Intelligence Artificielle NFP106 Anne 2011-2012

Reprsentation des Connaissances

!!Langage interne
(1)!Adquation de la reprsentation!: Ncessaire pour avoir au moins toutes les connaissances utiles la rsolution du problme

Reprsentation des Connaissances

F.-Y. Villemin (f-yv@cnam.fr)

(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

F.-Y. Villemin 2011"

2"

Techniques de Reprsentation des Connaissances

(1) Systmes de productions : Simple (Rete) Systme hirarchique rseaux de transition... (2) Logiques : Calcul des prdicats classique ou typ Logiques plusieurs valeurs de vrit " logique bayesienne, floue... Logiques non-monotones " logique des dfauts... (3) Rseaux et Objets : Rseaux smantiques, graphes conceptuels Frames, scripts Langages hybrides (KL-ONE) (4) Acteurs et agents intelligents " Intelligence artificielle distribue (IAD)
F.-Y. Villemin 2011" 3"

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 :!

F.-Y. Villemin 2011"

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

F.-Y. Villemin 2011"

5"

F.-Y. Villemin 2011"

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"

Reprsentation des Connaissances

Exemple : une arche

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"

Acquis des sciences cognitives

Psychologie cognitive, anthropologie, linguistique (1)!Models mentaux Ph. Johnson-Laird (1983) :
! "Les gens raisonnent en fonction du contenu spcifique du problme et non pas en suivant des rgles logiques abstraites, mais au moyen d'heuristiques de dcision" ! "Les gens raisonnent en fonction de prototypes spcifiques du domaine et non pas en suivant des rgles statistiques abstraites"

Acquis des sciences cognitives

(3)!Prototypes E. Rosch (1973) (pas de CNS pour catgories naturelles comme fruits, meubles) :
! les sujets classent les membres d'une catgories en fonction de leur exemplarit ! les sujets catgorisent d'abord les membres les plus typiques ! les sujets citent plus d'attributs communs (caractristiques) pour les membres les plus typiques que pour les atypiques (qui ont des caractristiques communes avec d'autres catgories)

(2)!Heuristiques humaines de dcision Kahneman, Slovic & Tversky (1982) : !!"availability heuristics" !!"representativity heuristics" !!"causual analysis heuristics"
F.-Y. Villemin 2011" 13"

F.-Y. Villemin 2011"

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

Frontire commune avec CITRUS

SANGUINE

BIGARADE

MEXICANA

! orange

! orange + peau fine

! orange + chair rouge

! orange + gout amer

! orange sauf couleur verte

F.-Y. Villemin 2011"

15"

F.-Y. Villemin 2011"

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 ]

F.-Y. Villemin 2011"

17"

F.-Y. Villemin 2011"

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"

F.-Y. Villemin 2011"

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

F.-Y. Villemin 2011"

21"

F.-Y. Villemin 2011"

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"

Logique de Description Base de connaissances

TBOX
Description Language

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

F.-Y. Villemin 2011"

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) .

+I (C , D) (C - D) C )R.C *R.C (! n R) (" n R) R1 , R2 , , Rk

25" F.-Y. Villemin 2011"

CI , DI CI - DI
% /

CI e) / RI " e / CI} e) / RI $ e / CI} e) / RI } # n} e) / RI } " n}

26"

{d / %0)e.(d, {d / %0*e.(d, {d / %0#{e0(d, {d / %0#{e0(d,

R 1 I , R 2 I , , R kI

F.-Y. Villemin 2011"

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+!

F.-Y. Villemin 2011"

27"

F.-Y. Villemin 2011"

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)

OWL : Web ontology language?

Activit du W3C Dfinir un langage de spcification d'ontologies avec une semantique formelle pour le semantic web Nom : the web ontology language OWL
H (R)I} I N Q Web Ontology Language OWL

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)

(> n R) (< n R) (> n R D) (< n R D)

F.-Y. Villemin 2011"

29"

F.-Y. Villemin 2011"

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

F.-Y. Villemin 2011"

31"

F.-Y. Villemin 2011"

32"

RDF Schema RDF(S)

DAML+OIL

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-def subclass-of slot-def subslot-of domain range

F.-Y. Villemin 2011"

class-expressions AND, OR, NOT slot-constraints has-value, value-type cardinality slot-properties trans, symm

Logique de description avec syntaxe RDF(S)

33"

F.-Y. Villemin 2011"

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"

nom de classe Slot-constraint combinaison boolenne (AND, OR, NOT)

"Slot-constraints # Has-value : chaque instance doit tre dans la liste des valeurs # Value-type : chaque instance doit tre de la classe indique

! !

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

F.-Y. Villemin 2011"

39"

F.-Y. Villemin 2011"

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

OWL Full OWL DL OWL Lite

Compatible avec SHIQ + constructeur oneOf Hierarchies avec des contraintes simples

OWL "Frame" Version

RDF Schema

F.-Y. Villemin 2011"

41"

F.-Y. Villemin 2011"

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,

rdf:type http://...cnam.../this.htm Individual

F.-Y. Villemin 2011"

43"

F.-Y. Villemin 2011"

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)

<Region rdf:ID="#Paris">! </Region>!

!

(subject)

RDFS
<situDans rdf:resource="#Paris" />!

OWL <owl:Class rdf:ID="River"> <rdfs:subClassOf rdf:resource= "#Stream"/> </owl:Class>

<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"

<rdfs:Class rdf:ID="River"> <rdfs:subClassOf rdf:resource= "#Stream"/> </rdfs:Class>

F.-Y. Villemin 2011"

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

F.-Y. Villemin 2011"

47"

F.-Y. Villemin 2011"

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
!

! Points de vue, des mots diffrents pour la mme notion

" Composant, package, module

Faire en sorte que les personnes et les logiciels se comprennent

!
F.-Y. Villemin 2011" 49" F.-Y. Villemin 2011" 50"

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

# la symbolique utilise pour la construire et la lire

est un mta-modle du monde (une abstraction des mondes envisageables)

F.-Y. Villemin 2011"

51"

F.-Y. Villemin 2011"

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"

dclenchement de ces rgles

F.-Y. Villemin 2011"

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

F.-Y. Villemin 2011"

55"

F.-Y. Villemin 2011"

56"

Dfinition d'une ontologie

Une ontologie est une spcification explicite et formelle d'une conceptualisation partage ! formelle : lisible par une machine ! spcification explicite : les concepts, proprits, relations, fonctions, contraintes, axiomes sont dfinis explicitement ! conceptualisation : modle abstrait d'un phnomne dans le monde ! partage : connaissance commune Engagement ontologique : accord pour utiliser le vocabulaire de manire consistante (pas de contradiction) et cohrente (toujours le mme usage) Composants d'une ontologie : ! Concepts : organiss en taxinomie ! Relations : sous-classe-de, connect- ! Fonctions ! Instances : lments ! Axiomes : phrases qui sont toujours vraies
F.-Y. Villemin 2011" 57"

Concept
Concept primitif : Humain, Male, Femelle Concept dfini : Homme: Humain and Male Femme : Humain and Femelle Patient : < Humain(avoir Maladie)

F.-Y. Villemin 2011"

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"!

Proprits des relations :

! partOf est transitive, ! closeTo est symtrique, ! over inverseOf under ! signature : partOf : Object -> Object!
F.-Y. Villemin 2011" 59"

[Woman] (sex) "Female"!

!relation partOf : Thing -> Thing! [Engine] (partOf) [Vehicle]!

F.-Y. Villemin 2011" 60"

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

F.-Y. Villemin 2011"

61"

F.-Y. Villemin 2011"

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

Ontologies gnrales : temps, espace...

EngMath

Ontologie de la reprsentation : frame ontology

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

F.-Y. Villemin 2011"

65"

F.-Y. Villemin 2011"

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

On dfinit des connaissances complexes

! Dfinition partielle/complte

On explicite les connaissances implicites du domaine

! La relation ternaire entre : un A entre B et C est un A entre C et B

F.-Y. Villemin 2011"

67"

F.-Y. Villemin 2011"

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

F.-Y. Villemin 2011"

69"

F.-Y. Villemin 2011"

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)

F.-Y. Villemin 2011"

71"