Transcript Connaissances ontologiques - Institut de Recherche en

Veille technologique
Ingénierie Ontologique
Concepts, méthodes et outils
Gilles Kassel
Plan
•
•
•
•
•
•
•
•
•
Avant Propos
Qu’est-ce qu’une ontologie ?
A quoi sert une ontologie ?
Méthodes de construction
Langages de spécification
Environnements de développement
Applications
Conclusions générales
Références
Objectifs du document (1/2)
Ce document fait un point sur une
discipline naissante, l’Ingénierie Ontologique
• Le premier objet du document est de présenter un état de l’art sur une
discipline naissante - l’Ingénierie Ontologique - qui est concernée par
la construction d’ontologies.
• Cette discipline se situe au carrefour de plusieurs disciplines
auxquelles elle emprunte des concepts, notamment : l’Ingénierie des
Connaissances, l’Ontologie (philosophie) et la Linguistique.
• L’importance de l’Ingénierie Ontologique est reconnue aujourd’hui
dans différents champs de recherche : Ingénierie des Connaissances,
Intelligence Artificielle, Gestion des connaissances, Linguistique
informatique, Systèmes d’information, Recherche et extraction
d’informations, Intégration d’informations, Bases de données.
Objectifs du document (2/2)
Ce document réactualise un premier document
de veille technologique dans le même domaine
• Le second objet du document est de poursuivre en le complétant un
travail de veille technologique réalisé par Jean-Paul Barthès pour IIIA
en décembre 1998 [Barthès, 98].
• Les informations ont été remises à jour et restructurées pour tenir
compte des avancées de la discipline. La discipline a en effet connu un
essor important ces toutes dernières années, qui justifie ce nouveau
travail de veille.
• En particulier, des travaux de synthèse récents apportent des éclairages
nouveaux qui conduisent à modifier la façon de présenter la discipline
et ses résultats.
Contenu du document
Le document présente les concepts, méthodes
et outils de l’Ingénierie Ontologique
• On trouvera dans le document les informations suivantes :
– une introduction précisant les différents sens du terme “ontologie” et
présentant les besoins motivant la construction de ces objets.
– un bilan sur les méthodes (modèles de processus de développement) et
outils (langages de spécification et environnements de développement)
disponibles pour la construction des ontologies.
– un panorama des applications des ontologies.
• Le document indexe un ensemble volumineux d’articles, de rapports
techniques et de sites Web, publiés pour la plupart ces trois dernières
années.
Plan
•
•
•
•
•
•
•
•
•
Avant Propos
Qu’est-ce qu’une ontologie ?
A quoi sert une ontologie ?
Méthodes de construction
Langages de spécification
Environnements de développement
Applications
Conclusions générales
Références
Le point de vue de
l’Ingénierie des Connaissances (1/3)
Une définition, au sens large
• Dans un sens large, on peut adopter pour la notion d’ontologie la
caractérisation suivante [Uschold, 98] :
– “Une ontologie peut prendre différentes formes, mais elle inclura
nécessairement un vocabulaire de termes et une spécification de leur
signification. Cette dernière inclut des définitions et une indication de la
façon dont les concepts sont reliés entre eux, les liens imposant collectivement une structure sur le domaine et contraignant les interprétations
possibles des termes.”
• Une telle caractérisation rend compte d’objets divers tels des
glossaires, des terminologies, des thesaurus et des ontologies (au sens
strict), mis en œuvre par différents professionnels (ingénieurs de la
connaissance, bibliothécaires, traducteurs) et se distinguant suivant que
l’accent est mis sur les termes ou leur signification.
Le point de vue de
l’Ingénierie des Connaissances (2/3)
Une définition, au sens strict
• Les “ontologies” de l’IA et de l’Ingénierie des Connaissances émanent
du projet ARPA Knowledge Sharing Effort (1991). Une définition
consensuelle pour ces disciplines reste celle de [Gruber, 93] :
– “Une ontologie est une spécification explicite d’une conceptualisation.”
• Le terme “conceptualisation” situe les ontologies sur le versant
sémantique. Une conceptualisation rend compte du sens des termes. La
littérature logico-philosophique nous enseigne que le sens correspond à
des intensions (ou objets intensionnels), par opposition à extensions.
• L’expression “spécification explicite” fait des ontologies un objet
syntaxique. La conceptualisation est codée dans un langage. Suivant le
langage utilisé, l’ontologie prendra la forme d’une théorie logique
(ensemble de formules logiques) ou d’un réseau sémantique.
Le point de vue de
l’Ingénierie des Connaissances (3/3)
Derrière le terme “ontologie” se cachent des objets très
divers [Noy & Hafner, 97]
• La plupart des ontologies sont structurées au moyen de la relation “est
un” de subsomption, ou de généralisation, entre concepts. La relation
Tout-Parties “est composé de” est également utilisée.
• Certaines ontologies sont denses, contenant de nombreux axiomes
contraignant le sens des termes. D’autres se résument à une taxinomie
de concepts donnés sans définition.
• La taille des ontologies varie de quelques dizaines de concepts à
plusieurs dizaines de milliers de concepts.
• Les ontologies peuvent être informelles, formelles ou opérationnelles.
Dans ce dernier cas, elles sont spécifiées dans un langage de
programmation.
Le point de vue de l’Ontologie (1/2)
Un détour par l’Ontologie
• L’Ontologie est la branche de la philosophie qui traite de la nature et
de l’organisation de la réalité. Elle côtoie l’Epistémologie qui traite de
la nature et des origines de notre connaissances [Nef, 98].
• Produits de l’Ontologie, les ontologies formelles sont des théories de
l’objet :
– dont l’analyse est menée de façon rigoureuse, en ayant recours en général
à la logique mathématique,
– transversales à toutes les ontologies matérielles, relatives à des domaines
différents d’objets (des régions de savoir).
• L’Ingénierie Ontologique est la branche de l’Ingénierie des Connaissances qui exploite les principes de l’Ontologie (formelle) pour
construire des ontologies [Guarino & Giaretta, 95].
Le point de vue de l’Ontologie (2/2)
Une définition, dans un sens encore plus strict
• La structure sémantique rendant compte du sens des termes correspond
à l’essence des concepts. En effet, seules les propriétés essentielles
(nécessairement vérifiées par les instances du concept dans tout monde
possible) sont définitionnelles [Bouaud et al., 94].
• Ces propriétés étant en nombre indéfini, une théorie logique ne peut
donner qu’une caractérisation approximative d’une structure sémantique. La définition de [Guarino & Giaretta, 95] traduit cette limitation :
– “Une ontologie est une spécification rendant partiellement compte d’une
conceptualisation”.
• Une théorie logique spécifie un engagement ontologique, lequel
approxime une conceptualisation. Le degré d’approximation dépend du
langage utilisé (ex : logique modale, logique du 1er ordre), lequel
dépend finalement de l’objectif visé (partage d’une conceptualisation,
mise en œuvre d’inférences).
Le point de vue de la Linguistique
La Linguistique est concernée par le processus
de construction des ontologies
• La Linguistique est concernée par la question des ontologies dans la
mesure où les données dont on dispose pour élaborer les ontologies
consistent en des expressions linguistiques de connaissances.
• La caractérisation du sens de ces expressions conduit à déterminer des
signifiés contextuels, dépendants des contextes (documents) où les
expressions apparaissent.
• Ces signifiés contextuels doivent alors être normés, ce qui revient à
fixer une signification pour un contexte de référence, celui de la tâche
(application) pour laquelle l’ontologie est élaborée [Bachimont, 00].
• L’ontologie régionale (non universelle) que l’on obtient est ainsi une
spécification de signifiés normés.
Plan
•
•
•
•
•
•
•
•
•
Avant Propos
Qu’est-ce qu’une ontologie ?
A quoi sert une ontologie ?
Méthodes de construction
Langages de spécification
Environnements de développement
Applications
Conclusions générales
Références
Un besoin générique : faire tomber les barrières
créées par des vocabulaires disparates
Un besoin existe de partager la signification
de termes dans un domaine donné
• Toute activité humaine spécialisée développe son propre jargon
(langue de spécialité) sous la forme d’une terminologie et d’une
conceptualisation associée spécifiques.
• L’existence de tels jargons entraîne des problèmes de compréhension et
des difficultés à partager des connaissances entre les acteurs de
l’entreprise, les services d’une entreprise, les entreprises d’une
industrie, qui font des métiers différents.
• Fondamentalement, le rôle des ontologies est d’améliorer la
communication entre humains, mais aussi entre humains et ordinateurs
et finalement entre ordinateurs.
Une aide à la communication entre
agents humains et aussi entre organisations
Vers un vocabulaire standardisé
• L’existence de vocabulaires différents au sein d’une entreprise (ex :
bureau d’études, bureau des méthodes) ou d’une industrie (ex : constructeur automobile, équipementier) constitue un frein à la collaboration et aux partenariats. Les enjeux touchent donc directement la
compétitivité de l’entreprise.
• Pour l’entreprise, l’ontologie sert à :
– améliorer la compréhension entre les employés,
– favoriser la diffusion des information et leur exploitation,
– promouvoir une nouvelle approche de conception des systèmes d’information (réutilisation de codes, interopérabilité des logiciels).
• Pour ces besoins de standardisation du vocabulaire, une terminologie
ou une ontologie informelle peuvent suffire [O’Leary, 98].
Une aide à la conception et à l’utilisation
des systèmes d’information (1/2)
Des apports pour l’ingénierie des systèmes d’information
[Guarino, 98]
• Spécification ; Acquisition des connaissances : une ontologie peut
aider à l’analyse des besoins et à définir les spécifications d’un SI.
• Ré-utilisation ; Partage : une ontologie peut être, ou peut devenir suite
à une traduction, un composant ré-utilisable et/ou partagé par plusieurs
logiciels.
• Fiabilité ; Maintenance : une ontologie peut servir à améliorer la
documentation d’un logiciel et/ou à automatiser des vérifications de
cohérence (SBCs), réduisant les coûts de maintenance.
• Inter-opérabilité : en jouant le rôle d’un format d’échange, l’ontologie
permet à des systèmes d’information, basés sur des paradigmes de
modélisation et des langages d’implantation différents, de coopérer.
Une aide à la conception et à l’utilisation
des systèmes d’information (2/2)
Vers une meilleure exploitation de sources d’information
• Recherche : une ontologie peut jouer le rôle de méta-data servant
d’index dans un répertoire d’information.
• Intégration : dans une application “entrepôt de données”, une
ontologie peut jouer le rôle d’un schéma conceptuel commun reliant
entre elles plusieurs sources d’information hétérogènes.
• Interface Homme-Machine : la visualisation de l’ontologie permet à
l’utilisateur de comprendre le vocabulaire utilisé par le SI et de mieux
formuler ses requêtes.
• Requêtes : une ontologie linguistique peut permettre de comprendre les
requêtes (représentation du contenu) de l’utilisateur formulées en
langue naturelle.
Plan
•
•
•
•
•
•
•
•
•
Avant Propos
Qu’est-ce qu’une ontologie ?
A quoi sert une ontologie ?
Méthodes de construction
Langages de spécification
Environnements de développement
Applications
Conclusions générales
Références
Préambule
Bref état de l’art des méthodes
de développement d’ontologies
• Jusqu’en 1996, les premières ontologies ont été développées de façon
complètement artisanale, sans suivre de méthode prédéfinie.
• De ces premiers projets (ex : Mikrokosmos, Enterprise Ontology,
TOVE, MENELAS) sont issues des listes de recommandations
constituant des ébauches de méthodes, ou cadres méthodologiques.
• Depuis 1998, on assiste à la naissance de cadres méthodologiques plus
élaborés inspirés des méthodes de l’Ingénierie des Connaissances (ex :
METHONTOLOGY) et fondés, soit sur la linguistique (ex :
TERMINAE), soit sur l’Ontologie (ex : principes proposés par N.
Guarino).
Des cadres méthodologiques
issus de projets (1/2)
La méthode “Enterprise Ontology” [Uschold & King, 95]
http://www.aiai.ed.ac.uk/project/enterprise
• La méthode, basée sur l’expérience du développement de l’ontologie
Enterprise Ontology, repose sur l’identification de différentes étapes :
– Identification du POURQUOI de l’ontologie ;
– Construction de l’ontologie (identification des concepts clef ; modélisation
informelle ; formalisation) et intégration d’ontologies existantes ;
– Evaluation et documentation de l’ontologie.
• Cette méthode s’inspire du développement de SBCs. Les étapes et
sous-tâches sont décrites de façon abstraite. Les techniques à utiliser
pour les sous-tâches ne sont pas précisées (ex : comment identifier les
concepts clef ? Quel langage de formalisation utiliser ?).
Des cadres méthodologiques
issus de projets (2/2)
La méthode “TOVE” [Grüninger & Fox, 95]
http://www.eil.utoronto.ca/tove/ontoTOC.html
• Cette méthode est basée sur l’expérience du développement de l’ontologie du projet TOVE (TOrento Virtual Enterprise). Elle aboutit à la
construction d’un modèle logique de connaissance. L’ontologie est
développée selon les étapes suivantes :
– Identification de scénarii (problèmes) dépendants d’une application ;
– Formulation de questions informelles (basées sur les scénarii) auxquelles
l’ontologie doit permettre de répondre ;
– Spécification d’une terminologie à partir des termes apparaissant dans les
questions.
– Spécification formelle (en KIF) des axiomes et des définitions pour les
termes de la terminologie.
– Evaluation de la complétude de l’ontologie.
• La méthode reste spécifiée de façon abstraite. Ni les différentes étapes
ni les techniques ne sont décrites en détail.
Une méthode inspirée de
l’Ingénierie des Connaissances
METHONTOLOGY [Fernandez-Lopez et al., 99]
• Cette méthode est développée au Laboratoire d’Intelligence Artificielle
de l’Université polytechnique de Madrid. Elle vise la construction
d’ontologies au “niveau connaissance” et repose sur :
– un processus de développement d’ontologies comportant des activités de gestion de projet (planification, assurance qualité), des
activités orientées développement (spécification, conceptualisation, formalisation) et des activités de support (documentation) ;
– un cycle de vie des ontologies basé sur des prototypes évoluant.
• METHONTOLOGY s’inspire d’une méthode de développement de
SBCs. Elle est spécifiée de façon très détaillée et a été utilisée pour
construire plusieurs ontologies dont l’ontologie des ontologies :
Reference Ontology [Arpirez-Vega et al., 98]. Elle est supportée par
l’outil ODE [Blazquez et al., 98].
Une méthode linguistiquement fondée
TERMINAE [Biébow & Szulman, 99]
• Cette méthode est développée au LIPN, à l’Université de Villetaneuse.
S’insérant dans la problématique du groupe de recherche français TIA
(Terminologie et IA), elle propose la construction d’ontologies à partir
de textes en suivant quatre principales étapes :
– Constitution d’un corpus (documents techniques, comptes rendus, livres
de cours, etc.), à partir d’une analyse des besoins de l’application visée,
– Etude linguistique, pour identifier des termes et des relations lexicales, en
utilisant des outils de traitement de la langue naturelle,
– Normalisation sémantique, conduisant à des concepts et des relations
sémantiques définis dans un langage semi-formel.
– Formalisation et intégration des concepts au sein d’une BC formelle.
• Dans sa version actuelle, l’outil supportant la méthode intègre l’outil
LEXTER [Assadi & Bourigault, 00] pour identifier des termes candidats.
Apports méthodologiques de l’Ontologie
Travaux de N. Guarino au LADSEB (Padoue, Italie)
• N. Guarino et son équipe cherchent à évaluer l’apport des notions et
principes de l’Ontologie pour la construction d’ontologies. Leur
proposition prend la forme d’une ontologie générique [Guarino, 97] et
d’une ontologie de méta- propriétés [Guarino & Welty, 00a].
• L’ontologie générique rassemble un ensemble d’objets abstraits et leur
définition (ex : objet physique, substance, système, état, processus,
activité). La construction d’une ontologie d’application peut donc se
faire par spécialisation de l’ontologie générique.
• Les méta-propriétés (ex : type, rôle) sont fondées sur des notions de
l’Ontologie (ex : identité, unité, rigidité) [Guarino & Welty, 00b] et
permettent de vérifier la cohérence d’une ontologie d’application qui
s’en trouvera d’autant plus facilement réutilisable.
Bilan
A ce jour, des propositions existent
mais ne sont pas unifiées
• Les méthodes de l’Ingénierie Ontologique n’ont pas encore atteint, loin
s’en faut, la maturité des méthodes du Génie Logiciel.
• Les propositions de méthodes sont encore incomplètes. Un effort de
synthèse et de diffusion reste encore à faire, également d’intégration de
retours d’expérience. Cette situation justifie les travaux de recherche
en cours dans différentes équipes.
• L’article [Fernandez-Lopez, 99] présente un premier état de l’art,
relativement complet, sur ces méthodes de développement.
• L’article [Aussenac-Gilles et al., 00] exploite des résultats de travaux
menés par le groupe français TIA (Terminologie et IA) pour proposer
une méthode basée sur l’analyse de corpus.
Plan
•
•
•
•
•
•
•
•
•
Avant Propos
Qu’est-ce qu’une ontologie ?
A quoi sert une ontologie ?
Méthodes de construction
Langages de spécification
Environnements de développement
Applications
Conclusions générales
Références
Préambule (1/2)
Il existe différents types de langages de spécification
• L’explicitation des ontologies s’effectue au moyen de langages et
plusieurs types de langages peuvent jouer le rôle de langage de
spécification, allant des langues naturelles jusqu’aux langages de
représentation opérationnels (exécutables).
• Dans un projet de construction d’ontologie, il est courant d’utiliser
plusieurs langages, adaptés aux différentes étapes de la construction.
– En amont, pour acquérir les connaissances ontologiques, on peut faire
usage de la langue naturelle ou d’un langage de modélisation informel.
– En aval, si l’ontologie doit devenir un composant d’une application, on
aura recours à des langages de représentation formels et/ou exécutables.
• Dans ce chapitre, on ne s’intéresse qu’aux langages de représentation
dédiés ou adaptés à la spécification d’ontologies.
Préambule (2/2)
Bref état de l’art des langages de représentation
dédiés ou adaptés aux ontologies
• Jusqu’au milieu des années 90, seul existait le langage formel
Ontolingua comme langage d’échange d’ontologies [Gruber, 93a].
• Depuis la fin des années 90, une nouvelle génération de langages voit
le jour. Leur développement répond à plusieurs objectifs :
– améliorer le processus de construction des ontologies (ex : OCML, Mdos),
– échanger les ontologies sur le Web (ex : RDF(S), SHOE, XOL, OIL),
– intégrer différents paradigmes de représentation, comme les langages de
Frames et les Logiques de description (ex : OIL, DefOnto),
– doter les langages de services inférentiels performants (ex : OIL,
PowerLOOM, DefOnto).
OCML : un langage facilitant
l’opérationnalisation des ontologies (1/2)
Exemple de représentations
(def-class père (parents, homme) ?p
:iff-def
(or (and (parents ?p) (a_pour_sexe ?p “masculin”))
(exists ?e (and (homme ?p)
(a_pour_enfant ?p ?e)
(personne ?e)))))
(def-relation a_pour_père (?p ?h)
:constraint (and (personne ?p) (homme ?h)))
OCML : un langage facilitant
l’opérationnalisation des ontologies (2/2)
Caractéristiques principales du langage
• OCML est développé au Knowledge Media Institute de l’Open
University (Mylton Keynes, Angleterre). Il a été initialement défini
dans le cadre du projet VITAL pour permettre de spécifier des modèles
de résolution de problèmes au niveau connaissance, puis de les
opérationnaliser [Motta, 98][Motta, 99].
• La couche domaine du langage étant considérée comme équivalente
aux connaissances visées par Ontolingua, OCML est supposé
opérationnaliser des ontologies spécifiées en Ontolingua.
• La principale caractéristique d’OCML est de supporter différents styles
de spécification : informel, formel et opérationnel, l’opéra- tionnel
correspondant à du “prototypage au niveau connaissance”.
DefOnto : un langage permettant
l’expression de méta-connaissances (1/2)
Exemple de représentations
(DefGenConcept #père
= [#parents] -> (MI#a_pour_sexe) -> “masculin”
= [#homme] -> (ME#a_pour_enfant) -> [#personne] )
(DefRelation #a_pour_père
IsA [#a_pour_parents]
RelationProperties
-> (#has_for_domain) -> [#personne]
-> (#has_for_range) -> [#homme] )
DefOnto : un langage permettant
l’expression de méta-connaissances (2/2)
Caractéristiques principales du langage
• DefOnto est développé dans l’équipe Ingénierie des Connaissances du
LaRIA à l’Université de Picardie Jules Verne, comme sous-langage du
langage d’opérationnalisation de modèles de résolution de problèmes
Def* [Kassel et al., 00].
• DefOnto permet de représenter des métaconnaissances (ex : des
propriétés de propriétés) et cette caractéristique est notamment
importante pour rendre compte de concepts de résolution de problèmes
[Kassel, 99].
• Un objectif visé par la définition de DefOnto est de doter le langage de
mécanismes de compilation modulaire pour faciliter le développement
et la maintenance des ontologies formelles.
OIL : un langage pour échanger
des ontologies sur le Web (1/2)
Exemple de représentations
class-def defined père
subclass-of
((parents and (slot-constraint a_pour_sexe
has-filler “masculin”))
or (homme and (slot-constraint a_pour_enfant
has-value personne)))
slot-def a_pour_père
subclass-of a_pour_parents
domain personne
range homme
OIL : un langage pour échanger
des ontologies sur le Web (2/2)
Caractéristiques principales du langage
http://www.ontoknowledge.org/oil/
• OIL résulte d’une initiative internationale rassemblant plusieurs
équipes collaborant au développement de ce langage dans les projets
IST : On-To-Knowledge et IBROW3 et dans le programme américain
DAML (langage DAML-OIL : http://www.daml.org).
• Ses primitives de représentation le situent à mi-chemin entre les langages de Frames et les Logiques de description [Horrocks et al., 00].
• Un effort particulier a été fait pour l’échange d’ontologies sur le Web.
Sur le plan syntaxique, OIL est doté de deux notations compatibles
Web, définies selon les deux standards respectifs que sont XML et
RDF [Klein et al., 00].
Bilan
Pour en savoir plus
• Plusieurs langages sont actuellement en cours de définition, qu’il
s’agisse de langages de modélisation (ex : Mdos [Nobécourt, 00]) ou
de représentation opérationnels : DefOnto, OIL et PowerLOOM. Tous
ces langages permettent de représenter un noyau commun de
connaissances.
• L’article [Corcho & Gomez-Perez, 00] présente une étude comparative
très large de langages de spécification d’ontologies, les comparaisons
portant sur la puissance d’expression et les capacités inférentielles.
• L’article [Barry et al., 01] propose une étude plus poussée, mais
restreinte aux seuls langages de représentation opérationnels. Les
résultats de cette étude sont accessibles à l’adresse :
– http://www.laria.u-picardie.fr/EQUIPES/ic/LangComp/
Plan
•
•
•
•
•
•
•
•
•
Avant Propos
Qu’est-ce qu’une ontologie ?
A quoi sert une ontologie ?
Méthodes de construction
Langages de spécification
Environnements de développement
Applications
Conclusions générales
Références
Préambule
Ce chapitre présente des environnements
de développement d’ontologies
• L’objet de ce chapitre est de présenter des outils d’aide à la création et
à la mise au point d’ontologies. A notre connaissance, il n’existe pas
encore d’environnements commerciaux. Il s’agit de prototypes
académiques, accessibles publiquement (sur demande aux auteurs).
• Ce chapitre reprend pour l’essentiel les éléments d’une étude
comparative d’outils d’ingénierie ontologique publiée récemment dans
[Duineveld et al., 99].
Des environnements accessibles
publiquement (1/5)
Le serveur Ontolingua [Farquhar et al., 97]
http://www-ksl-svc.stanford.edu/
• Ce serveur, localisé à l’Université de Stanford, permet à un utilisateur,
ou groupe d’utilisateurs, de visualiser des ontologies existantes et de
construire coopérativement de nouvelles ontologies. L’accès au serveur
s’effectue au moyen d’un browser Web standard.
• Plusieurs fonctionnalités sont offertes :
– la réutilisation (par fusion et/ou extension) d’ontologies existantes
dans différents domaines, stockées dans une bibliothèque.
– une aide au travail coopératif permettant à un groupe géographiquement distribué de construire collaborativement une ontologie.
– l’exportation d’ontologies dans différents formats pour utilisation
dans des applications.
Des environnements accessibles
publiquement (2/5)
WebOnto [Domingue, 98] http://webonto.open.ac.uk/
• WebOnto est développé au Knowledge Media Institute à l’Open
University. C’est un outil accessible sur Internet et principalement
graphique permettant de construire coopérativement des ontologies.
• L’outil offre plusieurs fonctionnalités :
– Une visualisation graphique et séparée des différents composants
d’une ontologie (classes, relations, règles, instances, procédures)
adaptée à la construction d’ontologies de grande taille.
– Le couplage avec un outil de discussion d’ontologies : Tadzebao.
– Des services inférentiels, basés sur le langage OCML, permettant
de répondre à des requêtes et des vérifications de cohérence.
– Des outils pour la construction coopérative (modes diffusion et
édition) et l’annotation (crayons de couleur).
Des environnements accessibles
publiquement (3/5)
ProtégéWin [Eriksson et al., 99]
http://smi-web.stanford.edu/projects/prot-nt/
• Ce logiciel a été conçu pour le Département d’informatique Médicale
de l’Université de Stanford, notamment pour construire des ontologies.
Plus généralement il permet de concevoir des SBCs par réutilisation de
modèles du domaine et de méthodes de résolution de problèmes.
ProtégéWin doit être installé localement sur un PC sous Windows.
• Une fois l’ontologie construite, ProtégéWin génère automatiquement
un outil d’acquisition des connaissances pour les instances de
l’ontologie.
• Une nouvelle version de l’outil - Protégé2000 - développée en JAVA et
autorisant la construction coopérative d’ontologies, est accessible à
l’adresse : http://Protege.Stanford.EDU.
Des environnements accessibles
publiquement (4/5)
OntoSaurus
http://www.isi.edu/isd/ontosaurus.html
• OntoSaurus est un browser Web pour des bases de connaissances
formalisées en Loom offrant des facilités d’édition pour la construction
coopérative d’ontologies. Il est développé à l’Institut pour les Sciences
de l’Information (ISI) de l’Université de Californie du Sud. L’outil
peut être utilisé avec une version de Loom installée localement ou
tournant sur le site de l’ISI.
• OntoSaurus est proche d’Ontolingua. Du fait de l’utilisation du
langage Loom, il offre en plus des services inférentiels comme la
classification automatique de concepts et la vérification de cohérence.
Des environnements accessibles
publiquement (5/5)
ODE [Blazquez et al., 99]
• ODE (Ontology Design Environment) est un outil d’aide à la
construction d’ontologies au “niveau connaissance”, qui est
indépendant de tout langage formel. ODE est développé à l’Université
Polytechniques de Madrid. Le programme doit être installé localement
sur un PC sous Windows.
• L’utilisateur remplit à un niveau conceptuel des tables (un glossaire de
termes, un dictionnaire de données, des définitions de concepts et de
relations) et ce modèle conceptuel est ensuite traduit automatiquement
dans un langage formel (Ontolingua ou F-Logic). ODE inclut des
outils de vérification de la cohérence de l’ontologie. Des aides
graphiques pour l’interface sont en cours de développement.
Bilan (1/3)
Les outils peuvent être répartis en deux classes
• Les outils d’ingénierie ontologique peuvent être classés en deux
catégories : ceux qui sont installés localement (e.g., ProtégéWin &
ODE) et ceux qui sont accessibles par Internet (e.g., Ontolingua,
WebOnto & OntoSaurus).
• Les outils installés localement ont de meilleures performances en
temps mais n’offrent aucune aide pour la collaboration synchrone. Les
échanges d’ontologies (importations/exportations) doivent se faire par
mail ou ftp.
• Les outils accessibles sur le Web sont plus lents. Ils apportent en
revanche des aides pour l’édition synchrone et offrent en général des
bibliothèques d’ontologies déjà construites qui peuvent être réutilisées.
Bilan (2/3)
Les outils existants ne sont pas appropriés pour supporter
l’ensemble du processus de construction d’une ontologie
• Certains outils (e.g., ProtégéWin & ODE) sont plus adaptés pour
fournir une aide lors de la phase de conceptualisation de l’ontologie.
Ils offrent moins de primitives de haut niveau et ne permettent pas de
représenter des axiomes. En contrepartie, ces outils sont simples à
prendre en main et s’adressent à des utilisateurs non expérimentés.
• D’autres outils (e.g., Ontolingua et OntoSaurus) sont plus adaptés pour
la formalisation et la mise au point d’ontologies. Reposant sur un
langage de représentation des connaissances, leur prise en main
nécessite de connaître le langage. En contrepartie ils permettent de
créer des ontologies plus complexes comportant des axiomes.
Bilan (3/3)
Pour en savoir plus
• L’article [Duineveld et al., 99] recense un grand nombre d’environnements de développement de SBCs ou dédiés aux ontologies et décrit
plus complètement les outils présentés dans ce chapitre.
• Cet article contient des tableaux de comparaisons établies suite au
développement de deux ontologies de taille différente avec chacun de
ces outils. Les résultats peuvent être consultés sur le site :
http://www.swi.psy.uva.nl/wondertools/
Plan
•
•
•
•
•
•
•
•
•
Avant Propos
Qu’est-ce qu’une ontologie ?
A quoi sert une ontologie ?
Méthodes de construction
Langages de spécification
Environnements de développement
Applications
Conclusions générales
Références
Préambule (1/2)
Ce chapitre présente des scénarii d’utilisation d’ontologies
• L’objet de ce chapitre est de présenter des applications d’ontologies,
c’est-à-dire des applications tirant parti et profit d’une ontologie.
• Ces applications sont regroupées en classes correspondant à des
scénarii abstraits d’utilisation d’ontologies. Ces scénarii sont décrits
selon un cadre conceptuel (ensemble de dimensions) proposé par
[Uschold & Jasper, 99].
Préambule (2/2)
Chaque scénario est décrit selon
plusieurs dimensions communes
• Chaque scénario est décrit selon : son principe, l’apport ou bénéfice
tiré de l’ontologie, les technologies utilisées et des exemples
d’applications qui s’y conforment.
• Un diagramme illustre au préalable chaque scénario, dans lequel sont
positionnés les principaux acteurs. Ces derniers sont référencés au
moyen des sigles suivants :
– AO : Auteur de l’Ontologie
– DA : Développeur de l’Application
– UA : Utilisateur de l’Application
Scénario :
l’ontologie, en tant que spécification (1/3)
Diagramme
Ontologie
Application 1
...
AO
DA
Application N
UA
Principe
• L’ontologie modélise un domaine et fournit un vocabulaire pour
spécifier les besoins d’une (ou plusieurs) application(s) cible(s).
• L’ontologie guide le développement de systèmes opérationnels.
Suivant les cas, ces derniers peuvent contenir (ou non) une nouvelle
représentation explicite de l’ontologie.
Scénario :
l’ontologie, en tant que spécification (2/3)
Apports de l’ontologie
Les motivations pour cette approche sont diverses :
- promouvoir la réutilisation de connaissances dans plusieurs applications,
- faciliter la maintenance de logiciels grâce à une représentation explicite
de l’ontologie sur laquelle ils sont basés,
- rendre pérennes des connaissances ontologiques, dans une perspective
de mémoire organisationnelle.
Scénario :
l’ontologie, en tant que spécification (3/3)
Exemples d’applications
• L’utilisation d’ontologies pour le développement de SBCs, telle que
préconisée dans des méthodes comme CommonKADS [van Heijst et
al., 97].
• L’ontologie PhysSys a été construite pour assister des ingénieurs dans
le développement d’applications concernant l’ingénierie de systèmes
physiques dynamiques [Borst & Akkermans, 97]. PhysSys exploite
l’ontologie EngMath couvrant tous les aspects liés à la modélisation
mathématique en ingénierie [Gruber & Olsen, 1994].
Technologies utilisées
• Des traducteurs unidirectionnels d’ontologies ou des méthodes de
développement de systèmes (e.g., CommonKADS).
Scénario :
Accès à des données via une ontologie partagée (1/4)
Diagramme
Ontologie
AO
se confo rment à
Données
opérationnelles
DA
Application 1
...
Application N
UA
Scénario :
Accès à des données via une ontologie partagée (2/4)
Principe
• Une ontologie est créée pour permettre à plusieurs applications
d’accéder, par le partage ou l’échange, à des données communes.
• Des traducteurs bi-directionnels sont développés pour faire le lien entre
les structures de données propres aux applications et le format
commun de l’ontologie.
Apports de l’ontologie
• Un premier apport est de réduire le coût des applications multiples en
leur donnant un accès à des données communes et de faciliter l’interopérabilité.
• Un second apport, pour l’utilisateur final, est d’avoir accès - dans un
format unique - à des sources d’informations hétérogènes.
Scénario :
Accès à des données via une ontologie partagée (3/4)
Exemples d’applications
• Le projet TOVE (Toronto Virtual Enterprise) vise à fournir une
terminologie d’entreprise qui soit partagée par plusieurs applications
développées dans différentes unités de l’entreprise (bureau d’études,
fabrication, marketing, etc.) [Fox & Gruninger, 98].
• Dans le projet EcoCyc (Encyclopedia of E. Coli Genes and
Metabolism) une ontologie est utilisée pour construire une BC qui
intègre des données provenant de différentes BDs hétérogènes dans le
champ de la biologie moléculaire [Karp et al., 1999].
• Le système MOMIS (Mediator envirOnment for Multiple Information
Sources) intègre semi-automatiquement les schémas conceptuels de SI
hétérogènes en un “Thésaurus Commun”. Cette ontologie est utilisée
par un “Médiateur” qui interroge les différentes sources d’information
pour répondre à une requête d’un utilisateur [Bergamaschi et al. 99].
Scénario :
Accès à des données via une ontologie partagée (4/4)
Technologies utilisées
• Des traducteurs bi-directionnels qui peuvent, suivant le cas, résider ou
non dans les applications et être générés automatiquement.
• Des médiateurs qui intègrent les données venant des sources
d’information hétérogènes.
Variantes du scénario
• La conception d’un glossaire pour faciliter la communication au sein
d’une organisation, ou bien la construction d’une ontologie pour
faciliter l’accès à une Mémoire d’Entreprise. Dans ces cas, le
“consommateur” d’informations est un être humain.
• Lorsque des acteurs d’une organisation, ou bien des développeurs
d’applications, ne peuvent tomber d’accord sur une ontologie
commune, plusieurs ontologies peuvent co-exister qu’il faut pouvoir
relier au moyen de règles. Ce problème est étudié par [Uschold, 00].
Scénario :
Recherche d’informations basée sur une ontologie (1/3)
Diagramme
Ontologie
AO
Information
Requête
UA
Moteur
de recherche
Principe
• Un groupe d’utilisateurs se mettent d’accord sur une ontologie qui
décrit un domaine spécifique.
• L’ontologie est utilisée par un moteur de recherche pour accéder à des
ressources (ex : des documents, des informations, des noms d’experts)
dans un répertoire (ex : le Web ou un intranet).
Scénario :
Recherche d’informations basée sur une ontologie (2/3)
Apports de l’ontologie
• L’ontologie joue le rôle d’un index pour les ressources recherchées, ce
qui renforce l’espoir de retrouver des informations pertinentes.
• Les connaissances ontologiques permettent de représenter le sens de la
requête et d’effectuer des inférences sur les informations décrivant le
contenu des ressources (les méta-data), permettant d’améliorer la
qualité de la recherche.
Technologies utilisées
• Des browsers d’ontologies et des moteurs de recherche, constituant
plus globalement des fournisseurs d’information appelés “brokers”.
Scénario :
Recherche d’informations basée sur une ontologie (3/3)
Exemples d’applications
• Dans le cadre du projet (KA)2, la communauté en Acquisition des
Connaissances a conçu une ontologie utilisée par ses membres pour
annoter des pages Web [Benjamins et al., 99a]. Ces méta-data et
l’ontologie sont exploitées par Ontobroker [Decker et al., 99].
• Le projet IBROW3 (Intelligent Brokering Service on the WWW) a
développé un service d’aide à la configuration de SBCs à partir de
composants génériques (des méthodes de résolution de problèmes)
indexés par une ontologie [Benjamins et al., 99b].
• Dans la société Boeing (Seatle) un thesaurus a été récemment étendu
en une ontologie pour permettre en interne au personnel d’accéder aux
bons experts (application : Expert Locator) [Clark et al., 00].
Scénario :
Traduction à base d’ontologie linguistique (1/3)
Diagramme
UA
Texte
en LN1
Lexique
LN1
DA
Système de
traduction
Ontologie
UA
Texte
en LN2
Lexique
LN2
AO
Scénario :
Traduction à base d’ontologie linguistique (2/3)
Principe
• L’ontologie fournit un niveau conceptuel indépendant de la langue,
auquel des lexiques des langues concernées sont attachés.
• Les représentations du sens du texte sont prises en charge par
l’ontologie qui joue le rôle d’une interlangue.
Apports de l’ontologie
• L’ontologie fournit un moyen pour représenter la signification d’un
texte dans une interlangue.
• Elle permet à des lexiques pour différentes langues de partager des
connaissances (le niveau conceptuel).
• Elle permet à des analyseurs de la langue source et à des générateurs
dans la langue cible de partager des connaissances.
Scénario :
Traduction à base d’ontologie linguistique (3/3)
Exemples d’applications
• Le système PANGLOSS traduit des textes quelconques de l’espagnol
en anglais [Knight & Luk, 94]. Il utilise l’ontologie SENSUS qui
intègre notamment WordNet et PENMAN upper Model et contient
70.000 concepts et relations.
• Le système Mikrokosmos traduit en anglais des articles de journaux
écrits en espagnol ou en chinois. Son ontologie contient 8000 concepts
[Viegas, 99].
Technologies utilisées
• Principalement des analyseurs et des générateurs
“PANGLYSER” et “PENMAN” dans le cas de PANGLOSS).
(e.g.,
Pour en savoir plus
Sur les scénarii
• L’article [Uschold & Jasper, 99] présente plus complètement les
scénarii en tâchant d’évaluer la maturité des technologies mises en jeu
et en envisageant diverses variations autour de ces scénarii.
• Certains projets atypiques, comme le projet Cyc consistant à
développer une ontologie couvrant l’ensemble des connaissances de
sens commun, restent pour le moment en dehors des scénarii recensés.
Sur les applications
• Les articles [van Zyl & Corbett, 00a] et [van Zyl & Corbett, 00b]
instancient les scénarii par de nombreux exemples d’applications
académiques ou industrielles. Le second article met plus particulièrement l’accent sur les applications des ontologies linguistiques.
Plan
•
•
•
•
•
•
•
•
•
Avant Propos
Qu’est-ce qu’une ontologie ?
A quoi sert une ontologie ?
Méthodes de construction
Langages de spécification
Environnements de développement
Applications
Conclusions générales
Références
Bilan final
L’Ingénierie Ontologique demeure
une discipline naissante
• La variété des besoins et des champs de recherche concernés par le
développement des ontologies explique la diversité des objets dénotés
par le terme “ontologie”.
• L’Ingénierie Ontologique, au sein de l’Ingénierie des Connaissances,
définit des concepts, méthodes et outils, pour rationaliser le développement des ontologies.
• Cette discipline est en plein essor, en témoigne le nombre important de
projets en cours et de séminaires qui lui sont consacrés.
• Cependant, les propositions émanant des projets et les pratiques ne
sont pas encore unifiées. Un effort de synthèse et de diffusion hors du
cadre académique reste encore à réaliser.
Pour approfondir certaines notions
du domaine
Des ressources pédagogiques sont présentes sur le web
• Sur le site du GRACQ, à la rubrique “cours”, on peut consulter un
support de cours conçu par J. Charlet, N. Aussenac-Gilles, P. Laublet et
B. Bachimont sur les Ontologies, les Terminologies et les Bases de
Connaissances Terminologiques :
http://www.irit.fr/GRACQ/
• Le site édité par R. Corrazon constitue une introduction complète à
l’Ontologie Formelle. On y trouve présentés : un historique de la
discipline, les acteurs d’hier et d’aujourd’hui, les développements
récents, une liste d’ouvrages et des références à d’autres sites :
http://www.formalontology.it/
• Sur le site de C. Welty, on peut consulter un support de cours rédigé
avec N. Guarino, introductif à la conférence FOIS (Formal Ontology in
Information Systems) 2001 :
http://www.cs.vassar.edu/faculty/welty/aaai-2000/
Pour continuer à suivre les évolutions
de la discipline
quelques sites régulièrement mis à jour
• Le site de P. Clark (Boeing) - à ce jour le plus complet - indexe toutes
sortes d’informations relatives aux ontologies, portant sur : des projets,
des organisations, des environnements de développement, des
conférences, des actes de conférences en ligne et des ontologies (!). Il
comporte quelques 300 entrées :
http://www.cs.utexas.edu/users/mfkb/related.html
• Le projet IEEE SUO (Standard Upper Ontology) de définition d’une
ontologie générique destinée à devenir un standard international est
présenté sur le site :
http://suo.ieee.org/
• L’organisation “Ontology.org” édite un forum sur internet consacré aux
applications des ontologies pour le commerce électronique :
http://www.ontology.org/
Plan
•
•
•
•
•
•
•
•
•
Avant Propos
Qu’est-ce qu’une ontologie ?
A quoi sert une ontologie ?
Méthodes de construction
Langages de spécification
Environnements de développement
Applications
Conclusions générales
Références
Références bibliographiques (1/12)
•
•
•
•
[Arpirez-Vega et al., 98] Arpirez-Vega, J.C., Gomez-Pérez, A., Tello, A.L. & Pinto, S.
(1998) (ONTO)2Agent: An ontology-based WWW broker to select ontologies.
Proceedings of the 13th European Conference on Artificial Intelligence: ECAI-98,
Brighton.
[Assadi & Bourigault, 00] Assadi, H. & Bourigault, D. (2000) Analyses syntaxique et
statistique pour la construction d’ontologies à partir de textes. In J. Charlet et al. (eds),
Ingénierie des Connaissances ; Evolutions récentes et nouveaux défis, Eyrolles, pp. 243255.
[Aussenac-Gilles et al., 00] Aussenac-Gilles, N., Biébow, B. & Szulman, S. (2000)
Revisiting Ontology Design: a methodology based on corpus analysis. Proceedings of
the 12th International Conference on Knowledge Engineering and Knowledge
Management: EKAW’2000, R. Dieng & O. Corby (eds), LNAI 1937, Springer, pp. 172188.
[Bachimont, 00] Bachimont, B. (2000) Engagement sémantique et engagement
ontologique : conception et réalisation d’ontologies en ingénierie des connaissances. In
J. Charlet et al. (eds), Ingénierie des Connaissances ; Evolutions récentes et nouveaux
défis, Eyrolles, pp. 305-323.
Références bibliographiques (2/12)
•
•
•
•
•
[Barry et al., 01] Barry, C., Cormier, C., Kassel, G. & Nobécourt, J. (2001) Evaluation
de langages opérationnels de représentation d’ontologies. Actes des journées Ingénierie
des Connaissances : IC’2001, Grenoble. A paraître.
[Barthès, 98] Barthès, J.-P. A. (1998) La gestion des concepts et du vocabulaire dans
l’entreprise, terminologies et ontologies : état de l’art. Rapport de veille technologique
IIIA-98-VT9, 46 pages.
[Benjamins et al., 99a] Benjamins, V.R., Fensel, D. & Decker, S. (1999) KA2: Building
Ontologies for the Internet: A Midterm Report. International Journal of Human
Computer Studies, 51(3).
[Benjamins et al., 99b] Benjamins, V.R. et al. (1999) Towards Brokering ProblemSolving Knowledge on the Internet. Proceedings of the 11th European Workshop on
Knowledge Acquisition, Modeling and Management: EKAW’99, Dagstuhl (Allemagne).
[Bergamaschi et al., 99] Bergamaschi, S., Castano, M.V.S. & Beneventano, D. (1999)
Intelligent Techniques for the Extraction and Integration of Heterogeneous Information.
Proceedings of the IJCAI-99 Workshop on Intelligent Information Integration,
Stockholm.
Références bibliographiques (3/12)
•
•
•
•
[Biébow & Szulman, 99] Biébow, B. & Szulman, S. (1999) TERMINAE: A linguisticbased tool for the building of a domain ontology. Proceedings of the 11th European
Workshop on Knowledge Acquisition, Modeling and Management: EKAW’99, Dagstuhl
(Allemagne).
[Blazquez et al., 98] Blazquez, M., Fernandez-lopez, M., Garcia-Pinar, J.M. & GomezPérez, A. (1998) Building Ontologies at the Knowledge Level using the Ontology
Design Environment. In Proceedings of the Workshop on Knowledge Acquisition,
Modelling and Management: KAW’98, Banff, Canada.
[Borst & Akkerman, 97] Borst, P. & Akkermans, H. (1997) Engineering ontologies.
International Journal of Human and Computer Studies, 46, pp. 365-406.
[Bouaud et al., 94] Bouaud, J., Bachimont, B., Charlet, J. & Zweigenbaum, P. (1994)
Acquisition and Structuring of an Ontology within Conceptual Graphs. Proceedings of
the ICCS’94 Workshop on Knowledge Acquisition using Conceptual Graph Theory,
University of Maryland, College Park, MD, 1994, pp. 1-25.
Références bibliographiques (4/12)
•
•
•
•
[Clark et al., 00] Clark, P., Thompson, J., Holmback, H. & Duncan, L. (2000)
Exploiting a Thesaurus-Based Semantic Net for Knowledge-Based Search. Proceedings
of the 12th Conference on Innovative Applications of Artificial Intelligence: IAAI-2000,
Austin (Texas-USA), pp. 988-995.
[Corcho & Gomez-Perez, 00] Corcho, O. & Gomez-Perez, A. (2000) Evaluating
Knowledge Representation and Reasoning Capabilities of Ontology Specification
Languages. Proceedings of the ECAI-00 Workshop on Applications of Ontologies and
Problem-Solving Methods, Berlin, pp. 3/1-3/9.
[Decker et al., 99] Decker, S., Erdmann, M., Fensel, D. & Studer, R. (1999) Ontobroker:
Ontology Based Access to Distributed and Semi-Structured Information. In R.
Meersman et al. (Eds.), Database Semantics: Semantic Issues in Multimedia Systems,
Kluwer Academic Publisher, pp. 351-369.
[Domingue, 98] Domingue, J. (1998) Tadzebao and WebOnto: Discussing, Browsing,
and Editing Ontologies on the Web. Proceedings of the 11th Workshop on Knowledge
Acquisition, Modelling and Management: KAW’98, Banff, Canada.
Références bibliographiques (5/12)
•
•
•
•
•
[Duineveld et al., 99] Duineveld, A.J., Stoter, R., Weiden, M.R., Kenepa, B. &
Benjamins, V.R. (1999) WonderTools? A comparative study of ontological engineering
tools. Proceedings of the Workshop on Knowledge Acquisition, Modelling and
Management: KAW’99, Banff, Canada.
[Eriksson et al., 99] Eriksson, H., Fergerson, R., Shahar, Y. & Musen, M.A. (1999)
Automatic Generation of Ontology Editors. Proceedings of the Workshop on Knowledge
Acquisition, Modelling and Management: KAW’99, Banff, Canada.
[Farquhar et al., 97] Farquhar, A., Fikes, R. & Rice, J. (1997) The Ontolingua Server:
Tool for Collaborative Ontology Construction. International Journal of Human
Computer Studies, 46(6), pp. 707-728.
[Fernandez-Lopez, 99] Fernandez-Lopez, M. (1999) Overview Of Methodologies For
Building Ontologies. Proceedings of the IJCAI’99 Workshop on Ontologies and
Problem-Solving Methods, Stockholm (Suède), pp. 4/1,4/13.
[Fernandez-Lopez et al., 99] Fernandez-Lopez, M., Gomez-Pérez, A., Pazos-Sierra, J.
& Pazos-Sierra, A. (1999) Building a Chemical Ontology Using Methontology and the
Ontology Design Environment. IEEE Intelligent Systems, January/February, pp. 37-46.
Références bibliographiques (6/12)
•
•
•
•
•
[Fox & Gruninger, 98] Fox, M.S. & Gruninger, M. (1998) Enterprise Modelling. AI
Magazine, AAAI. http://www.ie.utoronto.ca/EIL/public/aimag98.ps.
[Gruber, 93a] Gruber, T. (1993) A translation approach to portable ontology
specification. Knowledge Acquisition 5, pp. 199-220.
[Gruber, 93b] Gruber, T.R. (1993) Towards Principles for the Design of Ontologies
Used for Knowledge Sharing. In N. Guarino & R. Poli (Eds), Formal Ontology in
Conceptual Analysis and Knowledge Representation, Kluwer Academic Publishers.
[Gruber & Olsen, 94] Gruber, T.R. & Olsen, G.R. (1994) An Ontology for Engineering
Mathematics. In J. Doyle, P. Torasso & E. Sandewall (Eds.), Proceedings of the Fourth
International Conference on Principles of Knowledge Representation and Reasoning,
Morgan Kaufmann, pp. 258-269.
[Grüninger & Fox, 95] Grüninger, M. & Fox, M.S. (1995) Methodology for the Design
and Evaluation of Ontologies. Proceedings of the IJCAI-95 Worshop on Basic
Ontological Issues in Knowledge Sharing.
Références bibliographiques (7/12)
•
•
•
•
•
[Guarino & Giaretta, 95] Guarino, N. & Giaretta, P. (1995) Ontologies and Knowledge
Bases: Towards a Terminological Clarification. In N. Mars (Eds), Towards Very Large
Knowledge Bases: Knowledge Building and Knowledge Sharing, IOS Press, Amsterdam,
pp. 25-32.
[Guarino, 97] Guarino, N. (1997) Some Organizing Principles For A Unified Top-Level
Ontology. Proceedings of the AAAI Spring Symposium on Ontological Engineering,
Stanford (USA).
[Guarino, 98] Guarino, N. (1998) Formal Ontology and Information Systems. In N.
Guarino (Eds), Formal Ontology in Information Systems, IOS Press, Amsterdam, pp. 315.
[Guarino & Welty, 00a] Guarino, N. & Welty, C. (2000) A formal Ontology of
Properties. Proceedings of the ECAI-00 Workshop on Applications of Ontologies and
Problem-Solving Methods, Berlin, pp. 12/1-12/8.
[Guarino & Welty, 00b] Guarino, N. & Welty, C. (2000) Identity, Unity and
Individuality: Towards a Formal Toolkit for Ontological Analysis. Proceedings of the
14th European Conference on Artificial Intelligence: ECAI 2000, IOS Press, Berlin, pp.
219-223.
Références bibliographiques (8/12)
•
•
•
•
[Horrocks et al., 00] Horrocks, I., Fensel, D., Broekstra, J., Decker, S., Erdmann, M.,
Goble, C., van Harmelen, F., Klein, M., Staab, S., Studer, R. & Motta, E. (2000) The
Ontology
Inference
Layer
OIL.
Technical
report,
August
2000.
http://www.cs.vu.nl/~dieter/oil/Tr/oil.pdf.
[Karp et al., 99] Karp, P.D. et al. (1999) EcoCyc: Encyclopedia of E. coli Genes and
Metabolism. Nuclear Acids Research, 27, pp. 1-55.
[Kassel, 99] Kassel, G. (1999) PHYSICIAN is a role played by an object, whereas
SIGN is a role played by a concept. Proceedings of the IJCAI’99 Workshop on
Ontologies and Problem-Solving Methods: Lessons Learned and Future Trends,
Stockholm (Sweden), pp. 6-1-6-9. http://sunsite.informatik.rwth-aachen.de/Publications
/CEUR-WS/Vol-18/6-kassel.pdf
[Kassel et al., 00] Kassel, G., Barry, C. & Abel, M.-H. (2000) Programmer au niveau
connaissance en Def-*. In J. Charlet et al. (eds), Ingénierie des Connaissances ;
Evolutions récentes et nouveaux défis, Eyrolles, pp. 145-160.
Références bibliographiques (9/12)
•
•
•
•
•
[Klein et al., 00] Klein, M., Fensel, D., van Harmelen, F. & Horrocks, I. (2000) The
Relation between Ontologies and Schema-languages: Translating OIL-specification in
XML-Schema. Proceedings of the ECAI-00 Workshop on Applications of Ontologies
and Problem-Solving Methods, Berlin, pp. 7/1-7/12.
[Knight & Luk, 94] Knight, K. & Luk, S. (1994) Building a Large-Scale Knowledge
Base for Machine Translation. Proceedings of the National Conference on Artificial
Intelligence AAAI-94.
[Motta, 98] Motta, E. (1998) An Overview of the OCML Modelling language. In
Proceedings of the 8th Workshop on Knowledge Engineering: Methods and Languages,
KEML ‘98.
[Motta, 99] Motta, E. (1999) Reusable Components for Knowledge Modelling. IOS
Press, Amsterdam.
[Nef, 98] Nef, F. (1998) L’objet quelconque ; Recherches sur l’ontologie de l’objet.
Librairie Philosophique J. Vrin.
Références bibliographiques (10/12)
•
•
•
•
•
[Nobécourt, 00] Nobécourt, J. (2000) Mdos: a modelling language to build a formal
ontology in either Description Logics or Conceptual Graphs. Proceedings of the 12th
International Conference on Knowledge Engineering and Knowledge Management:
EKAW’2000, R. Dieng & O. Corby (eds), LNAI 1937, Springer, pp. 57-64.
[Noy & Fridman, 97] Noy, N.F. & Hafner, C.D. (1997) The State of the Art in Ontology
Design; A Survey and Comparative Review. AI Magazine, 18(3), pp. 53-74.
[O’Leary, 98] O’Leary, D.E. (1998) Using AI in Knowledge Management: Knowledge
Bases and Ontologies. IEEE Intelligent Systems, May/June 1998, pp. 34-39.
[Uschold, 98] Uschold, M. (1998) Knowledge level modelling: Concepts and
terminology. Knowledge Engineering Review, 13(1).
[Uschold, 00] Uschold, M. (2000) Creating, Integrating and Maintaining Local and
Global Ontologies. Proceedings of the ECAI-00 Workshop on Applications of
Ontologies and Problem-Solving Methods, Berlin, pp. 13/1-13/5.
Références bibliographiques (11/12)
•
•
•
•
[Uschold & King, 95] Uschold, M. & King, M. (1995) Towards a Methodology for
Building Ontologies. Proceedings of the IJCAI-95 Worshop on Basic Ontological Issues
in Knowledge Sharing.
[Uschold & Jasper, 99] Uschold, M. & Jasper, R. (1999) A Framework for
Understanding and Classifying Ontology Applications. Proceedings of the IJCAI-99
Workshop on Ontologies ans Problem-Solving Methods, Stockholm.
[van Heijst et al., 97] van Heijst, G., Schreiber, A.Th. & Wielinga, B.J. (1997) Using
explicit ontologies in KBS development. International Journal of Human and Computer
Studies, 45, pp. 183-292.
[van Zyl & Corbett, 00a] van Zyl, J. & Corbett, D. (2000) Population of a Framework
for Understanding and Classifying Ontology Applications. Proceedings of the ECAI-00
Workshop on Applications of Ontologies and Problem-Solving Methods, Berlin, pp.
10/1-10/12.
Références bibliographiques (12/12)
•
•
[van Zyl & Corbett, 00b] van Zyl, J. & Corbett, D. (2000) A Framework for
Comparing the use of a Linguistic Ontology in an Application. Proceedings of the
ECAI-00 Workshop on Applications of Ontologies and Problem-Solving Methods,
Berlin, pp. 11/1-11/11.
[Viegas, 99] Viegas, E. (1999) An Overt Semantics with a Machine-guided Approach for
Robust LKBs. Proceedings of SIGLEX99: Standardizing Lexical Resources, University
of Maryland.