Veille technologique Ingénierie Ontologique Concepts, méthodes et outils Gilles Kassel.

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






• Applications


• 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 collecti- vement 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.


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.


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 Connais- sances 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 sémanti- que. 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






• Applications


• 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 entreagents 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 : cons- tructeur 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’infor-

mation (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






• Applications


• 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’onto-

logie 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 acti-

vités 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






• Applications


• 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)


(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 échangerdes ontologies sur le Web (1/2)


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 échangerdes 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






• Applications


• 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 géographi-

quement distribué de construire collaborativement une ontologie.– l’exportation d’ontologies dans différents formats pour utilisation

dans des applications.


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).


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.


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.


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






• Applications


• 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 AO

DA

Application 1 ... 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.


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.


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


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’inter-opérabilité.

• Un second apport, pour l’utilisateur final, est d’avoir accès - dans un format unique - à des sources d’informations hétérogènes.


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].


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 Moteur

UA 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).


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”.


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 DA UA

Texte Système de Texte

en LN1 traduction en LN2

Lexique Ontologie Lexique AO

LN1 LN2


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.


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 (e.g.,

“PANGLYSER” et “PENMAN” dans le cas de PANGLOSS).

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 particu- lièrement l’accent sur les applications des ontologies linguistiques.

Plan

• Avant Propos






• Applications


• 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 dévelop- pement 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 notionsdu 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






• Applications


• 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. 243-255.

• [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. 172-188.

• [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.


• [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 Problem-Solving 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.


• [Biébow & Szulman, 99] Biébow, B. & Szulman, S. (1999) TERMINAE: A linguistic-based 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. & Gomez-Pérez, 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.


• [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.


• [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.


• [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.


• [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. 3-15.

• [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.


• [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.


• [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.


• [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.


• [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.


• [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.

Veille technologique Ingénierie Ontologique Concepts, méthodes et outils Gilles Kassel.

Documents

Transcript of Veille technologique Ingénierie Ontologique Concepts, méthodes et outils Gilles Kassel.