Ws Mbds

Des rseaux smantiques au Web
smantique
Nhan LE THANH - Equipe KEWI

(Knowledge Engineering and Web Intelligent)
Ple GLC - Laboratoire de I3S
Plan du sminaire
Web smantique : rve et Tendances et thmes de
dfis recherche
Aspects thoriques Distribution et fdration
Langages du web (balisage) Web social et centre dusage
Graphes conceptuels Thmes de recherche
Logiques de descriptions Et demain
Aspects pratiques cest un autre jour
Annotation : Langages
Ontologies : la modlisation
Web services : la mise en
oeuvre
Master MBDS Sminaire: des rseaux smantiques au Web smantique N. Le Thanh 2
1
Rves et dfis
Web smantique : rve et dfi

Un jour de lautomne 2020 :
Adam et ve dcident dorganiser
leur voyage de noce en lAmrique
latin. Adam interroge Eden, son
moteur de recherche
Adam est gourmet et ve est une fan personnel et dans quelques
de la nature. Ils ont donc dcid que minutes Eden leur propose
leur voyage sera un sjour quelques propositions
gographique et gastronomique illustres par une
simulation multimdia de
Je vois ... mon beau leur voyage.
voyage... Aprs le choix du couple,
lEden soccupe de la mise
en place du voyage le plus
adapt
Eden
2
Dfis relever pour Eden Je ne suis
pas humain
mais plutt
une machine
je suis capable
comprendre Adam
(un humain !!)
Eden
Web smantique je suis capable
je suis capable comprendre et cooprer
comprendre et avec les autres
exploiter les machines sur Internet
diffrences sources de (videment !!)
donnes sur le Web
Aujourdhui : le Web est exploit par des

personnes qui recherchent des informations via un
moteur de recherche et qui exploitent elles-mmes
le(s) rsultat(s).
Demain : le Web sera exploit en priorit par des

machines qui traiteront elles-mmes les questions
poses par des personnes, et qui dlivreront les
rsultats ces personnes.
3
Vers le Web smantique
Le Web va devenir un espace dchanges dinformations entre
machines, en permettant laccs un trs grand volume
dinformations, et en fournissant les moyens de grer ces
informations.
Une machine peut apprhender le volume des

informations disponibles sur le Web, et donc fournir une
aide plus consquente aux personnes, condition quon la
dote dune certaine intelligence .

Aujourdhui dans le Web il existe
des moteurs de recherche et une indexation des pages,
des procdures dextraction dinformation,
des procdures danalyse de linformation,
mais
il n y a pas encore (de manire massive) la possibilit
dexploiter des connaissances pour une gestion plus
intelligente des informations : recherches par le contenu
des documents, raisonnements, rsolution de problmes,
etc.
4
Demain dans le Web, on attend :
Un Web qualitatif et quantitatif : il y a
le web
tout ce quon cherche sur le Web . sera plus
Cet espace dchange peut tre humain
personnalis, avec des espaces privs,

publics, scuriss, des procdures W W
dauthentification, une signature W
digitale,
La preuve du bien fond dun rsultat doit
pouvoir tre donne par la machine.

Quels sont les besoins ?
Une identification et un accs aux ressources du Web de
faon simple, robuste, et efficace (URI).
Des langages pour dcrire le contenu des documents et
ressources, pour associer une smantique ces descriptions,
et des moteurs dinfrences pour les manipuler
Des ressources de plusieurs types : ontologies (bases de
connaissances), bases de donnes, lments de code, etc.
Il y a beaucoup dautres besoins qui ne sont pas cits
5
Et les technologies en jeu
La technologie du Web : URI, XML, RDF(S),
La reprsentation des connaissances : ontologies, logique,
preuve de thormes,
La gestion de bases de donnes : requtes, stockage,
donnes semi-structures,
La recherche et extraction dinformations, fouille de
donnes.
Le traitement et analyse de linformation.
Linteroprabilit et coopration.

Trois grands obstacles
ion s
lisat ance
d iss
Mo onna
sc
de
Interoprabilit
cal
cu Com
lab pu
ilit tat
Plus il y a moins on + ion
d'information en trouve. com :
ple
x it

6
s
Principaux domaines de recherche iq ue
t
m an ptuel
e
Langa u x s conc
ges a
Langa de balisage R se phes
ges du ra
Web WS G
L
lo ogi
gi q u
Ce quon peut est qu e
rsoudre bien e d du
modeste ! e d 1e
es r or
cr d
ip re
tio
n
Aspects thoriques
7
Aspects thoriques : langages du web
Langage de balisage
Sgml (Standard Generalized Markup Language)
Norme publie en 1986 ISO 8879:1986
Projet euopen FORMEX (Formalized Exchange of
Electronic Publications) code ASCII
Langages de balise pour le web
html : une application de sgml pour dition des pages web
xml : langage gnrique pour le web issus de sgml (unicode
la place ASCII, balises bien formes, espace de nom, )
Description, change, du contenu documentaire
multimdia comprhensibles par homme mais labsence
de la comprhension par la machine
Aspects thoriques : langages du web

Les 4 principaux langages du Web smantique
RDF: un modle de triplets pour dcrire et connecter des ressources
anonymes ou identifies par un URI
(sujet, prdicat, objet) / graphe orient tiquet
SPARQL: un langage de requte sur les graphes RDF
RDFS est un langage de dclarations et descriptions lgres; typage des
ressources et de leurs relations subClassOf, subPropertyOf,
range, domain
OWL: 3 couches d'extension
de l'expressivit (logique)
Un modle en couche dans
une direction d'extension;
RDF sans RDFS,
RDFS sans OWL,
8
Aspects thoriques : Reprsentation de
connaissances
Objectif de la reprsentation des connaissances
le support pralable aux traitements ultrieurs sur les
connaissances
En allant du moins structur vers le plus structur, les
oprations les plus usuelles sont
Organiser, classer,...
Chercher, extraire,...
Dduire, tablir des contradictions, rviser,...
la reprsentation des connaissances explicites dans un
formalisme vise la recherche de connaissances implicites
mais inhrentes aux faits de base.
Aspects thoriques : Reprsentation de

connaissances
Diffrents formalismes (selon Serge Haddad)
9
Aspects thoriques : Rseaux smantiques
Dfinition : un rseau smantique est un graphe orient acyclique
dont :
les noeuds sont soit des classes d'entits, soit des entits spcifiques,
les arcs sont de deux types arcs positifs et arcs ngatifs.
de plus une entit n'est jamais l'extrmit d'un arc.
Interprtation :
Un arc positif reliant un noeud C un noeud D signifie : (un) C est
gnralement un D.
Un arc ngatif reliant un noeud C un noeud D signifie : (un) C
n'est gnralement pas un D.
L'article indfini est prsent dans le cas o C est une classe.
la finalit de ce type de modle est de classer entits et classes en
supportant des exceptions

Exemple : Un nageur est
gnralement un baigneur
(il faut bien aller dans
l'eau pour nager).
Un lve scolaris sait
gnralement nager
puisqu'il a suivi une ou
deux annes d'initiation
la natation.
Un biotoir ne sait
gnralement pas nager
Enfin Pascal est un
Cette classification est bien entendu discutable touareg qui a t scolaris.
et elle a pour seul but d'illustrer le modle.
10
Requte sur les rseaux :
La question vidente que l'on dsire poser est l'existence
d'une relation de spcialisation que peut entretenir une
classe C envers les autres classes D du rseau (ou une
entit envers les autres classes) avec trois rponses
possibles :
1. (Un) C est gnralement un D.
2. (Un) C n'est gnralement pas un D.
3. Le rseau ne permet pas de conclure.
Ce type de question possde donc un unique paramtre C.

Problme dambigut : // suivant positif: un suivant par un arc positif
Pile=;
- Nous construisons les successeurs
Marquer les suivants positifs de C;
positifs partir de C et nous calculons
Empiler les suivants positifs de C;
ensuite les successeurs ngatifs.
Tant que la pile est non vide faire
Dpiler un noeud D;
- Examinons le rsultat de cet algorithme
Pour tout suivant positif E de D non marqu
sur l'exemple appliqu Pascal. Nous
faire E est un successeur positif de C;
concluons que :
Marquer E;
1- Pierre est un lve scolaris, biotoir,
nageur et baigneur. Empiler E;
2- Pierre n'est pas un nageur. Fin pour
Fin tant que
- Autrement dit, l'algorithme produit
deux informations contradictoires sur le Mais si on rencontre un arc ngatif :
statut de Pierre en tant que nageur et de // suivant ngatif: un suivant par un arc ngatif
plus il dduit de manire hasardeuse que Pour tout successeur positif E de C faire
Pierre est baigneur en raison de l'ambigut Pour tout suivant ngatif D de E faire
prcdente. Il s'agit de corriger l'algorithme D est un successeur ngatif de C D;
pour intgrer le concept d'ambigut.
11
Problme de redondance
Sur la partie gauche de la figure, les liens A-C et E-C sont redondants car ils se dduisent
des chemins A-B-C et E-A-B-C . Cependant cette redondance n'est pas inoffensive car
s'agissant de la relation de spcialisation qui lie E D, on conclut une ambigut.
En effet, aucun des chemins E-C-D et A-B-D n'est plus spcifique
Si on supprime maintenant les liens redondants (partie droite), l'ambigut disparat, le
chemin E-A-B-D est plus spcifique que le chemin E-A-B-C-D. E est donc gnralement
un D.
Aspects thoriques : Graphes Conceptuels

Formalisme introduit par sowa (86-02) et Chein (92)
Un des apports significatifs du modle des graphes
conceptuels est la sparation entre la connaissance gnrale
d'un domaine (concepts, relations, etc.) qui sera reprsente
par un support et la description d'une situation particulire qui
sera modlise par un S-graphe.
Un support comprend
un ensemble des concepts organis en treillis avec la relation binaires
spcialisation/gnralisation entre concepts
un ensemble des relations binaires entre concepts
un ensemble (ventuellement dnombrable) de marqueurs. Chaque
marqueur dsigne un objet individuel except le marqueur * qui dsigne
n'importe quel objet.
12
Un support : sous forme dun treillis de concepts
Tout ce quon peut imaginer

sera un jour reprsent

Les marqueur
Chaque marqueur dsigne un objet individuel except le marqueur *
qui dsigne n'importe quel objet
Il y a implicitement une relation d'ordre partiel entre les marqueurs
telle que m < * pour m marqueur individuel et telle que deux
marqueurs ne sont jamais en relation par cet ordre.
Il faut indiquer quels concepts peuvent tre associs les marqueurs.
On note alors conf(c,m) si m est associ au concept c :
Si conf(c,m) et si c' gnralise c alors conf(c',m)
Si m est un marqueur individuel, si conf(c,m) et si conf(c',m) alors
conf(cc',m) o cc' dsigne le plus grand concept spcialisant c et c'
conf(c,*) est vrifi except si c est le concept absurde.
13
S-graphe
Un S-graphe est un graphe biparti dont les deux types de noeuds
sont des instances de relation et des instances de concept.
Un noeud instance de relation est tiquet par une relation et
un noeud instance de concept est tiquet par un couple (c,m) o c est
un concept et m un marqueur et o conf(c,m) est vrifi.
L'ensemble des couples {(c,m)}est partiellement ordonn par l'ordre
produit sur les deux composantes
Enfin un nud instance d'une relation n-aire a exactement n noeuds
concepts voisins (dont les arcs sont tiquets de 1 n) tels que si c est
le concept associ au ime paramtre de la relation et (c',m) tiquette le
ime voisin du noeud instance de relation alors c'c.

Exemple un S-graphe
Ce graphe dcrit la situation suivante :
- Sur le sol s, sont poss un carr et un
rectangle.
- Le carr supporte un polygone et
- le rectangle supporte une figure.
Cette mme situation peut tre dcrite par une formule de logique de premier
ordre ne comportant que des quantificateurs existentiels et des conjonctions :
x y z $t polygone(x) carr(y) sol(s) rectangle(z) figure(t)

sur(x,y) sur(y,s) sur(z,s) sur(t,z)
14
Spcialisation/gnralisation : oprations fondamentales et duales
Soit H et G deux S-graphes, H est une spcialisation de G si et
seulement si il existe f, une application de l'ensemble des noeuds
concepts de G vers ceux de H, et g, une application de l'ensemble
des noeuds relations de G vers ceux de H, telles que :
Le couple associ (c,m) associ au noeud f(nc), nc noeud concept,
spcialise celui de nc.
La relation associe au noeud f(nr), nr noeud relation, est identique
celle de nr.
Pour chaque arc tiquet i reliant nr nc, il y a un arc tiquet i reliant
f(nr) f(nc).
La gnralisation est la relation inverse de la spcialisation.

Exemple de bande dimages (Serge Haddad)
Cette spcialisation consiste prciser
que le carr et le rectangle du S-graphe
initial ne sont qu'un seul objet et que
la figure et le polygone sont identiques,
d'identit p.
15
Exemple de bande dimages (Serge Haddad)
Cette spcialisation indique que la

figure a l'identit fg, que le polygone
est en fait un losange et que le carr est
gauche du rectangle

Complexit algorithmique
On ajoute aux axiomes de la logique du premier ordre, les
formules suivantes :
"c(x) c'(x) pour tout concept c spcialisant c'
La puissance expressive du modle :On dmontre que H
spcialise G si et seulement si la formule associe H
implique la formule associe G.
De nombreux problmes simples (tels que le test de
spcialisation entre deux S-graphes) sont NP-complets et
n'admettent des algorithmes polynomiaux que dans des cas
restreints
16
Aspects thoriques : Logique de description
Historique
Une famille de formalismes de reprsentation de connaissances bass
sur la logique descendants de rseaux smantique and KL-ONE
Description du domaine dapplication en terme de concepts (classes),
rles (proprits, relations) and individus (objets)
Caractristiques :
Smantique formelle (modle thorique)
fragments dcidables de la LPO (sous ensemble de classe C2)
Lien troit aux Logiques Modales Propositionnelles & Logiques
Dynamiques
Production des services dinfrence
Procdure de dcision pour des problmes cls (satisfiabilit,
subsumption, etc)
Systmes implants hautement optimiss
lments basiques
Les Concepts sont quivalents aux prdicats unaires
En gnral, les concepts sont quivalents aux formules avec une
variable libre
Les Rles sont quivalents aux prdicats binaires
En gnral, les rles sont quivalents aux formules avec deux
variables libres
Les Individus sont quivalents aux constantes
Les Constructeurs sont restreints pour que :
Le langage reste dcidable et, si possible, avec une complexit
faible
Lutilisation des variables nest pas explicite
Les caractristiques telles que calcul peuvent tre exprimes
succinctement
17
Grands principes
Les lments du monde rel sont reprsents par des
concepts, des rles et des individus.
Adquation syntaxe smantique
les concepts et rles possdent une description structure laquelle est
associe une smantique
les manipulations opres sur les concepts et les rles sont ralises en
accord avec la smantique
Deux types de connaissances sont prises en compte :
les concepts avec leurs composants, et
les faits ou assertions, o interviennent les concepts et les instances
La relation de subsomption organise concepts et rles en hirarchies
Raisonnement : classification et instanciation

Structure gnrale de systme LD
I
BASE DE CONNAISSANCES (BC) N
F
Terminologie (TBox) E IN
R T
Pre Homme avoirEnfant. E E
Personne Mammifre N R
Logique de
.. . C F
E A
Description C
Assertion (ABox) E
S
Y
Frank : Pre S
Frank avoirEnfant Marie T
..
. E
M
E
18
Base de connaissances
Une base de connaissances K est une paire {T ,A} o
T est un ensemble daxiomes terminologiques (TBox)
A est un ensemble daxiomes assertionnels (ABox)
Les axiomes de TBox sont sous forme :
A, C D, C D, r s, r s et R+ R
o A est un concept atomique, C, D sont des concepts, r, s
sont des rles, et R+ lensemble de rles transitifs
Les axiomes de Abox sont sous forme :
x:D, <x,y>:R
o x,y sont des individus, D est un concept et R est un rle

Exemple : syntaxe dune LD
La syntaxe dune logique de description
C A Subsomption de concepts r.C Restriction universelle
Concept absurde r.C Restriction existentielle
Concept universel (n r) Restriction suprieure de cardinalit
C D Conjonction de concepts (n r) Restriction infrieure de cardinalit
C D Disjonction de concepts ra Subsomption de rles
C Ngation de concept rs Composition de rles
- C et D sont des expressions de concepts, r et s sont des expressions de rles
- A est un concept primitif et a est un rle primitif
- n est un entier non nul
19
Exemple : Base de connaissance
Description en texte La base de connaissances DL
Un Homme est une Personne. Concepts primitifs : Personne,
Une Femme est une Personne. Ensemble
Aucune Femme nest un Homme et Rles primitifs : membre
vice-versa. Femme Personne
Une Equipe est (dfinie comme) un Homme Personne Femme
Ensemble ayant au moins 2
membres qui sont tous des chef membre
Personnes. Equipe Ensemble (
Une Petite-quipe est (dfinie membre Personne) ( 2
comme) une Equipe ayant au plus 5 membre)
membres. Petite-quipe = Equipe
Une Equipe-moderne est (dfinie (5 membre)
comme) une Equipe ayant au moins Equipe-moderne = Equipe
4 membres, ayant au moins 1 chef,
et dont tous les chefs sont des (4membre) chef
Femmes (chef.Femme)
Langage FLE avec 3 constructeurs (le plus simple)

Constructeur Syntaxe Exemple
Concept universel
Conjonction AB Personne Jeune

Quantification Universelle r.C enfant.Masculin
Quantification Existentielle r. enfant.
20
Famille des langages AL
AL = {, ,A,C D, r.C, r}
ALC = AL {C} (ngation de concepts dfinis)

(quivalent la classe de logique modal K(m))
ALU = AL {C D} (disjonction de concepts)
ALE = AL {r.C} (quantification existentielle type)
ALN = AL {n r, n r} (cardinalit de rles -
remarque r (1 r))
ALR = AL {r1 r2} (conjonction de rles)

Famille des LD: SHOIN et SHIQ (OWL)
Sigle Nom Syntaxe Exemple
Conjonction CD personne jeune
S Disjonction CD vieux jeune
(ALC et R+) Ngation C (personne jeune)
Quantificateur Universel r.C enfant.male
Quantificateur Exitentiel r.C enfant.male
Rle transitif (R+) r.r pre.pre
H Rle hirarchique rs mre parent
O Concepts nominaux {x} {Terre, Mars, Venus}
I Inverse de rle r enfantparent
N Restriction de nombre nr 2enfant
Q RN qualifie nr.C 2enfant.male
21
Smantique de LD
La smantique de LD est dfinie par les interprtations
Une interprtation est dfinie comme
= (, ), o
est le domaine (un ensemble vide)
est une fonction dinterprtation qui fait correspondre:
Concept (classe) A Sous ensemble A de
Rle (proprit) r relation binaire r sur x
Individus i i lment de
Smantique des expression LD

La fonction dinterprtation sur les expressions de concept
(ou de rle) de la manire suivante :
22
Exemple ABox Interprtation smantique :

Soit la base terminologique
= {enfant(pierre, marie), (enfant.(Musicien))(Pierre) , femme
( enfant))(Marie)}
La base est satisfiable et linterprtation ci-aprs est un modle
pour
= {Pierre, Marie}
Pierre = Pierre
Marie = Marie
enfant = {(Pierre, Marie)}
femme = {Marie}
Musicien =

Exemple de base de connaissance
Niveau Terminologique Pour obtenir un diplme de
Doctorat, il faut possder un
DEA.
Concepts primitifs : Cours,
Professeur, Etudiants, DEA et ( diplme.Doctorat) (
Doctorat diplme.DEA)
Les DEA et les Doctorats sont
Rles primitifs : enseigne et diplme.
des diplmes distincts.
Contraintes
Doctorat DEA
Tout enseignant d'un cours est
soit professeur, soit titulaire d'un
diplme de DEA. Niveau assertionnel
( enseigne.Cours) (Etudiant ( Jean enseigne un "cours d'IA".
diplme.DEA)) Professeur enseigne(Jean,Cours-IA)
Tout professeur est titulaire d'un
Jean a au plus un diplme.
diplme de Doctorat. ( 1diplme) (Jean)
Un "cours d'IA" est un cours.
Professeur ( diplme.Doctorat)
Cours(Cours-IA)
23
Les principaux tests dinfrence
La connaissance est-elle correcte (intuitions captures) ?
Est-ce que C est subsompm par D selon T? (CI DI pour tout modle I de T )
La connaissance est-elle minimalement redondante (pas de
synonymes inattendus)
Est-ce que C est quivalent D selon T ? (CI = DI dans tout modle I de T)
La connaissance a-elle plein sens (meaningful) (classes doivent
tre non vide)
Est-ce que C est satisfiable selon T ? (CI ; dans un modle I de T )
La connaissance est-elle consultable (Querying knowledge)
Est-ce que x est une instance de concept C selon T ? (xI CI dans tout modle I de T )
Est-ce que <x,y> est une instance de rle R selon T ? ((xI,yI) RI dans tout modle I de T )
Les connaissances sont-elles incompatibles :
Deux concepts C et D sont-ils incompatibles selon T ? (CI D I= dans tout modle I de T )
Rduction de tests
On peut rduire les tests de base :
Au test de satisfaisabilit :
C est subsum par D si seulement si (C D) n'est pas satisfaisable
C et D sont quivalents si seulement si (C D) (D C) n'est

pas satisfaisable
C et D sont incompatibles si seulement si (C D) n'est pas
satisfaisable
Ou au test de subsomption :
C n'est pas satisfaisable si seulement si C est subsum par
C et D sont quivalents si seulement si C est subsum par D et D est

subsum par C
C et D sont incompatibles si seulement si (C D) est subsum par
24
Proprits de transformation
Les constructeurs et obissent aux rgles suivantes
Idempotence: C C C et C C C
Commutativit: C D = D C et C D = D C
Associativit : C (D E) = (C D) E et C (D
E) = (C D) E
Si C D et C E alors C D C
Si C D et E D alors C E D
Si C D alors C X D pour tout description X
Si C D alors C D X pour tout description X
Deux mcanismes de raisonnement

Les algorithmes de type normalisationcomparaison (algorithmes
NC) :
un processus de normalisation produit les formes normales des
concepts dfinis qui sont ensuite
effectivement compares laide de rgles de comparaison
La mthode des tableaux smantiques : la question est-ce que D
subsume C (C D) est transforme en est-ce que (C D)
est non satisfiable.
Note : le langage de description des concepts doit tre
muni de la ngation des concepts dfinis
25
Algorithme de tableau basique(sans TBox)
Utilis pour le test de satisfiabilit (consistance) dune expression de concepts
C
Essai de construire un arbre de modles hypothtiques dont la racine est C
(sous forme normale : ngation devant concepts atomiques)
Dcomposer syntaxiquement et successivement de C
En appliquant des rgles dexpansion de tableau
En valuant des contraintes sur les lments du modle
Les rgles dexpansion de tableau correspondent aux constructeurs dans le
langage LD utiliss (, , , , , )
Certaines rgles sont non dterministes (par exemple : , )
En pratique, cela explose lespace de recherche
Arrter quand aucune rgle soit applicable ou motifs contradictoires (clash) par
exemple (A(x), A(x))
Le contrle de cycle (blocking) peut-tre ncessaire pour la terminaison
C sera satisfiable ssi les rgles peuvent-tre appliques telles que larbre
construit ne contenant que des feuilles avec motifs contradictoires (clash)
Proprits algorithmique
Procdure de dcision : un algorithme est appel une procdure de
dcision si et seulement si il vrifie 3 proprits suivantes :
Arrt : lalgorithme doit donner le rsultat un temps fini
Correction : les infrences produites sont en accord avec la smantique
associe, autrement dit, ce qui est vrai sur le plan syntaxique lest sur le plan
smantique.
Compltude : toutes les formules valides vraies sur le plan smantique
peuvent tre dmontres sur le plan syntaxique.
Complexit dun algorithme : Un algorithme doit appartient une
classe de complexit qui qualifie son cot en temps et en
espace de mmoire

NLOGSPACE P NP PSPACE EXPTIME NEXPTIME EXPSPACE
P PSPACE, PSPACE = NPSPACE, PSPACE EXPSPACE
26
Proprits des algorithmes de tableau
Thorme :
Les algorithmes de tableaux sont des procdures de dcision
pour la satisfiabilit de concepts i.e., lalgorithme retourne
SAT ssi le concept est satisfiable
Preuve (schmatique)
Terminaison
La largeur (nombre de rgles applicables par nud) et la profondeur
(avec la stratgie de blocking) de larbre de tableaux sont bornes
Correct
A partir dun arbre de tableaux dune formule satisfiable on peut
contruire un un modle pour cette formule
Complet
A partir dun modle dune formule satisfiable, on peut diriger le
processus dapplication de rgles dexpansion tel que arbre de tableaux
obtenu contenant un tableau correspondant ce modle

Complexit des langages (sans TBox)
Expressivit CD C(a)
C D P P
FLE r.C
r.
AL A P P
ALE r.C NP PSPACE
ALC (~ modal K(m)) C PSPACE

ALCO {a1, ...} PSPACE
SHOIN(D) EXPTIME
SHIQ EXPTIME
NLOGSPACE P NP PSPACE = NPSPACE EXPTIME NEXPTIME EXPSPACE
27
Complexit des langages (suivant TBox)
Expressivit CD C(a)
FLE P P
AL EXPTIME EXPTIME
ALE PSPACE PSPACE
ALC (avec domaine concret et TBox cyclique) NEXPTIME

ALC (avec RS, RS, R et TBox vide) NEXPTIME
SHOIN(D) NEXPTIME
SHIQ NEXPTIME
NLOGSPACE P NP PSPACE = NPSPACE EXPTIME NEXPTIME EXPSPACE

Exemple : Famille (DL Handbook)
TBOX Femme Personne Fminin Concepts atomiques
Homme Personne Fminin Personne
Mre Femme aEnfant.Personne Fminin
Pre Homme aEnfant.Personne Rles atomiques
Parent Pre Mre aEnfant
GrandeMre Femme aEnfant.Parent eEpoux
MrePlusDe3Enfants Mre 3aEnfant
MreSansFille Femme aEnfant.Femme Concepts dfinis
Epouse Femme eEpoux.Homme Femme
Homme
ABOX Mre
Individus
Manon Pre
MreSansFille(Manon) Parent
Pierre
aEnfant(Manon, Pierre) GrandeMre
Paul
aEnfant(Manon, Paul) MrePlusDe3Enfants
Pierre
Pre(Pierre) MreSansFille
Alexandre
aEnfant(Pierre, Alexandre) Epouse
28
Aspects pratiques
Aspects pratiques : Annotation de la smantique

Schma dannotation gnrique
29
Fouille de donnes et annotation : un point de vue
Moteur de recherche = passerelle entre la fouille de
donnes et le Web
Langage RDF (Ressource Description Framework)

un modle de graphe destin dcrire de faon formelle
les ressource Web et leurs mtadonnes, de faon
permettre le traitement automatique de telles descriptions.
Un document RDF ainsi form correspond un multi-
graphe orient tiquet. Chaque triplet correspond alors
un arc orient dont le label est le prdicat, le nud source
est le sujet et le nud cible est l'objet.
objet
sujet Proprit littral
type
30
<rdf:Property rdf:ID='nom'>
rdf:ID='nom'>
<rdfs:domain rdf:resource='#
rdf:resource='#Personne
Personne'/>'/>
Exemple : graphe RDF <rdfs:range rdf:resource=&
</rdf:Property
</rdf:Property>>
rdf:resource=&rdfs;Literal
rdfs;Literal'/>
'/>
<rdf:Property rdf:ID=titre'>
rdf:ID=titre'>
Nhan Le Thanh Kewi <rdfs:domain rdf:resource='#
rdf:resource='#equipe
equipe'/>
'/>
<rdfs:range rdf:resource=&
rdf:resource=&rdfs;Literal
rdfs;Literal'/>
'/>
</rdf:Property
</rdf:Property>>
ex:nom ex:titre <rdf:Property rdf:ID=
rdf:ID=membre
membre'> '>
<rdfs:domain rdf:resource =#personne
=#personne'/> '/>
<rdfs:range rdf:resource ='#equipe
='#equipe'/>
'/>
ex:membre </rdf:Property
</rdf:Property>>
_:xxx _:yyy
Anotation
<rdf:Description
rdf:about=http://www.i3s.unice.fr/equipe>
rdf:about=http://www.i3s.unice.fr/equipe>
rdf:type rdf:type <rdf:type equipe rdf:resource='#
rdf:resource='#quippe
quippe'/>
'/>
<titre>Kewi
<titre>Kewi </titre>
<membre>
membre>
ex:personne ex:equipe <personne><nom>
personne><nom> Nhan Le
Thanh</nom></personne
Thanh</nom></personne> >
<personne><nom>
personne><nom> Serge
Miranda</nom></personne
Miranda</nom></personne> >
</membre
</membre> >
</equipe
</equipe>>
</rdf:Description
</rdf:Description>>

Syntaxe XML
<rdf:Description
rdf:about=http://www.mnds.fr/cours/WS>
<titre> Web smantique </titre>
</rdf:Description> <rdf:Description rdf:about=http://
www.mbds.fr/cours/WS>
On y ajoute de sens : <rdf:type rdf:resource='#Cours'/>
<titre>Web smantique</titre>
La ressource est un cours, </rdf:Description>
un cours a des enseignants, <rdfs:Class ID='Cours'/>
lenseignant est un chercheur de lI3S, etc.
ex:WS rdf:type ns:Cours
ex:WS ns:titre Web Smantique
ns:Cours rdf:type rdfs:Class
31
Les classes :
ns:Cours rdf:type rdfs:Class
ns:CoursMBDS rdf:type rdfs:Class
ns:CoursMBDS rdfs:subClassOf ns:Cours
ns:CoursEPU rdfs:subClassOf ns:Cours
<rdfs:Class rdf:ID='Cours'/>
<rdfs:Class rdf:ID='CoursMBDS'>
<rdfs:subClassOf rdf:resource='#Cours'/>
</rdfs:Class>
<rdfs:Class rdf:ID='CoursEPU'>
<rdfs:subClassOf rdf:resource='#Cours'/>
/rdfs:Class>
Les proprits :
<rdf:Property rdf:ID=enseignant>
<rdfs:domain rdf:resource='#Cours'/>
<rdfs:range rdf:resource='#Personne'/>
</rdf:Property>
<rdf:Property rdf:ID='nom'>
<rdfs:domain rdf:resource='#Personne'/>
<rdfs:range rdf:resource=&rdfs;Literal'/>
</rdf:Property>
<rdfs:Class rdf:ID='CoursCommun'>
<rdfs:subClassOf rdf:resource='#CoursDEA'/>
<rdfs:subClassOf rdf:resource='#CoursESSI'/>
</rdfs:Class>
<rdf:Property rdf:ID='titre'>
<rdfs:domain rdf:resource='#Cours'/>
<rdfs:range rdf:resource=&rdfs;Literal/>
</rdf:Property>
32
Annotation
<rdf:Description
rdf:about='http://www.mbds.fr/cours/WS>
<rdf:type rdf:resource='#Cours'/>
<titre>Web smantique</titre>
<num>WS</num>
<enseignant>
<Professeur
rdf:about='http://www.i3s.unice.fr/nlethanh>
<nom>Nhan Le Thanh</nom>
<universite>Nice Sophia-Antipolis</universit>
</Professeur>
</enseignant>
</rdf:Description>
Exemple application RDF : Le Dublin Core :

dfinit un certain nombre de champs de mtadonnes
utilisables pour dcrire les ressources du Web
15 champs ou lments standardiss
titre, crateur, description, sujet, date, source, droits
Les champs peuvent tre prciss l'aide de raffinements
description : rsum, table des matires
Les valeurs de ces champs reprennent gnralement
d'autres standards
33
Exemple Dublin Core en HTML:

<html>
<head><title>Cours MBDS</title>
<link rel="schema.DC" href="http://purl.org/dc/elements/1.1/"/>
<meta name="DC.Title" lang="fr" content="Cours MBDS en HTML"/>
<meta name="DC.Date.created" scheme="W3CDTF content="2004-09-
27"/>
<meta name="DC.Date.modified" scheme="W3CDTF" content="2004-09-
28"/>
<meta name="DC.Subject" lang="fr" content="HTML,document, Dublin
Core"/>
<meta name="DC.Language" scheme="RFC3066" content="fr-FR"/>
</head>
<body></body>
</html>
Exemple Dublin Core en RDF:
<rdf:RDF
xmlns:rdf=http://www.w3.org/1999/02/22-rdf-syntaxns#
xmlns:dc=http://purl.org/dc/elements/1.1/>
<rdf:Description about="Cours_MBDS.html">
<dc:title>Cours MBDS en HTML</dc:title>
<dc:created>2008-02-27</dc:created>
<dc:modified>2008-02-28</dc:modified>
<dc:language>fr</dc:language>
</rdf:Description>
</rdf:RDF>
34
Application de RDF Creative Commons

Objectifs :
adapter les droits des auteurs au nouveau mdium quest
Internet,
fournir un cadre juridique au partage sur le web doeuvres de
lesprit comme les images, les sons ou les textes
Principe : "un jeu de logos"
la combinaison de ces 4 briques fournit 6 types de licence

<rdf:RDF xmlns=http://web.resource.org/cc/
xmlns:dc=http://purl.org/dc/elements/1.1/
xmlns:rdf=http://www.w3.org/1999/02/22-rdf-syntax-ns#>
<Work rdf:about="">
<license rdf:resource="http://creativecommons.org/licenses/by-ncsa/2.0/"/>
</Work>
</rdf:RDF>
<License rdf:about="http://creativecommons.org/licenses/by-nc-sa/2.0/">
<permits rdf:resource="http://web.resource.org/cc/Reproduction"/>
<permits rdf:resource="http://web.resource.org/cc/Distribution"/>
<requires rdf:resource="http://web.resource.org/cc/Notice"/>
<requires rdf:resource="http://web.resource.org/cc/Attribution"/>
<prohibits rdf:resource="http://web.resource.org/cc/CommercialUse"/>
<permits rdf:resource="http://web.resource.org/cc/DerivativeWorks"/>
<requires rdf:resource="http://web.resource.org/cc/ShareAlike"/>
</License>
35
Aspects pratiques : langages du web
36
Application de RDF : RSS (RDF Site Summary)

permet de publier un une succession dlments
dinformation (syndication des contenus sur le web).
ds quil est prsent en RDF, il permet la manipulation
et la slection automatique
utilis pour obtenir les mises jour d'information dont la
nature change frquemment, typiquement cela peut tre :
des listes des tches dans un projet, des prix, des alertes de
toutes natures, des nouveaux emplois proposs, les sites
d'information ou les blogs, les podcasts et videocasts.
deux autres format : Rich Site Summary et Really simple
Syndication

Exemple RSS+DC+CC :
<?xml version="1.0" encoding="utf-8"?>
<rdf:RDF xmlns:ct="http://xmlfr.org/dtd/content" >
<channel rdf:about="http://xmlfr.org/documentations/articles/channel.rss10">
<title>Articles</title>
<link>http://xmlfr.org/documentations/articles/</link>
<description>Articles de fond sur XML</description>
<dc:source rdf:resource="http://xmlfr.org/documentations/articles/"/>
<dc:language>fr</dc:language>
<dc:publisher>Eric van der Vlist (mailto:vdv@dyomedea.com)</dc:publisher>
<dc:creator>Eric van der Vlist (mailto:vdv@dyomedea.com)</dc:creator>
<cc:license rdf:resource="http://creativecommons.org/licenses/by-ncsa/2.0/"/>
<image rdf:resource="http://xmlfr.org/bandeaux/xmlfr_88x31.gif"/>
<items>
<rdf:Seq>
<rdf:li rdf:resource="http://xmlfr.org/documentations/articles/040331-0001"/>
</rdf:Seq>
</items>
</channel>
37
Synthse
Il existe de nombreuses ressources en RDF;
Elles sont utilises conjointement.
Ces ressources constituent un embryon de web smantique
Besoins
Liens vers les documents en ligne;
Dcrire les mta-donnes (DublinCore);
Connaissance des droits (Creative Commons);
Liens vers les personnes et les organisations (FOAF);
Rfrence des vnements (iCalendar);
Engendrer des fils (RSS)
Aspects pratiques : Ontologie et modlisation

Origine de lOntologie :
Une branche de philosophie qui cherche un accord avec
la nature et lorganisation de la ralit
Science de ltre (Aristote, Mtaphysiques, IV, 1)
Recherche de la rponse aux questions:
Quest-ce que cest les caractristiques de ltre?
Eventuellement, Quest-ce que cest ltre ?
Comment les choses sont-elles classifies ?
La classification a t tudie depuis trs long temps dans
lhistoire
38
Ontologie en Informatique
Une ontologie est un produit dingnierie qui consiste en :
un vocabulaire utilis pour dcrire (une vue particulire de)
un certain domaine
une spcification explicite des sens attendus du vocabulaire.
Presque toujours inclure comment les concepts sont-ils
classifis
Elle capture des contraintes, des connaissances
additionnelles sur le domaine
Idalement une ontologie permet de :
Capturer des comprhensions partages dun domaine
Produire un modle formel du domaine manipulable par
ordinateur
O utiliserons les ontologies

e-Science, par exemple, Bioinformatiques
LOntologie de Gnes (G.O)
LOntologie de Protines (MGED)
Mdecine
Terminologies (ontologie UMLS)
Databases
Intgration
Requtes dinterrogation
Interfaces dutilisateur
Linguistiques
Le Smantique Web
39
Modlisation avec RDF : Smantique du langage

Tous les noncs RDF sont considrs comme vrais,
dans un mme environnement, la conjonction des
noncs est considre comme vrai galement
Il ny a pas de contexte local (dans lequel quelque chose
serait vrai)
Il ny a pas de ngation
RDF est monotone : ce qui est vrai reste vrai au fur et a
mesure que lon rajoute de linformation
RDF est un sous-ensemble de la logique du premier ordre
avec des prdicats binaires et des variables existentielles.
Typage en RDF :
Les rgles de typage diffrent des modles objet
traditionnels
Domaine : Lutilisation dune proprit sur une
ressource entraine que la ressource soit du type indiqu
par le domaine de la proprit
Rang : Si une ressource est la valeur dune proprit, la
ressource est du type indiqu par le range de la proprit
Class : Si une ressource a pour type C, alors C est une
classe
40
Typage en RDF : Exemples

Domaine
ex:title rdfs:domain ex:Cours
ex:log11 ex:title Modlisation des connaissances
ex:log11 rdf:type ex:Cours
Range
ex:enseignant rdfs:range ex:Person
ex:log11 ex:enseignant ex:olivier
ex:olivier rdf:type ex:Person
Class
rdf:type rdfs:range rdfs:Class
ex:olivier rdf:type ex:Person
ex:Person rdf:type rdfs:Class
Mta modle RDF
41
Exemple : Intgration de ressources avec RDF/RDFS

Exemple : Cration des ressources avec RDF/RDFS
42
Exemple : Ajout des contraintes avec RDF/RDFS
RDFS : RDF Schemas

Introduction de classes et de proprits;
Spcialisation de classes et de proprits;
Restriction du domaine et codomaine des
proprits.
Mta-modle rflxif (tout est ressource, les
classes et proprits spcialisent les ressources,
ressources et proprits sont des classes).
43
Mta modle de RDF
Ressource : rdfs:Resource Classe racine de la hirarchie
de subsomption des classes, instance de rdfs:Class
Classe : rdfs:Class La meta classe qui engendre des classes,
instance delle mme, sous-classe de rdfs:Resource
spcification
rdfs:Resource rdf:type rdfs:Class
rdfs:Class rdf:type rdfs:Class
rdfs:Class rdfs:subClassOf rdfs:Resource
La classe des proprits rdf:Property
rdf:Property rdf:type rdfs:Class
rdf:Property rdfs:subClassOf rdfs:Resource

Mtamodle de RDF
Typage : rdf:type La relation dinstanciation
rdf:type rdf:type rdf:Property
Relation de subsomption (en fait de spcialisation) :
rdfs:subClassOf
rdfs:subClassOf rdf:type rdf:Property
Relation de subsomption des propritts :
rdfs:subPropertyOf
rdfs:subPropertyOf rdf:type rdf:Property
44
Exemple : Un schma RDFS :
<rdfs:Class rdf:ID="Document">
<rdfs:subClassOf rdf:resource="#Entity"/>
<rdfs:subClassOf rdf:resource="#EntityConcerningATopic"/>
<rdfs:subClassOf rdf:resource="#NumberableEntity"/>
<rdfs:comment xml:lang="en">Entity including elements serving as
a representation of thinking.</rdfs:comment>
<rdfs:comment xml:lang="fr">Entite comprenant des elements de
representation de la pensee.</rdfs:comment>
<rdfs:label xml:lang="en">document</rdfs:label>
<rdfs:label xml:lang="fr">document</rdfs:label>
</rdfs:Class>

Ontologie et Logiques de description
OWL est un standard de langage dontologie de W3C bas sur les logiques de
description
Les axiomes et les constructeurs dOWL sont restreints pour que le
raisonnement soit dcidable
La Smantique Web sorganise dans une architecture en couche
XML produit la couche de transport syntaxique
RDF(S) produit un language relationnel basique et des primitives

ontologiques simples
OWL produit un langage dontologie puissant mais restant dcidable
Autres couches (par exemple SWRL Semantic Web Rule Language)

seront des extensions de OWL
La plupart seront indcidables
Besoin des expriences dimplmentation
45
Concepts (classes) et constructeurs
C est un concept (classe); P est un rle (proprit); x est un nom dindividu

Types de donnes XMLS sont des classes dans 8P.C and 9P.C
Forme de restriction de DL avec domaines concrets

Ontologie et Base de connaissances LD
Une Ontologie OWL est quivalente une Base de
Connaissances de LD (BCLD)
Une ontologie OWL consiste en un ensemble daxiomes
et faits
Note: une ontologie comprend usuellement seulement des axiomes
dans la TBox (schma)---OWL est donc non-standard pour cette
catgorie
Rappel : une BCLD K est la paire hT ,Ai o
T est lensemble daxiomes terminologiques (la TBox)
A est lensemble daxiomes assertionnels (lABox)
46
Ontologie / Axiomes TBox
Une quivalence la logique PO/Modale

p.e. DL: C v D LPO: x.C(x)D(x) LM: C D
Deux catgories diffrentes des axiomes TBox :
Dfinitions C D ou C D o C est un nom de concept
Axiomes dInclusion gnrale de concepts (GCIs) o C peut-tre

complexe

Faits dOntologie / Axiomes ABox
Note: dans une utilisation nominale (par exemple, dans SHOIN),

on peut rduire les axiomes dABox aux axiomes dinclusion de
concept
a : C est quivalent {a} v C
(a,b) : r est quivalent {a} v r.{b}
47
En langue naturelle Dans la syntaxe OWL
Personne dont tous les <owl:Class>
<owl:intersectionOf rdf:parseType=" collection">
enfants sont soit docteur soit <owl:Class rdf:about="#Personne"/>
ayant un enfant docteur <owl:Restriction>
<owl:onProperty rdf:resource="#aEnfant"/>
Dans la syntaxe DL : <owl:toClass>
Personne aEnfant.(Docteur <owl:unionOf rdf:parseType=" collection">
aEnfant.Docteur) <owl:Class rdf:about="#Docteur"/>
<owl:Restriction>
Faut-il <owl:onProperty rdf:resource="#aEnfant"/>
si on peut <owl:hasClass rdf:resource="#Docteur"/>
crire tellement crire si court !
long </owl:Restriction>
</owl:unionOf>
</owl:toClass>
</owl:Restriction>
</owl:intersectionOf>
</owl:Class>

Requtes
Trouver les cours dont N. Le Thanh est enseignant ?
Qui enseigne le cours WS ?
Y a-t-il un enseignant-chercheur ?
Y a-t-il une Personne de lUNS ?
Moteurs de recherche RDF
Jena : HP Lab
SNOBASE : IBM
Sesame : Java middleware, Aidministrator Nederland
ICS-FORTH RDF Suite : BD, RDF Query Language
Corese : INRIA
48
Aspects pratiques : Web services smantique
Moteur de recherche DL
Les prcurseurs DL : KL-ONE (77-79), CLASSIC et LOOM (89-92)
FaCT++ (00-04) : Fast Classification of Terminologies
Universit Manchester (ALC SHIQ - OWL DL), C++
Issue commerciale avec CELEBRA (Network Inference)
RACER (01-04) : Renamed ABox and Concept Expression Reasoner
TBox et ABox (SHIQ (ALCQHIR+) OWL DL)
Combiner DL et Algbre Relationnelle
Issue commerciale avec RACERPro
PELLET (03-05) :
Raisonnement avec Abox (SHION(D))
Java, Open Source

Implmentation de systmes
Architecture de PELLET
49
Implantation de systmes
Architecture de PELLET

WSDL-S et METEOR-S
Objectif :
Principes de reprsentation de la smantique (RS) des
web services
Le mcanisme de RS dans WSDL-S
Comparaison avec la solution OWL-S (DAML-S)
Etude des fonctionnalits de METEOR-S
Vos remarques et critiques
Identifier des diffrents problmes rsoudre de RS dans
les WS
50
WSDL-S et METEOR-S
OWL-S
Process Model Resources/Concepts
Atomic Process Inputs / Outputs
Operation Message
Binding to SOAP, HTTP, etc.
WSDL
Quelques tendances et
thmes de recherche
51
Tendance et thmes de recherche
Modles de connaissances distribues

Objectif :
Modliser des systmes distribus par ontologies
Approche de Coopration :
Principe : cohabiter des systmes indpendants
Solutions : DDL et Drago, -connection
Approche de fdration :
Principe : Partager dune base de connaissances communes
dite constitution
Solution : dcomposition de DL, ONDIL (en cours)

DDL et Drago
52
DDL et Drago

Approche de fdration :
Cration de fdration :
Dcomposition de la constitution : chaque membre on
des besoins diffrents
volution de la fdration :
Par chaque membre
Soit des connaissances propres lui (qui ne peuvent pas tre
dduites de la constitution)
Soit des connaissances dveloppes partir de la constitution
(qui doivent respecter la constitution)
Un thme de recherche de lquipe Kewi
53
Approche de fdration : Cration .dcomposition
Quelle
Ontologie dcomposition
?
Dcomposition Est-ce quelle
est correcte ?
Comment
Ontologie Ontologie dcomposer ?

Approche de fdration : dcomposition
Ontologie LD Nom de rles: R, P,
O Axiome: - C D (inclusion de concept gnral ICG)
- A C (concept dfini)
Concepts de Oi : i:A, i:B,

Ontologie Ontologie
O1 On LDD Rles de Oi : i:R, i:P,
Axiome de Oi : - i: C D
- i: A C
Rgle de pont : - (into)
- (onto)
- (identique)
54
Approche de fdration : algorithme de dcomposition
Transformer une TBox en un graphe

Dcomposer le graphe prsentant la TBox en des sous-
graphes qui sont reprsents dans un graphe
dintersection.
Transformer le graphe dintersection en une TBox
distribue.
Dcomposition Dcomposition
par sparateurs minimaux par coupes normalises

Thme de recherche 1 : approche fdration
Modlisation des changes entre les membres dans une
fdration : alignement et/ou importation des
connaissances
Loptimisation des requtes : dcompositions, excution
en parallle, infrence
Moteur dinfrence de fdration
55
Web socio-smantique et centre dusage
Web
smantique
Web social
Web
socio-smantique
Web cognitivement
smantique

Web socio-smantique selon Manuel Zacklad (UTT)
Un Web qui sadresse des communauts
dutilisateurs poursuivant des objectifs similaires
Un Web social qui participe de la construction dune
reprsentation structure du domaine et du collectif
Une structuration progressive des rseaux
smantiques grs par le collectif (prsentant des
enjeux pour le rseau social lui-mme)
Approche qui peut tre pertinente sur des marchs
lectroniques notamment dans le cadre de produits
complexes
Importance des activits de recherche dinformation
56
Caractristiques Attributs heuristiques Point de vue
fonctionnelles (confort
dutilisation, fiabilit Thme
technique, innovation,
design, etc)
Attributs standards
Entit
Accs direct des extraits du

contenu dune entit (exprience Caractristiques
partielle) ou accs indirect des Ressources techniques
images, des descriptions dtailles, intrinsques et
des comptes rendus dutilisation extrinsques (services)
et administratives
Modlisation adapte au domaine dactivit

Questionnement
Lutilisation dontologies smiotiques demande un investissement
dfinitionnel important. Y a-t-il un retour sur cet investissement ? (par
rapport un moteur)
Quels types de reprsentations graphiques sont les plus adaptes pour
la navigation?
Quels types de processus cognitifs situs & distribus sont mobiliss
pour la recherche de lentit?
Quels type de connaissances sont requises pour lusage du systme?
Quels apprentissages se mettent en place?
Comment faire grer le systme de classification par le collectif?
Comment le faire voluer par la dlibration.
57
Thme de Web social : veille et surveille

Lactivit veille consiste dtecter une tendance
mais aussi des exceptions (activits innovantes par
exemple)
Web mining dirig par ontologies dusage et
sociales
Modle de calcul de la pertinence des exceptions
Etc.
Lactivit de surveille consiste des contrles dun
processus et de dtection des anomalies. Cela
sapplique dans le domaine de scurit mais aussi
d d d d

Thme de Web social : veille et surveille : Capture et
annotation dmotions et projet EMOTICA
Emotion Modelling by Ontology Techniques for Interactive Capture
mechanisms with Automatic learning
Questionnement
Est-ce possible de percevoir les traits motionnels humains partir des
paramtres physiologiques ?
Est-ce possible de dterminer un ensemble des paramtres
biomtriques plus ou moins simples observer (c--d captifs et mesurables
par les dispositifs simples et conomiques) permettant de percevoir avec
une certaine prcision les tats motionnels humains ?
Est-ce possible dannoter les tats motionnels par les traits dusage et
sociaux ?
Enfin, peut-on modliser ces notions afin de pouvoir les utiliser
algorithmiquement dans les systmes comportement adaptatif ?
58
MERCI !
Et demain cest un
. autre jour
VI. Rfrences
[Baa03] F. Baader, D. Calvanese, D. McGuiness, D. Nardi and P.F. Patel-Schneider, The Description
Logic Handbook: Theory, Implementation and Applications Cambridge University Press, 2003
[Bor03] Borgida A., Serafini L. "Distributed Description Logics : Assimilating Information from Peer
Sources" Journal of Data Semantics (1). 2003, pp.153-184
[Don97] F.M. Donini, M. Lenzerini, D. Nardi, W. Nutt "The Complexity of Concept Languages" Information
and Computation, 134, pp 1-58, 1997
[Nap97] Amedeo Napoli, Une introduction aux logiques de description" Rapport de recherche INRIA
n3314, dcembre, 1997
59

Ws Mbds

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Ws Mbds

Hochgeladen von

Copyright:

Verfügbare Formate

Des rseaux smantiques au Web

Nhan LE THANH - Equipe KEWI

Master MBDS Sminaire: des rseaux smantiques au Web smantique N. Le Thanh 2

Master MBDS Sminaire: des rseaux smantiques au Web smantique N. Le Thanh 3

Web smantique : rve et dfi

Master MBDS Sminaire: des rseaux smantiques au Web smantique N. Le Thanh 4

Master MBDS Sminaire: des rseaux smantiques au Web smantique N. Le Thanh 5

Web smantique : rve et dfi

Aujourdhui : le Web est exploit par des

Demain : le Web sera exploit en priorit par des

Master MBDS Sminaire: des rseaux smantiques au Web smantique N. Le Thanh 6

Une machine peut apprhender le volume des

Master MBDS Sminaire: des rseaux smantiques au Web smantique N. Le Thanh 7

Web smantique : rve et dfi

Master MBDS Sminaire: des rseaux smantiques au Web smantique N. Le Thanh 8

personnalis, avec des espaces privs,

Master MBDS Sminaire: des rseaux smantiques au Web smantique N. Le Thanh 9

Web smantique : rve et dfi

Master MBDS Sminaire: des rseaux smantiques au Web smantique N. Le Thanh 10

Master MBDS Sminaire: des rseaux smantiques au Web smantique N. Le Thanh 11

Web smantique : rve et dfi

Master MBDS Sminaire: des rseaux smantiques au Web smantique N. Le Thanh 12

Master MBDS Sminaire: des rseaux smantiques au Web smantique N. Le Thanh 13

Master MBDS Sminaire: des rseaux smantiques au Web smantique N. Le Thanh 14

Aspects thoriques : langages du web

Master MBDS Sminaire: des rseaux smantiques au Web smantique N. Le Thanh 16

Aspects thoriques : Reprsentation de

Master MBDS Sminaire: des rseaux smantiques au Web smantique N. Le Thanh 18

Master MBDS Sminaire: des rseaux smantiques au Web smantique N. Le Thanh 19

Aspects thoriques : Rseaux smantiques

Master MBDS Sminaire: des rseaux smantiques au Web smantique N. Le Thanh 20

Master MBDS Sminaire: des rseaux smantiques au Web smantique N. Le Thanh 21

Aspects thoriques : Rseaux smantiques

Master MBDS Sminaire: des rseaux smantiques au Web smantique N. Le Thanh 22

Master MBDS Sminaire: des rseaux smantiques au Web smantique N. Le Thanh 23

Aspects thoriques : Graphes Conceptuels

Master MBDS Sminaire: des rseaux smantiques au Web smantique N. Le Thanh 24

Tout ce quon peut imaginer

Master MBDS Sminaire: des rseaux smantiques au Web smantique N. Le Thanh 25

Aspects thoriques : Graphes Conceptuels

Master MBDS Sminaire: des rseaux smantiques au Web smantique N. Le Thanh 26

Master MBDS Sminaire: des rseaux smantiques au Web smantique N. Le Thanh 27

Aspects thoriques : Graphes Conceptuels

x y z $t polygone(x) carr(y) sol(s) rectangle(z) figure(t)

Master MBDS Sminaire: des rseaux smantiques au Web smantique N. Le Thanh 28

Master MBDS Sminaire: des rseaux smantiques au Web smantique N. Le Thanh 29

Aspects thoriques : Graphes Conceptuels

Master MBDS Sminaire: des rseaux smantiques au Web smantique N. Le Thanh 30

Cette spcialisation indique que la

Master MBDS Sminaire: des rseaux smantiques au Web smantique N. Le Thanh 31

Aspects thoriques : Graphes Conceptuels

Master MBDS Sminaire: des rseaux smantiques au Web smantique N. Le Thanh 32

Master MBDS Sminaire: des rseaux smantiques au Web smantique N. Le Thanh 33

Aspects thoriques : Logique de description

Master MBDS Sminaire: des rseaux smantiques au Web smantique N. Le Thanh 34

Master MBDS Sminaire: des rseaux smantiques au Web smantique N. Le Thanh 35

Aspects thoriques : Logique de description

Master MBDS Sminaire: des rseaux smantiques au Web smantique N. Le Thanh 36

Master MBDS Sminaire: des rseaux smantiques au Web smantique N. Le Thanh 37

Aspects thoriques : Logique de description

- n est un entier non nul

Master MBDS Sminaire: des rseaux smantiques au Web smantique N. Le Thanh 38

Master MBDS Sminaire: des rseaux smantiques au Web smantique N. Le Thanh 39