissons alors un concept (Cc) comme étant un terme caractérisé par
une syntaxe et une sémantique représentées sous forme de chaînes. Il est caractérisé
par une identité et contient un ensemble d’attributs et un ensemble d’opérations.
Figure 4. Formalisation Z d’un concept

Dans les paragraphes suivants, nous présentons les règles de détermination des
relations sémantiques entre les concepts formalisées en Z (Spivey, 1992) (France et
al, 1997). Le choix de Z est motivé par le fait que c'est un langage formel basé sur la
logique ensembliste et très utilisé pour la spécification des SI. De plus, avec l outil
Z-eves1 nous permet de vérifier la validation des spécifications Z.

3.2.1. Identité
Deux concepts C1 et C2 sont identiques, s ils ont la même syntaxe, les mêmes
noms, les mêmes attributs et les mêmes opérations. La spécification Z de cette
relation est donnée par la figure 5.

Figure 5. Formalisation Z de la relation d’identité

1
http://www.ora.on.ca/z-eves/
3.2.2. Synonymie
Deux concepts C1 et C2 sont synonymes, s ils n ont pas la même syntaxe, mais
présentent les mêmes attributs et les mêmes opérations. Dans UMLOnto, la relation
de synonymie exprime une variante de sens entre deux concepts dans un même
domaine. Il ne s agit pas d’une synonymie linguistique. Mais la synonymie est
déduite à partir des caractéristiques des concepts (attributs et opérations). Cette
relation n est vérifiée entre deux concepts que si les règles de vérification (Cf. §3.1)
exprimées sur les caractéristiques des deux concepts soient vérifiées.

Figure 6. Formalisation Z de la relation de synonymie

3.2.3. Sorte_de
Le concept C1 est une sorte de C2, s ils n ont pas la même syntaxe, mais
ensemble des attributs et des opérations de C1 est inclus dans l ensemble des
attributs et des opérations de C2. Cette relation de catégorisation représente un cas
particulier de la relation d héritage.

Figure 7. Formalisation Z de la relation sorte de

3.2.4. Homonymie
Deux concepts C1 et C2 sont homonomes, s ils ont la même syntaxe, mais n ont
pas les mêmes attributs ni les mêmes opérations.

Figure 8. Formalisation Z de la relation de homonymie

3.2.5. Antonomie
Deux concepts C1 et C2 sont antonomes, s ils n ont pas la même syntaxe, et la
négation de l ensemble des attributs et des opérations du C1 implique la
confirmation de l ensemble des attributs et des opérations du C2. Cette relation est
utilisée surtout lors de l héritage entre concepts (par exemple célibataire et marié qui
sont des personnes).

Figure 9. Formalisation Z de la relation d’antonomie

3.2.6. Equivalence
Deux concepts C1 et C2 sont équivalents, s ils n ont pas la même syntaxe, mais
C1 (resp. C2) a le même contexte que C2 (resp. C1). Le contexte concerne le(s)
lien(s) d un concept avec les autres dans une RC. Ces liens peuvent être des liens
conceptuels et/ou sémantiques.
Figure 10. Formalisation Z de la relation d’équivalence

Grâce à l expression Z des relations sémantiques entre les concepts d une ontologie,
il est possible d automatiser leur détermination. En effet, la figure 11 présente
algorithme utilisé pour la détermination de ces relations (Mhiri2 et al, 2006).

Comparaison between two

concepts C1, C2

Name (C1) = Name (C2)

YES NO

Comparaison between the attributs Comparaison between the attributs

and the operations of C1 and C2 and the operations of C1 and C2

Attrib(C1) = Attrib(C2) and Operat(C1)=Operat(C2) Attrib(C1) = Attrib(C2) and Operat(C1)=C2Operat(C2)

Attrib(C1) included in Attrib(C2) and Operat(C1) included in Operat(C2)

Identity (C1, C2) Homonymy
(C1,C2)
Synonymy
(C1, C2)
Operat(C1) included in Operat(C2)

KindOf (C1, C2)

Attrib(C1)=NOT Attrib(C2) and Operat(C1)=NOT Operat(C2)

Equivalence
(C1, C2)

Antonomy(C1, C2) designer

propositions

Figure 11. Un algorithme de représentation des relations sémantiques entre

concepts
 Si deux concepts C1 et C2, n ont pas la même syntaxe, ni les mêmes attributs ni
les mêmes opérations alors l intervention du concepteur est obligatoire. Ce dernier
peut envisager deux solutions :
1- ajouter le concept introduit comme une nouvelle entrée à notre ontologie.
2- choisir une relation sémantique avec la liste des concepts composant notre
ontologie.
Dans la section suivante, nous présentons le prototype OntoBuilder de
construction des ontologies dédiées aux SI.

4. présentation du prototype OntoBuilder

Le prototype OntoBuilder représente une extension de l outil ArgoUML. Il

permet de supporter, en plus des fonctionnalités d ArgoUML, une ontologie dédiée
aux SI pour un domaine donné. Il est à noter que cet outil est en cours de
développement (Mhiri1 et al, 2006). Le concepteur utilise l interface ArgoUML pour
modéliser ces RC. Ces derniers seront la base d extraction des concepts et leurs liens
conceptuels. Ces concepteurs peuvent intervenir pendant la comparaison et
alimentation des concepts avec l ontologie version Vi-1.

Base Ontologique
liste des synonymes,
liste
Desesautonomes,
autonomes,
cat égories
liste des catégories

Consultation de l’ontologie Alimentation de l’ontologie

Par toutes Extraction des concepts

Par type de relation
les relations et leurs relations

Déterminationdes
Détermination desrelations
relationss sémantiques
émantiques
Conceptuelles Sémantiques
entreles
entre lesconcepts
concepts

Ontologie

Figure 12. Architecture de OntoBuilder

OntoBuilder permet de visualiser l ontologie par type de relations (relations

conceptuelles ou bien sémantiques).
Figure 13. Consultation d’une ontologie

Pour la construction de l ontologie initiale, nous optons à la prise en compte de

la RC représentant le plus grand nombre de concepts. Ce choix est justifié par le fait
que cette RC contient le plus grand ensemble de concepts, ainsi que leurs liens
possibles, permettant ainsi de représenter un univers de discours (du domaine
concerné) plus large que les autres RC.
La deuxième commande du menu « Construire l Ontologie » est « Consulter la
Base Ontologique» permet de consulter la base ontologique référencée par
ontologie (liste des synonymes, liste des antonomes et liste des catégories).
alimentation de l ontologie utilise évidemment les règles de détermination des
relations sémantiques définies dans la section précédente. Elle est assistée par le
concepteur pour confirmer l alimentation ou bien résoudre des ambiguïtés. Par
exemple, deux concepts qui n ont pas la même syntaxe et qui n ont pas les mêmes
ensembles d attributs et d opérations.
Au moment de la confirmation du concepteur, le système alimente l ontologie
avec des nouveaux concepts ainsi que leurs relations. Il est à noter que ce processus
est incrémental et itératif. En effet, il a comme point de départ une ou plusieurs RC
du domaine concerné et s applique progressivement sur les différentes RC du
domaine afin d en dégager l ontologie correspondante. Il peut être totalement
automatisé en se basant exclusivement sur les règles de déterminations de relations
sémantiques entre les concepts.
Figure 14. Détermination de la relation de synonymie

5. Conclusion

Nous avons proposé une approche de construction des ontologies pour la

conception des SI. Elle permet l extraction des concepts et leurs relations à partir des
RC UML. Ensuite, nous avons présenté les règles de déterminations des relations
sémantiques permettant l alimentation itérative et progressive des concepts dans une
ontologie. Pour mette en uvre cette approche, nous avons développé un prototype,
qui représente une extension de ArgoUML, permettant de supporter les
fonctionnalités spécifiques à la construction et la manipulation des ontologies. Parmi
les perspectives de ce travail, nous proposons l utilisation des données web comme
source de données pour la construction des ontologies. Nous allons compléter le
développement de l environnement proposé en renforçant le couplage entre la
conception des SI et l utilisation des ontologies. Ensuite, nous proposons la
définition des règles assurant la cohérence et la complétude des ontologies dédiées
pour la conception de SI. Ces règles permettent la détection des erreurs syntaxiques
et sémantiques et proposent des corrections à ces erreurs. Pour assurer la mise à jour
de ces ontologies, nous proposons des opérateurs permettant leur évolution et leur
réutilisablilité. Cette évolution résulte de plusieurs facteurs comme les nouveaux
besoins exprimés par les utilisateurs.

6. Bibliographie

Assadi H., Bourigault D., analyses syntaxique et statistique pour la construction d'ontologies
à partir de textes, Ingénierie des connaissances, évolution récentes et nouveaux défis,
chapter 15, Eyrolles, collection technique et scientifique des Télécommunications. p. 243-
255, 2000.
Bachimont B., Baneyx A., Malaisé V., Charlet J., Zweigenbaum P., « Synergie entre analyse
distributionnelle et patrons lexico-syntaxiques pour la construction d'ontologies
différentielles » Terminologie et Intelligence Artificielle (TIA'2005), Rouen, France, 4-5
avril 2005.
Benslimane D., Arara A., Yetongnon K., Gargouri F., Ben Abdallah H. « Two approaches
for ontologies building :From-scratch and From existing data sources », the 2003
International Conference on Information Systems and Engineering ISE 2003, Montreal,
Canada, 20-24 July 2003.
France R.B, Bruel J.-M, Larrondo-Petrie M.M and Shroff M., « Exploring The Semantics of
UML Type Structures with Z », the Second IFIP International Conference on Formal
Methods for Open Object-based Distributed Systems, London, 1997.
Gandon F., Dieng-Kuntz R., « Ontologie pour un système multiagents dédié à une mémoire
entreprise », In Actes des journées francophones d’Ingénierie des Connaissances
IC’2001,1-20, Presses Universitaires de Grenoble, 2001.
Gruber T.R., «A translation Approach to portable ontology specification », Knowledge
Acquisition, vol. 5, 1993, p. 199-220.
Guarino N., Giaretta P., « Ontologies and knowledge bases, towards a terminological
clarification », Towards very large knowledge bases: knowledge building and knowledge
sharing, IOS Presse, pages 25-32, 1995.
Leclère L., Trichet T., Frûst F., « Construction of an ontology related to the projective
geometry ». RFIA 13th congrès des Reconnaissance des Frames et Intelligence
Artificielle, 2002, France.
Mhiri1 M., Mtibaa A., Gargouri F., « Towards an approach for building information
systems ontologies », FOMI’2005, 1st workshop Formal Ontologies Meet Industry, 9-10
June, Verona, Italy, 2005.
Mhiri2 M., Mtibaa A., Gargouri F., « UMLOnto: Towards a language for the specification of
information systems ontologies », SEKE’05, the Seventeenth International Conference on
Software Engineering and Knowledge Engineering, Taiwan, China, 14-16 July, 2005,
p.743-746.
Mhiri1 M., Chabaane S., Gargouri F., A Framework for Information Systems Ontologies ,
2nd International Conference on Information & Communication Technologies: From
Theory to Applications (ICTTA 06), Damascus-Syria, 24-28 Avril, 2006.

Mhiri2 M., Chabaane S., Mtibaa A., Gargouri F., « An algorithm for building Information
System s ontologies », 8th International Conference on Enterprise Information Systems.
Paphos ICEIS 2006, Cyprus, 23-27 May 2006.
Spivey J. M., The Z Notation, Prentice Hall, Hemel Hempstead, 2nd edition, 1992.