Académique Documents
Professionnel Documents
Culture Documents
(2)!Adquation de l'infrence!: Ncessaire pour que les connaissances infres puissent tre interprtes comme des faits observables (vrais) (3)!Efficacit de l'infrence!: Possibilit d'utiliser les connaissances sur la manire d'utiliser les connaissances!: guider l'infrence (4)!Extensibilit de la reprsentation!: Indispensable pour acqurir de nouvelles connaissances (5)!Efficacit de l'acquisition!: Ncessaire pour que les nouvelles connaissances soient intgrables aux prcdentes (vrification de la cohrence, regroupements)
http://deptinfo.cnam.fr
2"
Systmes de productions
Avantages Modularit Uniformit Aspect naturel Inconvnients Inefficacit Opacit Contraintes de la reprsentation
Utilisations :
! Savoir diffus : beaucoup de faits peu lis entre eux (contraire : savoir concis, thorie unifie) ! !Savoir reprsent par des actions indpendantes (contraire : processus interdpendants) ! !Savoir sparable de la manire de l'utiliser (contraire : les procdures) ! Simple (EMYCIN) ! Hirarchique (EXPERT) ! Rseaux de transition de systmes de productions (HEARSAY)
4"
Systmes de productions :!
Systmes de productions
Expert/Casnet :
" Hirarchie de paquets de productions (ici 3 niveaux) : 1. niveau tats pathologiques 2. niveau maladies 3. Passage tats pathologiques maladies
Systmes de productions
Hearsay II :
" Rseau de transitions de paquets de productions
NIVEAUX Phrase Lexique Syllable Phonme de surface Phonme Segment Paramtre Gnrateur de mots candidats Synchroniiseur de phonmes Synthtiseur de phonmes Combinateur de segments Classeur de segments SOURCES de CONNASSANCES Analyseur syntactico-semantique Hypothtiseur syntactico-semantique Hypothtiseur de phonmes
5"
6"
Logiques
Calcul des prdicats du 1er ordre Clauses de Horn (PROLOG) Logiques types (PLANTS) Logique bayesienne (Probabilits)!#!impossible mettre en pratique Logique floue (Zadeh) : domaine rel [0!..!1] valuation (non A) 1- a valuation (A ou B) max(a, b) valuation (A et B) min(a, b) Coefficient de certitude (ex : MYCIN): domaine rel [-1!..!1] valuation (non A) - a valuation (A ou B) max(a, b) valuation (A et B) min(a, b) renforcement de l vidence (cas C1 & C2"0) : si E avec rgle R1 et coefficient C1 et E avec rgle R2 et coefficient C2 alors E avec coefficient C1+C2-C1*C2
F.-Y. Villemin 2011" 7"
Logiques non-monotones
Problme de la typicalit : (1)!Si X est un oiseau alors X vole (2)!Si X est une autruche alors X ne vole pas (3)!Si X est une autruche alors X est un oiseau (4)!Lola est une autruche #!Logique classique!!!Lola vole et Lola ne vole pas (contradiction) #!Logique des dfauts (Reiter 80) : (1 bis)!Si X est un oiseau et si il ne peut pas tre prouv que X ne vole pas alors X vole Dfauts!#!smantique de point fixe
F.-Y. Villemin 2011" 8"
Logiques non-monotones
Problme de l action : 1.!Si j'ai 10 000 euros alors je fais le tour du monde 2.!Si j'ai 10 000 euros alors j'achte une voiture 3.!Si j'ai 10 000 euros alors j'ouvre un compte rmunr 4.!J'ai 10 000 euros #!Logique classique!!! J'ai 10 000 euros et je fais le tour du monde et j'achte une voiture et j'ouvre un compte rmunr Introduction de la ngation: "je n'ai pas 10 000 euros" #!contradiction Problme de dpendance avec : "j'ouvre un compte rmunr" et "J'ai 10 000 euros" #!Systme de maintien de la cohrence (ATMS de Kleer)
F.-Y. Villemin 2011" 9"
A B C
En calcul des prdicats : Arche(A,B,C)!! bloc(A)!$!bloc(B)!$!bloc(C)!$!estsur(A,B) $!est-sur(A,C)!$!-ct(B,C) $!vertical(B) $!vertical(C) $!horizontal(A) $!C = B
F.-Y. Villemin 2011" 10"
Rseaux smantiques
Hypergraphes orients : ! Nuds: classes ou instances ! Arcs (et/ou) : relations entre objets ou proprits d objets
arche est-constitu-de
schma :
Frames ou schmas
Du M. Minsky (1975), inspirs par les prototypes :
arche ct-gauche ct-droit tablier proprit: ct-gauche!= ct-droit est-sur (tablier, ct-gauche) est-sur (tablier, ct-droit) est-un est-un est-un bloc bloc bloc attribut :
horizontal
est-sur
A
-ct
B
vertical
X =
C
vertical est-un
11" F.-Y. Villemin 2011"
-ct (ct-gauche, ct-droit) horizontal (tablier) vertical (ct-gauche) gauchegauchegauche, vertical (ct-droit)
12"
bloc
F.-Y. Villemin 2011"
(2)!Heuristiques humaines de dcision Kahneman, Slovic & Tversky (1982) : !!"availability heuristics" !!"representativity heuristics" !!"causual analysis heuristics"
F.-Y. Villemin 2011" 13"
14"
Prototypes
Exemple des fruits :
Langages hybrides
KL-ONE R. Brachman & H. Levesque (1983) :
(1) gnralisation des rseaux smantiques et langage de frames (2) donner une smantique prcise aux langages (autre que celle qui drive de l'implantation) (3) permettre un systme de raisonner sur son tat de connaissance ! partie terminologique (ensemble de "termes") !#!structure des lments et les relations entre les divers termes !#!Syntaxe : {concept}!!!{objet} {rle}!!!{relation binaire entre concepts} ! partie assertionnelle (ensemble d'assertions) !#!thorie du premier ordre sur les termes du langage terminologique !#!structure et proprits lis un concept
Langage hybride :
peau avole taille entre 50 et 80 possde un coeur
SANGUINE
BIGARADE
MEXICANA
! orange
15"
16"
Langages hybrides
Langages hybrides
Interprtation ! couple (%, & ) %, domaine, est un ensemble non vide de noms de concepts fonction d'interprtation, de concepts vers sous-ensembles de % Concept interprt comme un ensemble d'objets, son extension: C& ' %
&,
SYNTAXE <description> ::= <nom-concept> ! ! ! | ANY ! ! ! | NIL ! ! ! | (AND <concept1> <conceptn>) ! ! ! | (ALL <rle> <concept1>) ! ! ! | (ATLEAST n <rle>) ! ! ! | (ATMOST n <rle>) <rle> ::= <nom-rle> ! ! | (AND <rle1> <rlen>) <concept> ::= <nom-concept> ( <description> ! ! | <nom-concept> <description>)
SEMANTIQUE !D D " # [concept1]$ $ # [conceptn] {x%D | &y%D : (x, y)% # [rle]' y%# [concept1]} {x%D | ||{y%D | (x, y)% # [rle]}|| n} {x%D | ||{y%D | (x, y)% # [rle]}|| n} !DXD # [rle1]$ $ # [rlen] # [nom-concept ] =# [description ] # [nom-concept ] ! # [description ]
17"
18"
Langages hybrides
Exemple de Brachman & Levesque (1984) : Un sujet qui a des enfants dont tous les fils sont avocats et dont toutes filles sont mdecins Sous forme de frame (LOOPS, KOOL): Sujet = (personne ! ! ! ! enfant : (1)! ! ! ! fils : avocat! ! ! ! fille : mdecin! ! ! !)!
Langages hybrides
En (petit) langage hybride : personne ( ANY! !enfant ( personne! !fils ( enfant! !fille ( enfant! !avocat ( personne! !mdecin ( personne! !sujet ! (AND personne! ! ! !(AND (ALL avoir enfant)! ! ! ! ! (ATLEAST 1 avoir ))! ! ! !(AND fils! ! ! ! ! (ALL tre avocat))! ! ! !(AND fille! ! ! ! ! (ALL tre mdecin))! ! !)!
19" F.-Y. Villemin 2011" 20"
Langages hybrides
Relation de soussomption ( :
C ( D si et seulement si C& ' D& " prordre sur l'ensemble des descriptions de concepts, car transitive et rflexive
Langages hybrides
Classification ! calcul de la relation de soussomption Exemple : concepts de Personne, d'Agent, d'Agent-Homme ou d'AgentFemme Agent ( Personne Agent est une spcialisation de Personne Agent-Femme ( Agent Agent-Femme est une spcialisation d'Agent Agent-Homme ! (AND Agent NOT Agent-Femme)!
Relation d'quivalence ! :
C ! D si et seulement si C& = D& " ordre partiel sur l'ensemble des descriptions de concepts utilisant oprateur
21"
22"
Logique de Description
Logique de Description : consistante,complte,procdure infrence dcidable et raisonnable puissance d'expression Concepts ! Prdicats unaires ou ensembles d'individus C, D, E Rles ! Prdicats binaires ou ensembles de paires d'individus ! Restrictions de valeurs )R.C ! Ensembles d'individus en relation dans R avec des individus du concept C *R.C ! Ensembles d'individus dans lequel au moins est en relation dans R avec un individu du concept C Subsumption (relation du particulier au gnral) C
F.-Y. Villemin 2011"
ABOX
TBOX : la terminologie ou vocabulaire du domaine d'application (Concepts, Rles) ABOX : Assertions sur des individus nomms avec les termes de la terminologie
D ! CI ' DI subsumeur
23"
subsum
24"
Le Langage ALC !
A! i T + (C , D) (C - D) C )R.C *R.C (! n R) (" n R) Un rle peut tre P1,P2, ,Pk (un nom de concept) (le tout ), (le rien ), (conjonction de deux concepts), (disjonction) (ngation) (quantification universelle), (quantification existentielle), (restriction par nombre) dfini par une conjonction de noms de rles :
TI
Le Langage ALC
L interprtation des concepts et des rles :
% (le domaine d'interprtation) .
CI , DI CI - DI
% /
R 1 I , R 2 I , , R kI
Logique de Description
Famille des Langages
FLFL ALU ALC ALUE SHF ALE ALEN SHIQ AL FLN ALN ALUR
SHIQ
SHIQ est une extension de ALC avec des rles transitifs : R+ clture transitive de R des rles inverses : R- ! {(e, d)0 (d, e) / R}! Inv(R) = R-; Inv(R-) = R! Trans(R) = vrai ssi R / R+ ou Inv(R) / R+!
27"
28"
SHIQ
(universal concept) (primitive concept) (transitive role) (negation) (intersection) (union) (role value restriction) (role existence) (role hierarchy) (inverse role) (number restriction) (number restriction) (qualified number restriction) (qualified number restriction)
T C R # R+ D D1 , D2 D1 - D2 )R.D *R.D R1 ! R2 R
-
% (C)I (R)I = ((R)I )+ % (D)I (D1)I , (D2)I (D1)I - (D2)I {e1 0)e2: (e1, e2) / (R)I " e2 / (D)I} {e1 0 *e2: (e1, e2) / (R)I $ e2 / (D)I} (R1)I 1 (R2)I {(e2, e1) : (e1, e2) / {e1 : |{e2 : (e1, e2) / (R)I}| n} {e1 : n |{e2 : (e1, e2) / (R)I}|} {e1 : |{e2 : (e1, e2) / (R)I $ e2 / (D)I}| n} {e1 : n |{e2 : (e1, e2) / (R)I $ e2 / (D)I}|}
RDF (Schema)
Bas sur une logique de description ? Dpart DAML+OIL (van Harmelen et al.)
XML (Schema)
29"
30"
RDF Schema
Class : dcrit une collection de resources Property
Lien entre classes ou un litral (data value) Restrictions de domaine et image
RDF Schema
Limitations:
pas de spcification de cardinalit notion de subclass non formelle Disjonction, compltude notion de property non formelle Inverse, transitive, symmtrique
Subclass : hrite des properties Subproperty Classes et properties sont des resources
classes comme des instances
Avantages
simple : facile apprendre extensible : notion de mtaclasse
31"
32"
DAML+OIL
DAML : Darpa Agent Markup Language OIL : Ontology Inference Layer Working Group du W3C Working Draft Dcembre 2001
http://www.w3.org/TR/daml+oil-reference
class-expressions AND, OR, NOT slot-constraints has-value, value-type cardinality slot-properties trans, symm
33"
34"
DAML+OIL
OIL (Ontology Inference Layer-UE) : Langage de spcification d'ontologies Class-def : dfinition de classes
nom de classe avec sa description
"Primitive or defined "Subclass-of
DAML+OIL
Classes :
<daml:Class rdf:ID="Male">! !<rdfs:subClassOf rdf:resource="#Animal"/> </daml:Class>! ! <daml:Class rdf:ID="Female"> ! !<rdfs:subClassOf rdf:resource="#Animal"/> !<daml:disjointWith rdf:resource="#Male"/> </daml:Class>! ! <daml:Class rdf:ID="Man"> ! !<rdfs:subClassOf rdf:resource="#Person"/> !<rdfs:subClassOf rdf:resource="#Male"/> ! </daml:Class> !
35" F.-Y. Villemin 2011"
! !
36"
DAML+OIL
Relations aux autres classes
rdfs:subClassOf! daml:disjointWith! daml:disjointUnionOf! daml:sameClassAs! (daml:equivalentTo)!
DAML+OIL
Types de base daml:ObjectProperty! daml:DataTypeProperty Types spciaux daml:TransitiveProperty! daml:UniqueProperty! daml:UnambigousProperty! Restrictions rdfs:subPropertyOf ! rdfs:domain ! rdfs:range ! daml:samePropertyAs ! daml:inverseOf!
37" F.-Y. Villemin 2011" 38"
Elements contenus
daml:oneOf!
Combinations boolennes
daml:intersectionOf! daml:unionOf! daml:complementOf!
F.-Y. Villemin 2011"
DAML+OIL
Constructeurs Axioms
DAML+OIL
39"
40"
OWL
Couche de langages
Logical Operators Full Cardinalities Class Expressions Disjointness and Equality Local Properties, Transitivity Simple Cardinalities Defined and Enumerated Classes Classes / Inheritance Properties / Subproperties Global Type Restrictions Individuals
OWL
Expressivit maximale (non contraint) dcidabilit, calculabilit ?
OWL Logic Version
Compatible avec SHIQ + constructeur oneOf Hierarchies avec des contraintes simples
RDF Schema
41"
42"
OWL
owl:Class rdf:subClassOf my:Document Custom Ontology Class OWL modelling primitive
OWL
Symmetric: if P(x, y) then P(y, x) Transitive: if P(x,y) and P(y,z) then P(x, z) Functional: if P(x,y) and P(x,z) then y=z InverseOf: if P1(x,y) then P2(y,x) InverseFunctional: if P(y,x) and P(z,x) then y=z allValuesFrom: P(x,y) and y=allValuesFrom(C) someValuesFrom: P(x,y) and y=someValuesFrom(C) hasValue: P(x,y) and y=hasValue(v) cardinality: cardinality(P) = N minCardinality: minCardinality(P) = N maxCardinality: maxCardinality(P) = N equivalentProperty: P1 = P2 intersectionOf: C = intersectionOf(C1, C2, ) unionOf: C = unionOf(C1, C2, ) complementOf: C = complementOf(C1) oneOf: C = one of(v1, v2, ) equivalentClass: C1 = C2 disjointWith: C1$ C2 sameIndividualAs: I1 = I2 differentFrom: I1 $ I2 AllDifferent: I1 $ I2, I1 $ I3, I2 $ I3, Thing: I1, I2,
43"
44"
OWL
Exemple
<owl:ObjectProperty rdf:ID="situDans">! <rdf:type rdf:resource="owl:TransitiveProperty" />! <rdfs:domain rdf:resource="owl:Thing" />! <rdfs:range rdf:resource="#Lieu" />! </owl:ObjectProperty>!
!
OWL-RDF
Mme data model:
page.html hasAuthor moi
Resource
<situDans rdf:resource="#IleDeFrance" />!
Property (predicate)
Value (object)
(subject)
RDFS
<situDans rdf:resource="#Paris" />!
<Region rdf:ID="#La Tour Eiffel">! </Region> 1/ la proprit "situDans" est transitive, 2/ deux assertions "Paris est situ en le de France" et "La Tour Eiffel est situe Paris" 3/ donc l'assertion "La Tour Eiffel est situe en le de France"
F.-Y. Villemin 2011" 45"
46"
OWL-RDF
Properties :
Resource ObjectProperty Resource
OWL-RDF
Properties :
owl:transitiveProperty P1(x,y) $ P2(y,z) $ P(x,z) owl:inverseOf P(x,y) 2 P(y,x) Owl:symmetricProperty P(x,y) iff P(y,x) owl:functionalProperty P(x,y) ^ P(x,z) $ y = z owl:inverseFunctionalProperty P(y,x) ^ P(z,x) $ y = z
Resource
DatatypeProperty
Value rdf:Property
owl:ObjectProperty
owl:DatatypeProperty
owl:FunctionalProperty
owl:InverseFunctionalProperty
owl:SymmetricProperty
owl:TransitiveProperty
47"
48"
Ontologie
Problmes de comprhension :
! Ambigut : le mme mot pour des notions diffrentes ! Composant :
" composant logiciel " composant matriel
Ontologie
Motivations :
! Formalisation : lever les ambiguts ! Indpendance (relative) par rapport une tche, ou un problme prcis ! Utilisable pour diffrentes tches : conception, diagnostic, maintenance, recherche d'information ! Indpendante d une implantation : limiter le biais d un formalisme de reprsentation : niveau conceptuel Se mettre d'accord sur le sens des termes employs dans une organisation, une communaut, un mtier
!
Ontologie
Dfinition d'une ontologie par TR Gruber: "une spcification d'une conceptualisation" http://www-ksl.stanford.edu/kst/what-is-an-ontology.html Ontologies : ! domaine dans la smantique lexicale et l'intelligence artificielle ! frontires sont des plus imprcises ! systme formel destin reprsenter un domaine donn au moyen d'lments de base, des diffrents concepts et de leurs ralisations linguistiques
Ontologie
Une ontologie permet de fournir le "sens" des symboles utiliss pour construire un modle du monde
! On parle parfois de mta-modle
! Exemple :
# une carte est un modle (une abstraction) du
monde rel
51"
52"
Ontologie
Dfinir une ontologie c est : ! Dcider d un ensemble de primitives de reprsentation de connaissances ! Donner une smantique oprationnelle ces primitives en explicitant les relations qui lient ces primitives entre elles en terme de :
" Rgles de constructions possibles/interdites " Rgles de dductions et de conditions de
Ontologie
Une ontologie comprend : !Un vocabulaire commun aux experts (besoin de partager une connaissance) !Une reprsentation des relations entre ces termes, qui dfinissent cette connaissance Une ontologie est : !Utilisable par les humains !Utilisable par les machines Les objectifs d'une ontologie sont : !Rendre permanente une connaissance (mme aprs le dpart du spcialiste) !Permettre un spcialiste d'utiliser la connaissance d'un autre spcialiste !Permettre des algorithmes d'utiliser cette connaissance
53" F.-Y. Villemin 2011" 54"
Ontologie
Identifier, modliser :
! Les concepts et les relations d'un domaine, pertinents pour une/des applications
Ontologie
Ontologie : discipline de la philosophie qui traite de la nature et l organisation de la ralit : Etude de "ce qui est" Il n y a qu une Ontologie au sens philosophique qui s intresse la nature et l organisation de la ralit : "l tre en tant qu tre" indpendamment de ses dterminations particulires (cf. Aristote) Il y a plusieurs ontologies au sens IA qui sont des rfrentiels permettant de dcrire une ralit dans un langage particulier ! Ncessite un langage de reprsentation formelle de l ontologie Une ontologie + ensemble d instances de classes = base de connaissances
Se mettre d'accord, au sein d'une communaut, sur les termes employs pour se rfrer ces notions Diffrentes acceptions du mot ontologie :
! ! ! ! Vocabulaire technique Rfrentiel mtier Terminologie/thesaurus Base de connaissances terminologique
55"
56"
Concept
Concept primitif : Humain, Male, Femelle Concept dfini : Homme: Humain and Male Femme : Humain and Femelle Patient : < Humain(avoir Maladie)
58"
Relation
Identifier les relations pertinentes :
! Hirarchie : uniquement la relation de subsomption ! instanciation ! partOf, hasPart, ! ! closeTo, over, under, contain, connected, etc!
1. Human Male Female! Man < Human Man < Male
!
Exemple
Woman < Human! Woman < Female! (gender) [Male]!
2. [Man]
!
[Woman] (gender) [Female]! 3. [Man] ! 4. !concept Thing! !concept Engine < Thing! !concept Vehicle < Thing!
!
(sex) "Male"!
Exemple d'ontologie
Ontologie du droit http://lri.jur.uva.nl/people/andre/andre.html Ontologie pour l'ingnierie mathmatique, comprenant les composants physiques, units et dimensions [gruber94] Ontologies pour les systmes physiques en Ontolingua 43 [borst94:1, Physical Systems Ontology] Applications de KADS 32 pour une ontologie des composants logiciels [vandenelst95:1, A functional specification of reusing software components]
La Frame Ontology
La "Frame Ontology" capture les primitives de reprsentation utilises dans les langages de frames Engagement ontologique :
! Les relations sont des tuples ! Les fonctions sont des cas spciaux de relations ! Les classes sont des relations unaires
http://www.ksl.stanford.edu
61"
62"
Bibliothques d'ontologies
Exemple: Ontologie du domaine dapplication : maladies de cur Ontologie du domaine : corps Ontologies gnriques : composants Ontologie des tches du domaine dapplication : Chirurgie cardiaque Ontologie des tches du domaine : chirurgie Ontologies des tches gnriques : plans
Exemples d'ontologies
Mreologie : Elment-de tend Topologie : Connection tend Thorie des systmes : Systme, sous-systme, systme alatoire spcialise Composant : Composant, terminal vue de spcialise Processus : Processus vue de PhysSys
63" F.-Y. Villemin 2011" 64"
Rutilisabilit
Applicabilit
EngMath
vue de
D'aprs Gomez-Perez
F.-Y. Villemin 2011"
Exemples d'ontologies
L ontologie "EngMath"de la modlisation de base des ingnieurs comprend : ! Scalaire ! Vecteur ! Tenseur ! Dimensions physiques ! Units de Mesure ! Fonctions de quantits ! Dimensions des quantits Est utilise par : ! L ontologie PhysSys ! Le projet SHADE
Exemples d'ontologies
L ontologie "PhysSys" de l ingnierie des systmes a pour buts : ! Modliser ! Simuler ! Concevoir des systmes physiques Points de vue : ! Architecture des systmes physiques ! Comportement des systmes physiques ! Formulation mathmatique des relations
65"
66"
Ontologies de domaine
On borne les assertions "smantiquement correctes" du domaine
! On fixe le vocabulaire ! On fixe les constructions valides
Ontologies de domaine
Domaine : lectronique, mcanique, mdecine, etc. Modles de domaine : fonctionnel, causal, structurel !Structurel : Engine e1 partOf Vehicle v2 !Causal : Engine breakdown => Vehicle stop
67"
68"
Types d ontologies
Ontologies gnrales, abstraites, de haut niveau : Ontologie des catgories conceptuelles :
! Objet, vnement, tat, processus, action, temps, espace
Types d ontologies
Exemples :
! Ontolingua : www-ksl.stanford.edu/sns.html ! WordNet : Ontologie de la langue naturelle ! Enterprise Ontology ! Kactus : ingnierie ! UMLS : Unified Medical Language System ! EngMath, PhysSys, CIM
Ontologies thoriques :
! physique, mathmatique, cinmatique
Ontologie applicative :
! Mdecine, automobile, patrimoine culturel, organisation
69"
70"
Types d ontologies
Ontologie de reprsentation (Frame Ontology, OWL) ! Dfinie un ensemble de primitives de reprsentation
`
Ontologie gnrique (Top Level Ontology) ! Dfinie des notions universelles (Things, Events, Time, Space, Causality, Behavior, Function) Ontologie domaine linguistique ! Generalized Upper Model (GUM), WordNet, Sensus Ontologie de domaine ! Menelas (Mdical), EngMath et PhysSys (Math et Physique), TOVE and Enterprise (Mmoire d Entreprise) Ontologie de PSM et de tche ! Dfinie les rles jous par les concepts dans la PSM/Tche (KADS)
71"