Transcript Model Driven Generation of Simile Exhibit Application

Modélisation d’informations
temporelles
Cyril Faucher, Jean-Yves Lafaye, Frédéric Bertrand
L3i, Université de La Rochelle, France
[email protected]
Ce travail est financé par l’Agence Nationale de la Recherche
(ANR-Contint, projet RelaxMultiMedias 2)
1
1. Introduction
 Chaîne d’acquisition de connaissances temporelles
 A partir de textes (dépêches)
Texte en
langage
naturel
Evénements
+ propriétés
temporelles
Sous forme de modèles
Texte contrôlé
 Notion d’événements
 Nature des événements: culturels, touristiques
 Propriétés spatiales et temporelles (périodicité)
2
 Interopérabilité avec les standards du domaine (presse)
 IPTC (NewsML, EventsML)
 iCalendar
2
1. Introduction
Objectifs
 Modéliser les informations temporelles liées aux événements
 Reformuler des textes en langage naturel dans une syntaxe
contrôlée, proche du langage naturel initial
 Définir un langage de requêtes proche du langage naturel
 Définir une méthode pour associer le modèle temporel à un modèle
métier (classes et instances)
3
2. Modéliser les propriétés temporelles
d’événements
 Deux types de représentations des occurrences d’événements
 Concrète : un ensemble (extension) contenant des dates identifiables
dans un calendrier (une granularité est fixée, le calendrier est défini sur
une base annuelle)
 Extension :
{ …, « de 2010-05-20T14:00:00 à 2010-05-20T16:00:00 »,
« de 2010-05-27T14:00:00 à 2010-05-27T16:00:00 », … }
 Abstraite : une formule décrit en intension l’ensemble précédent
 Particulièrement adapté aux événements périodiques ou pseudo
périodiques (exceptions), et aussi aux événements définis
relativement les uns par rapport aux autres
 Intension [Carnap]
Non périodique : « le 1er jeudi de mai 2010 »
Périodique : « tous les jeudis »
« tous les jours 3 heures avant la basse mer »
« tous les jeudis de mai de chaque année de 14h à 16h »
4
2. Modéliser les propriétés temporelles
d’événements
Avec quel modèle ?
 Modèle métier : DSL Modèle d’accessiblité [Battistelli, Teissèdre]
 Modèle d’événement : métadonnées sur les événements (IPTC)
 spatiales
 temporelles
…
 Modèles temporels existants
 ISO 19108 standard : Time geometry: Instant, Period, Allen’s relations
 iCalendar format : Periodic interval, Exception (+ periodic exception)
 TimeML [Pustejovsky], OWL-Time [Pan]
5
2. Modéliser les propriétés temporelles
d’événements
Caractéristiques de notre modèle temporel
• Propriétés en Extension
• Primitives temporelles : Instant / Période (ISO 19108)
• Propriétés en Intension
1. Primitives temporelles étendues : Périodicité d’intervalles
(iCalendar)
2. Exprimer des restrictions sur des intervalles périodiques
3. Notion d’exception temporelle
4. Exprimer des positions relatives entre événements
5. Combiner des positions relatives avec la notion de périodicité
Notre modèle est une extension de l’ISO et d’iCalendar
6
2. Modéliser les propriétés temporelles
d’événements
Périodicité d’intervalles (1) et restrictions sur des intervalles périodiques (2)
“du 5ème jour au 7ème jour de chaque semaine pendant les 3 premières
semaines de chaque mois de 2008 à 2010”
periodic time interval
occurrence beginning: “du 5ème jour de chaque semaine”
occurrence end: “au 7ème jour de chaque semaine”
occurrences
occurrence out of the time span
t
periodic time spans (restriction itself periodic)
“de chaque 1ère semaine de chaque mois à la 3ème semaine de chaque mois”
rule extent “de 2008 à 2010”
7
2. Modéliser les propriétés temporelles
d’événements
Exception non périodique (3)
“tous les jours sauf le dimanche 20 février 2011”
lundi
occurrences
Exception (le dimanche 20/02/2011)
t
Exception périodique (3)
“tous les jours sauf le dimanche”
lundi
occurrences
Exception (dimanche)
t
8
2. Modéliser les propriétés temporelles
d’événements
Exprimer des positions relatives entre événements (4)
“2h après la basse mer du dimanche 20 février 2011”
Basse mer (du 20/02/2011)
Evénement
2h
t
Combiner des positions relatives avec la notion de périodicité (5)
“2h après la basse mer du dimanche”
Basse mer
Evénement
2h
Basse mer
2h
Evénement
t
Intervalle périodique
9
2. Modéliser les propriétés temporelles
d’événements : Periodic Temporal Occurrence
 Extension de l’ISO 19108
 Basé sur le concept de PeriodicRule
Norme ISO 19108
10
3. Utilisation de notre modèle temporel
 L’utilisateur saisit des expressions temporelles avec un éditeur contextuel
 Techniques de mise en œuvre issues de l’IDM : EMF, Xtext
Peuplement
Vue textuelle
11
4. Application
iCalendar
Multiagent
12
4. Chaîne TKAM (Acquisition et de Modélisation de
Connaissances Temporelles)
- du texte en langage naturel au texte contrôlé Expression saisie : « Ouvert du lundi au vendredi, de 9h à 18h.
Nocturne le jeudi jusqu'à 22h. Fermé le 18 mai. »
http://client2.mondeca.com/AccessPeriodEditor/
http://relaxmultimedia2.univ-lr.fr/demo/tkam/accessperiod.htm
13
5. Conclusions
 Un modèle générique d’expressions temporelles pour modéliser des
phénomènes périodiques





Extension de la norme ISO 19108
Expressions temporelles en intension (à l’inverse d’extension)
Grammaire formelle
Contrôle structurel
2 cas d’utilisations pour expérimenter les approches dont 1 industriel
14
5. Perspectives
 Contrôle sémantique
 Moteur de requêtes
 en formulant une requête sous forme d’expressions temporelles
 exprimer et calculer l’intersection de deux expressions sans calculer
leurs extensions
 filtrer les nuplets/graphes candidats de la base pour optimiser
l’exécution de la requête
 Définir une méthode pour associer le modèle temporel à un modèle
métier (classes et instances)
15