Conception assistée d’une ontologie à partir d’une conceptualisation consensuelle exprimée de manière semi-formelle

1

Michel Héon Collaboration Gilbert Paquette, Josianne Basque

Laboratoire d'informatique cognitive et environnements de formation (LICEF) Télé-Université , Université du Québec à Montréal

Télé-Université , Université du Québec à Montréal 100 rue Sherbrooke ouest, Montréal, H2X 3P2

[email protected] [email protected] [email protected]

  Les connaissances tacites sont difficiles à éliciter;

  la formalisation est une activité complexe nécessitant une expertise poussée;

  la représentation ontologique est limitée à une forme déclarative alors qu’il existe des connaissances de nature diverse (déclarative, procédurale, stratégique);

  il manque d’outils pour l’assistance à la conception d’ontologie.

Michel Héon IC 2009 2

2

  Un langage semi-formel est un langage convivial, simple à apprendre et à utiliser;

  Sa souplesse facilite l’expression de connaissances tacites puisque la spontanéité n’est pas bloquée par la charge cognitive associée à une formalisation plus poussée;

  L’élicitation dans un formalisme de degré semi-formel peut représenter une économie de temps et surtout un gain de qualité dans la représentation des connaissances;


  Son usage permet d’élargir le bassin des personnes aptes à représenter leurs connaissances;

  La sémantique du langage semi-formel fait en sorte que: ◦  des modèles de degré semi-formel peuvent être

conçus par les experts de contenu sans l’assistance d’un ingénieur de la connaissance; ◦  La connaissance représentée est déjà dans une

forme pré-formalisée ◦  le modèle peut être formalisé avec la participation

minimale des experts les ayant conçus ou encore d’autres experts


3

1.  Décomposer le processus de construction d’une ontologie en deux phases, soit: ◦  une phase d’élicitation de la connaissance

dans un formalisme semi-formel; ◦  puis, une phase de formalisation du modèle

semi-formel en ontologie. 2.  Instrumenter le processus de

formalisation et de validation par un assistant intelligent à base d’ontologie


 Développer une méthode de conception d’ontologie: ◦ qui exploite les avantages d’une élicitation exprimée dans un formalisme semi-formel; ◦ qui simplifie la formalisation par une pré-catégorisation de la connaissance à formaliser; ◦ qui permet la formalisation de connaissances de nature diverse; ◦ qui intègre l’utilisation d’un assistance intelligent pour la formalisation et la validation de l’ontologie.


4


Michel Héon 8 IC 2009

5


6

7

8

MOF

Schéma du langage MOT

Modèle MOT de format XMI

Importer

Ontologie du langage MOT

Ontologie de transformation en OWL

9

10

Ontologie du langage MOT

Ontologie de référence (oRef:---)

Ontologie de transformation

11

Ontologie de référence (oRef:---)

Ontologie du domaine

Ontologie de transformation

métaclasse du domaine

métapropriété du domaine

12

13

 Syntaxique  Sémantique

Cet exemple fait l’objet d’un poster

14

La comparaison un à un des composants du modèle semi-formel d’origine avec les composants du modèle semi-formel généré à partir de l’ontologie du domaine

La comparaison entre l’interprétation du modèle semi-formel d’origine et l’interprétation automatique de l’ontologie du domaine

15

  La validation sémantique de l’ontologie est réalisée à partir d’une représentation en langage naturel de son contenu

  La méthodologie apporte une triple contribution au web sémantique: ◦ nouvelle méthode de conception d’ontologie basée sur une conceptualisation semi-formel; ◦  réafirmation du fonctionnement d’applications basées sur les technologies du web-sémantique (OWL-DL&SWRL); ◦ démonstration qu’une ontologie de domaine peut être créée à partir d’un système expert basé sur les ontologies;

16

 Bien que ce ne soit pas ici démontré, on notera que la méthodologie est conçue afin qu'elle soit généralisée dans son application à d'autres langages semi-formel et formel

 Sur le plan cognitif: ◦  si nous admettons qu'en élicitation, l'utilisation d'un langage semi-formel favorise l'expression de connaissances tacites; ◦ alors, nous pouvons conclure que cette méthode est un outil qui permet de formaliser des connaissances de nature tacite en des connaissances de nature explicite et formelle.

Allemang, D., and Hendler, J. Semantic Web for the Working Ontologist: Effective Modeling in RDFS and OWL Morgan Kaufmann, Burlington MA, 2008. Basque, J., Desjardins, C., Pudelko, B., and Léonard, M. "Gérer les connaissances stratégiques dans des entreprises manufacturières de la Montérégie: expérimentation de la

co-modélisation des connaissances dans 3 PME.," Rapport de recherche. Montréal: CEFRIO., Montréal/Canada, 2008a, p. 118. Basque, J., Paquette, G., Pudelko, B., and Léonard, M. "Collaborative Knowledge Modeling with a Graphical Knowledge Representation Tool: A Strategy to Support the Transfer

of Expertise in Organizations," in: Knowledge Cartography. Mapping Techniques and Software Tools, A. Okada, S.B. Shum and T. Sherborne (eds.), Springer-Verlag, London, 2008b.

Basque, J., and Pudelko, B. "Intersubjective Meaning-Making in Dyads Using Object-Typed Concept Mapping," in: In Handbook of Research on Collaborative Learning Using Concept Mapping, P.L. Torres and R.C.V. Marriott (eds.), IGI Global, sous presse.

Berners-Lee, T. 1998. «Notation-3». En ligne. <http://www.w3.org/DesignIssues/Notation3.html>. Calero, C., Ruiz, F., and Piattini, M. Ontologies for Software Engineering and Software Technology Springer, Berlin Heidelberg, 2006. Chun-Hung, L., Shih-Hung, W., LiongYu, T., and Wen-Lian, H. "The design of an intelligent tutoring system based on the ontology of procedural knowledge," Advanced Learning

Technologies, 2004. Proceedings. IEEE International Conference on, 2004, pp. 525-529. Clayberg, E., and Ribel, D. Eclipse Building Commercial-Quality Plug-ins Addison Wesley, Boston, 2006, p. 810. Corcho, O., Fernández-López, M., and Gómez-Pérez, A. "Ontological Engineering: Principles, Methods, Tools and Languages," in: Ontologies for Software Engineering and

Software Technology, 2006, pp. 1-48. Davies, J., Fensel, D., and Harmelen, F.V. Towards The Semantic Web : Ontology-Driven Knowledge Management John Wiley & Sons, 2003, p. 288. Fuggetta, A. "A Classification of CASE Technology," Computer (26:12), December 1993 (1993), pp 25-38. Fürst, F. "L'ingénierie ontologique," Institut de Recherche Informatique de Nantes, Nante, 2002, p. 38. Gašević, D., Djurić, D., and Devedžić, V. "Modeling Spaces," in: Model Driven Architecture and Ontology Development, 2006c, pp. 127-141. Golbreich, C. "Combining Rule and Ontology Reasoners for the Semantic Web," in: Rules and Rule Markup Languages for the Semantic Web, 2004, pp. 6-22. Gómez-Pérez, A., Fernández-López, M., and Corcho, O. Ontological Engineering : with examples from the areas of Knowledge Management, e-Commerce and the Semantic

Web, (First edition ed.) Springer, New York, 2003, p. 403 pages. Gronback, R.C. Eclipse Modeling Project: A Domain-Specific Language (DSL) Toolkit Addison-Wesley Professional, Boston, 2008. Gruber, T.R. "A translation approach to portable ontology specification," Knowledge Acquisition (5:2), 1993 (1993), pp 199-220 Hart, A. Knowledge acquisition for expert systems McGraw-Hill, New York, 1986. Horrocks, I., Boley, H., Tabet, S., Grosof, B., and Dean, M. 2004. «SWRL: A Semantic Web Rule Language Combining OWL and RuleML». W3C. En ligne. <

http://www.w3.org/Submission/SWRL/>. Consulté le 29 mai. Jackson, P. Introduction to Expert System, (Third edition ed.) Addison-Wesley, 1999, p. 542. Kadima, H. MDA: Conception orientée objet guidée par les modèles DUNOD, Paris, 2005, p. 232. O’Connor, M., Knublauch, H., Tu, S., and Musen, M. "Writing Rules for the Semantic Web Using SWRL and Jess," in: 8th International Protege Conference, Protege with Rules

Workshop, Stanford Medical Informatics, Stanford University School of Medicine,, Stanford, CA 94305, 2005. OMG MOF. 2006. «OMG's MetaObject Facility». Object Management Group,,. En ligne. <http://www.omg.org/mof>. Consulté le 30/09/2008. OMG ODM. 2007. «Ontology Definition Metamodel: OMG Adopted Specification». Object Management Group,,. En ligne. <http://www.omg.org/spec/ODM/1.0/Beta2/PDF/>.

Consulté le 26/05/2008. Paquette, G. Modélisation des connaissances et des compétences : un langage graphique pour concevoir et apprendre Presses de l'UQ, Sainte-Foy, 2002, p. 357. Paris, S., Lipson, M.Y., and Wixson, K.K. "Becoming a Strategic Reader," Contemporary Educational Psychology (8) (1983), pp 293-316. Pastor, O., and Molina, J.C. Model-Driven Architecture in Practice: A Software Production Environment Based on Conceptual Modeling Springer-Verlag, Berlin Heidelberg, 2007,

p. 302. Patel-Schneider, P.F., Hayes, P., and Horrocks, I. 2004 «OWL Web Ontology Language Semantics and Abstract Syntax ». W3C. En ligne. <

http://www.w3.org/TR/owl-semantics/>. Consulté le 29 mai. Staab, S., Studer, R., Schnurr, H.-P., and Sure, Y. "Knowledge Processes and Ontologies," IEEE Intelligent Systems (16:1) (2001), pp 26-34. Studer, R., Benjamins, V.R., and Fensel, D. "Knowledge Engineering: Principles and Methods.," Data and Knowledge Engineering (25:1-2) (1998), pp 161-197. Uschold, M., and Gruninger, M. "Ontologies: Principles, Methods and Applications," Knowledge Engineering Review (11:2), June 1996 (1996), p 69. Wenger, E. Artificial intelligence and Tutoring Systems, Communication and cognitive Approches to the Communication of knowledge Morgan Kaufmann, Los Altos, 1987, p.

486.