Les Ontologies dans les Systèmes d’Information

Catherine ROUSSEY catherine.roussey@cemagref.fr

Université de Lyon CNRS, Université Lyon 1, LIRIS UMR5205, Villeurbanne, France

CEMAGREF, 24 Av. des Landais, BP 50085, 63172 Aubière, France

ROUSSEY, C., FRANÇOIS PINET, KANG, M.A., CORCHO, O. - 2009. How ontologies are used for software interoperability. Chapter to appear in: Use of Ontologies to Support Information Interoperability, Springer, 52 pages http://www.towntology.net/towntologyreferences.php

Donnée, Information, Connaissance Historique des Ontologies Ontologie(s): Définitions Interopérabilité: Définition

◦ Type d’ontologie / type d’interroperabilité◦ Information ontology◦ Linguistic ontology◦ Software ontology◦ Formal ontology

Construction d’ontologies: les bases

13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 2

Données, Informations, Connaissances Donnée: est un élément d’information manipulable par un ordinateur et

percevable par un humain◦ 17

Information: données + sens + contexte (pour l’humain) type (pour la machine)◦ Information structurée BD

17 ° une valeur numérique de type température

◦ Information non structurée texte brut Un texte brut pour la machine = une séquence de caractères type document

◦ Information semi structurée page HTML Le texte est structuré en partie : titre, paragraphe etc… une forme de typage plus fin de séquence

de caractères

Connaissance (pour l’humain): information + stabilité + croyance (vrai ou faux)◦ Une sorte de généralisation d’un ensemble d’information

◦ La connaissance est toujours propre à une personne et peut être partagée par d’autres personnes

◦ Une température en France est comprise entre -30 et +40

Zins, C., (2007).Conceptual approaches for defining "Data", "Information", and "Knowledge". Journal of the American Society for Information Science (JASIST), 58 (4). pp. 479-493.

Données, Informations, Connaissances

Classe objet au sens POO: information + généralisation + traitement La classe « température » a des données avec des

méthodes associées calcul de la température moyenne d’une région: (17 +

22 + …) / N

La hiérarchie est construite sur les méthodes (les comportements)

Grace au typage (la classe) certains traitements sont impossibles ( addition de températures)

Entité en BD Relationnelle: information + mémorisation + vérification Stocker toutes les températures d’une région sur une période

données

Données quantitatives et qualitatives ◦ Une valeur de température est associée à un nom de département.

Éviter la redondance pour éliminer les incohérences de Mise à Jour ◦ une table Région avec des ID (Clé Primaire) Clé Etrangère dans une autre

Organisation se construit sur le partage de données communes (inclusion d’attributs).

Vérifier la cohérence des données lors de l’insertion et de la MàJ contraintes d’intégrité

Hypothèses du monde fermé

Connaissances formelles en IA:information + généralisation + vérification + raisonnement

Description qualitative des objets ◦ Une température = chaud, froid, tempéré

Raisonnement au sens informatique = un certains type de traitement◦ Inférence = création de nouvelles connaissances

◦ Classification automatique d’un objet ou d’une classe dans une hiérarchie

◦ Validation du modèle de données (l’ensemble des définitions des classes sont elles cohérentes)

La hiérarchie est construite sur les propriétés (la description qualitative de la classe)

Hypothèse du monde ouvert

Schéma général

Données

Information

Connaissances

Perception

Sens dans un contexte

Résultat d’un processus d’apprentissage: une généralisation d’un ensemble d’information que l’on va mémoriser

Données

Données typées

Classes en POODescription sous forme d’attribut (description quantitative & qualitative ) + méthodes (traitements)

Connaissances en IADes traitement particuliers non lié au données: description qualitative

Différent niveau de granularité : information structurée non structurées

BD Relationnelle Données fortement structurées optimisées pour le stockage

Historique des Ontologies

Ontologie avec un O majuscule (philosophie): une science: une branche de la métaphysique qui

a pour objectif l’étude de l’être en tant qu’être, c'est-à-dire l'étude des propriétés générales de tout ce qui est… définition adaptée de Wikipedia

Ontologies au pluriel avec un o minuscule (informatique):

outils informatiques résultat d’une modélisation définition à suivre…

Quels sont les modèles conceptuels que vous connaissez?

Historique des Ontologies

Expert System Knowledge based System

Knowledge separation from treatment in order to solve a specific problem or to achieve a task.

Knowledge reuse in different systems

Problem Solving MethodMethod input Method output

Method

ontology

Application

ontologyDomain

ontology

Described by

mappingExtended to

Definitions Ontologie… Gruber 1993: « an ontology is an explicit specification of a conceptualization. »

Borst 1997: « ontologies are defined as a formal specification of a shared

conceptualization. »

Studer 1998 : « an ontology is a formal, explicit specification of a shared

conceptualization. Conceptualization refers to an abstract model of some phenomenon in

the world by having identified the relevant concepts of that phenomenon. Explicit means that the type of concepts used, and the constraints on

their use are explicitly defined. Formal refers to the fact that the ontology should be machine readable. Shared reflects the notion that an ontology captures consensual

knowledge, that is, it is not private of some individual but accepted by a group.

Definitions Ontologie …

Guarino and Giaretta 1995:

« A logical theory which gives an explicit,

partial account of a conceptualization »

Guarino 1998:

« a set of logical axioms designed to account

for the intended meaning of a vocabulary »

Definitions Ontologie …

Aussenac Gilles 2006: « spécification normalisée représentant les classes

des objets reconnus comme existant dans le domaine. Construire une ontologie, c’est aussi décider d’une manière d’être et d’exister des objets. »

Roche 2005: « Définie pour un objectif donné et un domaine particulier, une ontologie est pour l’ingénierie des connaissances une

représentation d’une modélisation d’un domaine partagée par une communauté d’acteurs.

Objet informatique défini à l’aide d’un formalisme dereprésentation, elle se compose principalement d’un ensemble de concepts définis en compréhension, de relations et de propriétés logiques ».

Ontologie = des choix

1. Choix des traitements/ usage: pourquoi faire?

2. K partagée◦ consensus sur un domaine◦ Théorie minimale pour comprendre le domaine

3. Modélisation◦ Choisir des concepts◦ Choisir des invariants ou primitives qui permettent de

différencier les concepts les uns des autres propriétés relations

◦ construire une taxonomie (une hiérarchie)

4. Nommer les éléments◦ Vocabulaire normalisé

5. Formalisme: ◦ choix d’un langage capable d’effectuer les traitements

demandé en 1.

Ontology : component

Termes: un vocabulaire normalisé

Concepts/classes/types : donne le sens de termes

Définitions en Langages Naturels Relations entre concepts

Propriétés/attributs de concepts Taxonomie de concepts Définitions formelles dans un langage de

représentations des connaissances (Frames / LD …)

◦ Axiomes logiques◦ Contraintes d’intégrités

Des fonctions (pour calculer une valeur)

Des règles (si X alors Y) Des instances/individus

LightweightOntology

HeavyweightOntology

KnowledgeBase

Ontology: component

Concept

Instance

Relation

hasLabel

Property

SemanticRelation

InstanceRelation

LinguisticRelation

TextualDefinition

LogicalDefinition

isInstanceOf

hasArgument

hasID hasArgument

hasArgument

hasName

Interopérabilité: Définition

Interoperability is first defined as the ability of an information system or its

components to share information and applications. Moreover, interoperability also includes knowledge sharing throughout the life cycle of

information system: for example development and use.

Fonseca, F., Egenhofer, M., Davis, C., and Borges, K (2000). Ontologies and Knowledge Sharing in Urban GIS. Computer, Environment and Urban Systems, 24(3): pp. 232-251. 2000

Différents types d’intéropérabilité

Increasing Interoperability Capibility

creasin

Lexical Interoperability

DataInteroperability

Knowledge ModelInteroperability

ObjectInteroperability

Thesaurus

Taxonomy

Conceptual Model

LogicalTheory

Controlled Vocabulary

Glossary

DB Schema

XML Schema

ER Model

Mind Map

HumanInteroperability

Description Logique

Lexical DatabaseRDF

Information

Ontology

Software

Ontology

Formal

Ontology

Linguistic

Ontology

Classification des ontologies par spécialité

Top Level or FoundationalOntology

Core referenceOntology

Domain Ontology Task Ontology

General Ontology

Application or Local Ontology

specialize

Information Ontology

composed of diagrams and sketches only used by humans clarify and organize the ideas of collaborators

in the development of a project.

Easily modifiable and scalable Synthetic and schematic

Information Ontology: component

Concept

Instance

hasLabel

Property

InstanceRelation

isInstanceOf

hasID hasArgument

Information Ontology: Format

Screenshot of FreeMind

http://freemind.sourceforge.net/wiki/index.php/Main_Page

Information Ontology: example

architectural project

Bouattour O., Halin G., Bignon J.-C.(2007). Management System For A Virtual Cooperative Project. In Proceeding of the eCAADe Conference, Frankfort, Allemagne, Septembre 2007

Information Ontology: example

urban planning process

Kaza N., Hopkins L.D.(2007). Ontology for Land Development Decisions and Plans. In Ontologies for Urban Development: Interfacing Urban Information Systems , Teller J., Lee J., Roussey C. ed. University of Geneva 6,7 November 2006 . pp. 143-156. Studies in Computational Intelligence 61. Springer Verlag . ISBN 978-3-540-71975-

Linguistic Ontology

terms are ambiguous◦ A concept can be referenced by several terms ◦ A term can reference several concepts

define the vocabulary ◦ dictionary =list all the terms of a language

vocabulary normalization◦ terminology agreement between a users’

community◦ Choose one term for each concept that is the

preferred label of only one concept.

Thesaurus relationships: equivalence, hierarchical and associative.

Linguistic Ontology: component

Concept

Instance

Relation

hasPreferredLabel SemanticRelation

LinguisticRelation

TextualDefinition

isInstanceOf

hasArgument

hasName

Linguistic Ontology: example

The theme list of the GEMET thesaurus

http://www.eionet.europa.eu/gemet/index_html?langcode=fr

Le thesaurus URBAMET

http://portail.documentation.developpement-durable.gouv.fr/notx/Urbanisme/thesaurus/navigation.xhtml

http://www.iho.shom.fr/Dhydro/Html/site_edition/consultation.html

WordNet® = large lexical database of English

http://wordnet.princeton.edu/

Linguistic Ontology: format

SKOS:Simple

Knowledge

Organization

System

http://www.w3.org/2004/02/skos/intro

Linguistic Ontology: format

Resource

Description

Framework

Douglas Richard Hofstadter. Gödel, Escher, Bach: an EternalGolden Braid. Basic Book 1999 (ISBN 0-465-02656-7)

<rdf:Description rdf:about='http://cemagref/enitab/module7'>

<titre>Les Ontologies dans les Systèmes d’Information</titre>

<enseignant>Catherine Roussey</enseignant>

</rdf:Description>

Lexical Interoperability in Information Retrieval System

13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS

Reddocument

document

bluedocument

IndexIndexing

Indexing

Retrieve

Linguisticontology

MatchingDocument index and user query

bluedocument

Reddocument

Système Documentaire MultilingueSyDoM

ROUSSEY, Catherine. Une méthode d'indexation sémantique adaptée aux corpus multilingues . Thèse : Institut National des Sciences Appliquées de Lyon, 2001, 196 p.Disponible sur http://docinsa.insa-lyon.fr/these/pont.php?&id=roussey

Lexical InteroperabilitySemantic Web Search Engine

mapping

annotationQuery

Retrieve

Inferenceengine

linguisticontology

Metadatarepository

Web document

identified by URI

blueannotations

redannotations

green annotations

Neon Project de la FAO

Software Ontology

Software implementation driven ontologies

Conceptual schema for software development activities

Data storage

Data manipulation (method)

Data consistency (constraint)

Software Ontology: component

Concept

Instance

hasLabel

Property

SemanticRelation

isInstanceOf

hasArgument

Software Ontology: Example

Top level structure of ISO 12006-3 represented through the EXPRESS-G graphical language

xtdSubject

(ABS)xtdObject

(ABS)xtdRoot

3,1xtdRelationship

xtdProperty 1,3(3)

xtdUnit 1,4(3)

2,2xtdName

2,3xtdDescription

2,4xtdReference

(ABS)xtdCollection

*xtdNest

xtdBag

1,5(3)

xtdActivity 1,6(3)

Descriptions S[1:?]

Names S[1:?]

References S[1:?]

1,2(3)

xtdActor

1,1(3)

3,2xtdMeasureWithUnit

ISO/DIS 12006-3 version 3. 2004. Building construction -- Organization of information about construction works – Part 3: Framework for object-oriented information

Software Ontology: Example

Industry

Foundation

Classes

13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 38http://www.iai-tech.org/mvd/cv/IFC2x3/beta/html/Building.htm

Software Ontology: Examples

XMI: XML Metadata Interchange◦ http://www.omg.org/technology/documents/formal/xmi.htm

GML Geographic Markup Language◦ http://www.opengis.net/gml/

Data Interoperability: Data Exchange Format for a Software Chain

Blue data

Blue system

Green data

Green system

Reddata

Redsystem

Data exchange format

Software Ontology

Building Information Model

http://www.xscad.com/ Outils 3D basé sur

IFC Un outil par expert Échange de données

entre experts Problèmes identifiés

+ tôt Gestion de

l’avancement des travaux

Repousse les décisions budgétaires à une phase de conception plus avancée

http://www.tut.fi/units/rka/rtt/tutkimus/vbl/aurora_ii.pdf

Formal Ontology

Clear semantic using formal logics:◦ Description Logic (DL)

◦ Conceptual Graph (CG)

◦ First Order Logic (FOL)

Reasonning◦ Coherence, model validation

Formal Ontology: component

Concept

Instance

Relation

hasLabel

Property

SemanticRelation

InstanceRelation

LinguisticRelation

TextualDefinition

LogicalDefinition

isInstanceOf

hasArgument

hasID hasArgument

hasArgument

hasName

Formal Ontology: example

13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 44Trausan-Matu S.(2009). Ontology-Based Interoperability in Knowledge-Based Communication Systems. Chapter to appear in: Use of Ontologies to Support Information Interoperability, Springer

Formal Ontology: format

Ontology

Language

OWL Lite

OWL DL

OWL Full

www.w3.org 2007

Knowledge Model Interoperability: Information System Conception

Ontologies

CLASSE A

Attribute a1Attribute a2

CLASSE B

Attribute b1Attribute b2

relation

Conceptual Schema

Derivation links

Fonseca, F., Egenhofer, M., Davis, C., and Borges, K (2000). Ontologies and Knowledge Sharing in Urban GIS. Computer, Environment and Urban Systems, 24(3): pp. 232-251. 2000

user adapted interface development

databases

KnowledgeBase

User Specific InterfaceInformation Sources

3D City Model

Conceptualannotation links

Instances

Instance links

OUPPontology

Localontologies

Inhabitant

Urbanist

Metral, C; Falquet, G; Karatzas, K (2007 A). Ontologies for the Integration of Air Quality Models and 3D City Models. In proceeding of the 2nd Cost Action C21 – Towntology Workshop Ontologies for urban development: conceptual models for practitioners ,Turin, October 2007

Object Interoperability: a global system related to local one

13/11/2009 CONCEPTION DE SYSTEMES D’INFORMATION ENVIRONNEMENTAUX COMMUNICANTS 48Blue data

Green data

Reddata

queryretrieve

Wrapperfor the Blue DB

local schema

Wrapperfor the Red

Mediator

mapping

local schema

Mediatedvirtual

database

local schema

Global schema

IGN-E case : the Phenomen Ontology

retrieve

domain ontologyPhenomenOntology

Mappingblue

database

reddatabase

Gomez-Pérez, A Ramos Gargantilla JA, Rodríguez Pascual A, Vilches BlázquezLM (2008). The IGN-E case: Integrating through a hidden ontology Lecture notes in geoinformation and cartography p 417-434

Construction d’Ontologies:les bases

Méthodes de construction d’ontologies

Cycle de vie en plusieurs étapes

1. Spécification

2. Acquisition de Connaissances

3. Formalisation

4. Évaluation

5. Documentation

Spécification

a quoi va servir l’ontologie? Identifier le but de l’application limiter le domaine

◦ les objets ◦ les usagers, les points de vues◦ les sources documentaires◦ Les autres ontologies

Trouver les questions auxquelles devra répondre l’ontologie.

Trouver les scénarios d’utilisation des connaissances

Acquisition des connaissances

Réutiliser des ontologies existantes ◦ top level ontology◦ Ontologie d’une partie du domaine ex. ontologie des unités

Identifier les termes importants ◦ normaliser le vocabulaire

Identifier les concepts et les relations du domaine◦ Définition écrite en Langue Naturelle◦ Trouver les conditions minimales et suffisantes pour dire

qu’un objet appartient à une classe donnée.◦ Trouver les différences entre classes sœurs et classe mère/

classe fille

Stratégie différente suivant les sources étudiées:◦ Thesaurus, ◦ Base de données, ◦ texte etc…

Construire la taxonomie de concepts

Hiérarchie avec une relation is a ou relation de subsomption

3 stratégies pour identifier les concepts Bottom-up :

◦ spécialisé général, ◦ concepts très détaillés pas nécessairement utiles

Top-down: ◦ général spécialisé, ◦ facilite la cohérence et la réutilisation mais dirige la

conception suivant un point de vue

Middle-out: ◦ concept important spécialisé, général; ◦ ontologies modulaires, facilite la stabilité des résultats

Formalisation

Coder l’ontologie dans un langage formel

des outils: Protégé, Kaon, OntoEdit …

Trouver les classes, les attributs, les types, les contraintes

Peupler l’ontologie: instancier les classes base de connaissances

Evaluation

Construction d’ontologie: un domaine récent

Valider la taxonomie:◦ Pas de cycle◦ Toutes les instances d’une classe sont aussi les instances de la classe mère

◦ Hiérarchie homogène: pas de classe isolée, pas de listes de sous classes trop importante

Tester l’application◦ Répondre aux questions de la phase de spécification

Documentation

Donner des explications◦ Expliquer les choix de modélisation

Définition en langage naturel◦ Concepts, propriétés, relations, contraintes

Lier les concepts aux sources dont sont issues les définitions

Conclusion

Toutes les méthodes sont faites pour des experts en ontologies qui communiquent avec des experts du domaine

La phase d’acquisition des connaissances est la plus longue et la plus fastidieuse.

Écrire une ontologie valide n’est pas évident◦ Différence entre un concept et un terme, une

instance et une classe, …

◦ Trouver un consensus entre experts du domaine

◦ La relation partie-de n’est pas la relation hiérarchique de la taxonomie

Bibliographie sur la construction d’ontologies

Outils◦ Neon Toolkit◦ KAON◦ Protégé

Article de Références◦ Gómez-Pérez, A. (1998). Knowledge sharing and reuse.

Handbook of Applied Expert Systems. Liebowitz, editor, CRC Press.

◦ Gómez-Pérez, A., Fernandez-Lopéz, M., Corcho, 0 (2003). Ontological Engineering, Springer Editor.

◦ Uschold, M. and Gruninger, M. (1996). Ontologies: Principles, Methods and Applications. Knowledge Engineering Review 11(2)

◦ Gruber, T. R. Toward principles for the design of ontologiesused for knowledge sharing. Padova, Italy, 1992.

OWL DLLogique de Description

OWL DL: Composants

Classe = un ens d’individus « datatype property »

◦ lie un individu à un type de données (ex: hasID)

« annotation property » ◦ lie un individu, une classe, une « property » à une

métadonnée (ex: hasLabel)

« objects property »◦ lie un individu à un individu (ex: hasPart)

Constructeurs : description des classes Restrictions : crée des classes anonymes Individus base de connaissances

Hai Wang, Alan Rector, Nick Drummond, Matthew Horridge, et al. OWL Pizzas: Practical Experience of Teaching OWL-DL: Common Errors & Common Patterns. EKAW 2004.

Classes

Classes = concepts = type de concepts Classe nommée Classe anonyme

◦ Un axiome pour décrire la classe◦ Nom ?

Classe primitive Classe définie◦ Conditions nécessaires◦ Conditions nécessaires et suffisantes ?

Classe équivalente ( ) sous classe ( ) Hiérarchie de classes = taxonomie

Constructeurs

Union de classes : ou logique

Intersection de classe : et logique

Négation de classe : le complément

Objects Property

« Functional property »: pour un individu donné il existe au plus une functional property ( ex: hasBirthMother)

« Inverse property » « Transitive property » « Symetric property » « Domain » et « range »: définie la cible « range » et

la source « domain » du lien entre des individus.◦ Ce n’est pas une contrainte, c’est un axiome utilisé

pour inférer, peut conduire à des incohérences

Restrictions

Existentiel restriction ( hasBirthMother.Thing)◦ « Some » ◦ définie une classe anonyme contenant les individus qui

ont au moins un lien par la property◦ Les individus qui ont au moins une mère biologique

Universal restriction ( hasBirthMother.Human)◦ « Only » ◦ définie une classe anonyme contenant les individus qui

,quand il possède un lien par la property hasBirthMother, la cible du lien est toujours de la classe Human

◦ Les individus qui n’ont pas de lien hasBirthMotherappartiennent à cette classe !!!

◦ Only n’implique pas some !!!

Cardinality restriction ≥N hasPart.Thing

Raisonnements

Classification automatique de la taxonomie de classes (héritage multiple)

Détection automatique de l’appartenance d’un individu à une classe

Ontologie consistante cohérence de la théorie?◦ Pas de « unsatisfiable classe » ◦ Unsatisfiability = il n’y aura jamais un individu qui pourra

appartenir à cette classe

Interrogation pour retrouver un ensemble d’individu répondant à un axiome.

Les Ontologies dans les Systèmes d’Information

Technology

Livre_Blanc - Sécurité des Systèmes d’Information

Systèmes d’information pour l’ingénierie système durableemmanuel.caillaud.pagesperso-orange.fr/Emmanuel_Caillaud/Ingenierie... · Systèmes d’information pour l’ingénierie

Cartographie Des Systèmes d’information

Gouvernance & Influence - Claranet€¦ · Gouvernance des Systèmes d’Information Influence des Systèmes d’Information 2 . Contexte Economique, Technologique & Sociétal . Evolution

Systèmes d’information dans les entreprises

Master Management des Systèmes d’Information...Master Management des Systèmes d’Information (MSI) Motivation Avec l’évolution des nouvelles technologies, le Système d’Information

Systèmes d’information Ontologies Bases de connaissances · minCardinality : toute instance de la classe sera relié par la propriété à au moins x individus Exemple: propriété

Management des systèmes d’information

INTERNET ET LES SYSTÈMES D’INFORMATION

Ontologies et système d’information - imgt.org · Algèbre relationnelle Algèbre d’intervalles Logiques de description Interroger le Web. Système d’information et base de

Systèmes d’Information Hospitalierslertim.timone.univ-mrs.fr/Ecoles/infoSante/2001/SupportsEcole/... · Systèmes d’Information Hospitaliers Professeur Patrice Degoulet Hôpital

Qualité des systèmes d’information

Politique de Sécurité des Systèmes d’Information · Systèmes d’Information (ex Direction Centrale de la Sécurité des Systèmes d’Information) et suit la structure en chapitres

Conception de systèmes d’information

Informatique I Systèmes d’Information – 1

Théorie avancée des systèmes d’information 7 ORGANISATION DU SYSTEME D’INFORMATION

Conception de systèmes d’informationmagoni/csi/CSI_cours1.pdfIngénierie des systèmes d’information : Merise Pascal André et Alain Vailly : Conception des systèmes d’information

Systèmes d’information fondements des systèmes d’information

Ingénierie des Systèmes d’Information - erwan.tranvouez.free.frerwan.tranvouez.free.fr/cours/gii/Cours_SI_Polytech_Chap_4.pdf · Ingénierie des Systèmes d’Information Problématique

Taxonomies, ontologies, folksonomies · 2018. 4. 12. · Taxonomies, ontologies et folksonomies... Introduction • Définitions : langages documentaires –référentiels –systèmes