Soutenance de thèse de Michel Héon Direction : Gilbert Paquette et Josianne Basque

OntoCASE :méthodologie et assistant logiciel pour une ingénierie ontologique fondée sur la transformation d’un modèle semi-formel

Soutenance de thèsede Michel Héon

Direction : Gilbert Paquette et Josianne Basque

14 novembre 2010

Déroulement de la présentation

Introduction Présentation d’OntoCASE Démarche de construction d’OntoCASE Validation d’OntoCASE Conclusion

2

Impulsion qui m’a conduit à cette thèse

Le transfert d’expertise dans les organisations soutenues

par une instrumentation informatique intelligente

3

OntoCASE : À l’intersection de plusieurs domaines scientifiques

ThèseOntoCASE

Élicitation des connaissances

Conception d’atelier de génie

logiciel

Ingénierie ontologique

Intelligence artificielle

Gestion des connaissances

Web sémantique

Représentation des connaissances

Transformation conduite par les

modèles

Introduction

4



5

OntoCASE :Caractéristiques informatiques Conçue selon la technique du Développement conduit par les modèles

(MDD) S’harmonise avec les fonctionnalités développées dans le cadre du

Eclipse Project (www.eclipse.org) Permet :

l’édition graphique (éditeur eLi) de modèles MOT et MindMap la formalisation guidée de modèles semi-formels (MSF) en ontologie OWL-1.0 l’édition d’ontologie OWL dans les notations: N3, OWL, RDF/RDFS et autres l’accès aux moteurs d’inférences :

Pour OWL : Jena, Pellet, Racer, SwiftOWLIM Pour SWRL : Jena-Rules, Jess

la transformation d’ontologie OWL en code Java respectant le Protégé OWL-API

l’importation de modèle MOT+ en notation XML

6

Présentation d’OntoCASE

OntoCASE :Caractéristiques de la méthodologie S’inscrit dans les approches itérative et évolutive des

méthodologies d’ingénierie ontologique (ex. : Methontology) et d’ingénierie logicielle (ex. : Rational Unified Process)

Est appuyée par des modules intelligents et des interfaces qui offrent une convivialité d’utilisation de la méthodologie

Utilise une approche de construction d’ontologie en deux phases : L’élicitation de la connaissance dans un formalisme graphique semi-

formel relativement simple à utiliser par un expert de contenu La formalisation en ontologie avec une assistance intelligente

permettant la désambiguïsation du MSF et la validation par une rétroaction

Soutient la représentation formelle en ontologie de connaissance: déclarative, procédurale, stratégique et factuelle

7


Notion théorique

La classification des langages de représentation des connaissances en quatre degrés de formalisme selon Uschold et Gruninger

Degré de représentation

Type de langage

Degré d’ambiguïté

Remarque

Hautement informel

Semi-informel

Semi-formel

Formel

Naturel

Naturel

Artificiel

Artificiel

Élevé

Faible

Moyenne

Aucune

Le cerveau humain arrive à décoder en partie, mais l’ordinateur arrive mal à le traiter

C’est une forme restreinte et structurée du langage naturel, telle que celle que l’on retrouve dans la description d’algorithmes (pseudocode) ou encore dans les textes de loi

Comparativement aux langages formels, ce degré de langage contient une certaine relâche des contraintes langagières qui favorise et stimule l'expressivité des connaissances et la communication entre humains.On le retrouve dans les langages comme OWL ou encore les GC de Sowa. Il offre une représentation des connaissances dont l'expressivité est réduite, mais qui en élimine les ambiguïtés, ce qui permet un traitement informatique des connaissances représentées.


8

Observations concernant les obstacles à la conception d’une ontologie

9


Les connaissances tacites sont difficiles à éliciter

La formalisation est une activité complexe nécessitant une expertise poussée

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

On constate un manque d’outils pour l’assistance à la conception d’ontologie

Avantages à utiliser un langage semi-formel pour l’élicitation de la connaissance

Convivialité Simple à apprendre et à utiliser Facilite l’expression de connaissances tacites

la spontanéité n’est pas bloquée par la charge cognitive associée à une formalisation plus poussée

Élargit le bassin des personnes aptes à représenter leurs connaissances

La sémantique du langage semi-formel fait en sorte que : Le MSF peut être conçu par des experts de contenu sans l’assistance d’un

ingénieur La connaissance représentée est dans une forme pré-formalisée

Le modèle semi-formel peut être formalisé avec la participation minimale des experts les ayant conçus

10


Hypothèse :

À partir d’un modèle de connaissances exprimé dans un langage semi-formel qui représente des connaissances de différents types, il est

possible de procéder de manière automatique ou semi-automatique, à sa formalisation en

ontologie qui, du point de vue du domaine de connaissance, est syntaxiquement et

sémantiquement valide.

11


But

Produire un outil (méthodologique et informatique) permettant de formaliser un modèle semi-formel de connaissances (ex: MOT) en ontologie formelle dans le formalisme OWL

Formaliser avecOntoCASE

FLogic

Carte conceptuelle

Hautement informel Semi-informel Semi-formelRigoureusement

formel

Quantum des degrés de formalisation

Graphe conceptuel

(SOWA)

Communication orale

Communication écrite

Procédure écrite

Pseudocode informatique

Réseau sémantique

Diagramme UMLModèle de

connaissances MOT

Logique des descriptions

Ontologie OWL

12


Objectifs

1. Concevoir une méthodologie d'ingénierie ontologique intégrant une méthode fondée sur la transformation d'un modèle semi-formel en ontologie et intégrant une méthode:

a. de formalisation en ontologieb. de validation syntaxique et sémantique de l’ontologie produite

2. Développer un outil informatique intelligent et intégré, qui instrumente de manière efficace, efficiente et satisfaisante ces différentes méthodes

3. Développer une ontologie offrant une représentation méta du domaine de la représentation des connaissances, qui opérationnalise les assistants informatiques de la méthodologie et qui sert de représentation pour la méthodologie

13


Les trois volets d’OntoCASE

Méthodologique décrit l'ensemble des éléments procéduraux, des acteurs et

des ressources contribuant à la formalisation d'un MSF en ontologie

Computationnel (informatique) décrit les composants informatiques ainsi que leurs

utilisations afin d'assister les acteurs dans l'application de la méthode

Représentationnel comporte un ensemble de guides qui permettent d'orienter le

déroulement de chacune des méthodes ainsi qu'une ontologie de transformation qui régit l'opérationnalité des composants du volet computationnel

14


Les relations entre les trois volets d’OntoCASE

Les constituants du volet méthodologique

Les constituants du volet computationnel

Les constituants du volet représentationnel

15


Avant de poursuivre …

Quelques éléments théoriques nécessaires au sujet de l’architecture conduite par les modèles (ACM)

16


La métamodélisation et les niveaux d’abstraction de l’ACM

M0: couche donnée, représente les choses de la réalité

M1: couche modèle, abstraction de la réalité

M2: couche métamodèleabstraction du langage de modélisation

M3: couche Méta-métamodèle, abstraction du langage de métamodélisation

Présentation d’OntoCASE/Théorie

17

Espaces de modélisation

L'espace de modélisation (EM) est une architecture de modélisation réalisée à partir d'un métamodèle particulier L’espace MOF proposé par

l’OMG L’espace Extended Backus-

Naur Form (EBNF) qui est le méta-métamodèle servant à la définition de la grammaire du langage Java

L’espace RDFS associé au projet du web sémantique

18


Transformation d’un modèle selon l’ACM

L’OMG préconise l’utilisation du MOF-QVT et l’OCL pour la transformation de modèles

Le processus de transformation est défini par le métamodèle MOF-QVT/OCL

C’est production automatique d’un modèle cible à partir d’un modèle source

19


Modèle cible

Modèle source

M3

Définit

M2

DéfinitM1

Repré

sente

M0

Méta-métamodèle

Métamodèle cible

Représente

Représente

Représente

M0M1

Processus de transformation

orthogonale

Métamodèle source

Modèle de transformation

Principe de la transformation orthogonaleLe processus utilise la sémantique du langage source

pour réaliser la transformation Le modèle source est traité

en tant que données et le métamodèle source est reporté au niveau M1

Le processus de transformation traite les éléments du modèle source en tant que données en correspondance avec la structure définie dans le métamodèle source selon les règles et axiomes définis dans le modèle de transformation

20


Adaptation d’ACM en architecture conduite par les ontologies (ACO) pour OntoCASE

L’ACM de base Étape 1

Changement de l’espace de modélisation MOF->RDF(S) QVT/OCL->SWRL

Étape 2 Les modèles de M1 sont remplacés par des ontologies et la transformation est assumée par l’ontologie de transformation

21


… de retour au volet représentationnel d’OntoCASE

l'ontologie de référence représente les diverses catégories de connaissances et opérationnalise le processus de désambiguïsation et de transformation

l'ontologie cadre encadre les éléments du modèle cible dans une structure qui soutient la représentation de connaissances déclaratives, procédurales et stratégiques qu’elles soient concrètes ou abstraites

Quatre composants forment l'ontologie de transformation: l'ontologie du langage semi-formel représente les éléments du vocabulaire et de la

grammaire du langage semi-formel utilisé pour construire les modèles sources l'ontologie de traitement des ambiguïtés et des erreurs contient des règles servant à la

désambiguïsation et à l'identification des erreurs de catégorisation;

22


Positionnement des composantes de l’OT dans le modèle ACO

23


Catégorie Correspondance des couleurs Primaire Secondaire Règle nom Règle antécédent Règle complète Règle nom Tertiaire

ENTITÉ Type de connaissance

Déclaratif (quoi)

Procédural (comment)

Stratégique (pourquoi, qui, quand)

Niveau de

réalité

Subjectif (Abstrait) C

oncept

Classe

Action

Opération

Principe

Agent

Schéma

String

Procédure

Condition Int R

ègle

Nom

Float

Antécédent Complète

Conclusion Propriété

Objectif (Concret)

Manifestation

Objet

Acte

Opération

Facteur d'influence

Agent

Attribut Procédure

Condition

Règle

Nom Antécédent Complète

Conclusion Assertion

Structure de l’ontologie de référence

Structure Entité-Relation

RELATION

Catégorie

Flux Intrant

Produit

Précédence

Holonyme Agrégation

Composition

Englobe

Hyponyme Généralisation

Spécialisation

Autonyme Définit

Instance

Operateur Unaire Condition

Restriction

Binaire Disjoint

Équivalent

Inverse

Régulation Régulation

24


Structure de l’ontologie cadre

RESOURCEType de connaissances CatégorieDéclarative Concept

Schéma FloatIntString

Procédurale ProcédureOpération

Stratégique Agent_Contrainte_NormeConditionEntite_Regle Antécédent

CompleteConclusionNom

Quelques remarques: Rappel: l’O cadre sert à structurer l’ontologie cible. Elle est méta face à

celle-ci La structure de l’O cadre diffère de celle de l’O de référence: les

connaissances factuelles n’y figurent pas puisque ce type de connaissances sera représenté par des individus OWL dans l’ontologie cible

PROPRIÉTÉ Nom Nom propriété inverse

A-POUR-ATTRIBUT A-POUR-COMPOSANT EST-LA-PARTIE-DE

PER

ME

T-D

E

ALORS

A-P

OU

R-

DE

PEN

DE

NC

E EST-LA-CONCLUSION-DE

A-POUR-CONCLUSION EST-LA-CONCLUSION-DE EST-ANTECEDENT-DE A-POUR-ANTECEDENT EST-PRECEDENT-DE EST-LE-SUIVANT-DE PUIS-EVALUER EVALUE-A-PARTIR-DE PUIS-EXECUTER A-POUR-PREALABLE

ENGLOBE EST-ENGLOBE-PAR

INT

RA

NT

-PR

OD

UIT

A-POUR-INTRANT EST-L_INTRANT-DE

A-POUR-PRODUIT EST-LE-PRODUIT-DE

REGIT OBEIT-A

25


OntoCASE :Le volet méthodologique

26


«1» Concevoir un modèle semi-formel

27


«2» Formaliser en ontologie du domaine

28


Module de traitement :

Implantation de l’aspect méthodologique de la formalisation

xsi:type="mot:Concept" nom="Berger Allemand" xsi:type="mot:LienI" xsi:type="mot:Exemple" nom="Bahia"

Espace de modélisation RDF(S)-OWL

Espace de modélisation EMOF

M1 Ontologie du langage semi-formel (metaMot:)

M0 :Bahia rdf:type metaMot:MOT_Exemple:Berger-Allemand rdf:type metaMot:MOT_Concept :LienI_Berger-Allemand_Bahia rdf:type metaMot:MOT_LienI

M1 Ontologie de référence (oRef:)

M0 :LienI_Berger-Allemand_Bahia rdf:type oRef:OR_Relation_Instance:Bahia rdf:type oRef:OR_Entite_Manifestation_Objet:Berger-Allemand rdf:type oRef:OR_Entite_Concept_Classe

Importer

Désambiguïser

M2 Ontologie cadre (metaDom)

M1

M0

:Berger-Allemand rdf:type owl:Class ;rdfs:subClassOf metaDom:MD_Declarative_Concept .

:Bahia rdf:type :Berger-Allemand . ConvertirF

orm

alis

er

Ontologie du domaine (ontologie cible)

MSF en langage natif (modèle source)

Ontologie du MSF

Ontologie du MSF désambiguïsé

29


«3» Valider

Le but de la validation syntaxique est de s’assurer que tous les éléments du MSF sont représentés dans l’ontologie

Le but de la validation sémantique est de s’assurer que l’ontologie représente correctement la signification du modèle

30


L’erreur de représentation survient quand le modélisateur …

Conceptualisation

Représenter

Abstraire

Domaine de la réalitéModèle du domaine

Extério

riser

Langage

Par

... fait une erreur d’abstraction (par exemple, il comprend mal le domaine de la réalité) …

… fait une erreur d’extériorisation, i.e. un usage inadéquat du langage de modélisation (son vocabulaire, sa grammaire ou sa sémantique)

31

Présentation d’OntoCASE/Valider

L’interprétation formelle d’une séquence d’actions

Exemple de validation sémantique avec OntoCASE

Interprétation formelle[Ajouter le sucre] puis exécuter [Battre les œufs][Ajoutez le lait] puis exécuter [Mettre au congélateur][Battre les œufs] puis exécuter [Incorporer graduellement][Chauffer le crème] puis exécuter [Incorporer graduellement][Faire cuire] puis exécuter [Refroidir][Hacher les noix] puis exécuter [Chauffer le crème][Incorporer graduellement] puis exécuter [Faire cuire][Refroidir] puis exécuter [Ajoutez le lait][Séparer les œufs] puis exécuter [Ajouter le sucre]

...[Faire cuire] a pour dépendance [Ajouter le sucre][Faire cuire] a pour dépendance [Battre les œufs][Faire cuire] a pour dépendance [Chauffer le crème][Faire cuire] a pour dépendance [Hacher les noix][Faire cuire] a pour dépendance [Incorporer graduellement][Faire cuire] a pour dépendance [Séparer les œufs][Faire cuire] permet [Ajoutez le lait][Faire cuire] permet [Mettre au congélateur][Faire cuire] permet [Refroidir]...

Portion de connaissances inférées

32

Présentation d’OntoCASE/Valider

La recette de la crème glacée

La génération d’un MSF à partir de l’ontologie cible

• Exemple de validation• L’erreur d’extériorisation

33

Formaliser

Valider

Générer MSF

MSF Source MSF généré

Les flèches en rouges indiquent les inférences produites par le mécanisme de validation sémantique

On constate l’erreur d’extériorisation dont la cause est l’inversion du « lien S »



34

Le trois phases qui ponctuent la démarche

Phase 1 - Mise en place des composants architecturaux, procéduraux et informatiques de la méthodologie Pour fixer les composants informatiques en lien avec les composants

méthodologiques Phase 2 - Agrégation des composants ontologiques, procéduraux et

informatiques d'OntoCASE Pour attacher les différents composants entre eux et de valider les choix

architecturaux et théoriques Phase 3 - Confirmation

Pour compléter la structure interne des différentes ontologies agrégées par l'ontologie de transformation.

Pour mettre en place les outils informatiques nécessaires à la validation d’OntoCASE par l'implantation de mécanismes d'exécution de scénarios de tests.

La démarche de recherche se déroule selon une approche évolutive et itérative où les résultats et les outils de l’itération précédente servent à construire les outils produits par l’itération en cours.

Construction d’OntoCASE

35

Phase 1: Critères de sélection du langage source (semi-formel) et du langage cible (formel)

Critères qui justifient le choix du langage semi-formel MOT: Permet l’expression de connaissances procédurale, déclarative et stratégique Permet l’expression de connaissances abstraites et factuelles Appuie dans sa sémantique l’expression de la relation d’instance et de

spécialisation, ainsi que d’autres relations utiles telles que le séquencement procédural et la régulation

N’impose aucune contrainte de représentation sur les types de connaissances ou de relations introduites dans un même modèle

Le langage est de type graphique.

Critères qui justifient le choix d’OWL en tant que langage formel: L’expressivité est suffisante pour représenter une ontologie Le langage est de degré formel La grande disponibilité des outils informatiques qui s’y rapporte (moteur

d’inférence, éditeur, analyseur XML et Java)


36

Phase 1: Étude du langage MOTConstruction d’OntoCASE

37

Phase 1: Type de processus de désambiguïsation

1. Manuel: l’utilisateur peut choisir la sémantique qu’il désire donner à un élément du modèle

2. Topologique: La sémantique de l’élément du modèle est déterminée par le système en fonction de la disposition des éléments du modèle

Par exemple, soit le patron suivant:

Alors: ▪ le principe sera désambiguïsé en propriété P

▪ le concept A et la concept B seront désambiguïsés en classe A et classe B

▪ et la classe A sera le domaine et la classe B sera l’image de la propriété P.

3. Typologique: La sémantique de l’élément est choisie en fonction de son type. Ce type de désambiguïsation survient lorsque l’élément ne possède qu’une seule signification

Par exemple: un lien I (instance) sera désambiguïsé en rdf:type


38

Phase 2: Interfaces de communication avec l’utilisateur

La rétroaction sur le graphiqueDes messages à la console

L’accès aux propriétés d’un objet en erreur couplé à un mécanisme de pointage d’erreurs

Les interfaces de communication permettent à l’utilisateur de diagnostiquer le processus de formalisation assurant ainsi une transformation efficiente


39

Phase 3: Le banc d’essais pour la consolidation Le banc d’essais permet de valider les modules d’importation,

de désambiguïsation, de conversion, de régénération de MSF ainsi que le module de validation syntaxique.


40



41

OntoCASE est validé selon les trois aspects suivants:

Généralité des types de connaissances à formaliser Il s’agit de démontrer que les connaissances de divers types (déclarative,

procédurale, stratégique et factuelle) présentes dans le MSF sont représentées dans l'ontologie cible

Généricité des langages semi-formels utilisés pour la formalisation Cette dimension est démontrée en appliquant le scénario de

transformation d’OntoCASE à partir d’un MSF construit à l’aide d’un autre langage que MOT, à savoir le langage MindMap de Buzan (1994)

Ergonomie d’OntoCASE La validation ergonomique a pour objectif de valider la capacité

d’OntoCASE à être utilisé par des utilisateurs autres que son concepteur. Requiert une expérimentation en laboratoire où des utilisateurs sont mis en situation d’utilisation.

Validation d’OntoCASE

42

Généralité des types de connaissances: Les scénarios de test Scénario de test unitaire

Principalement conçu pour tester le processus de conversion

Valide les éléments de base du langage semi-formel

Utilise la désamb. manuelle Scénario de test fonctionnel

Principalement conçu pour tester le module de désambiguïsation

Valide le mécanisme d’identification des patrons de modélisation

Utilise la désamb. topologique, typologique

Scénario de test système Principalement conçu pour tester

le module de validation Valide la préservation de la

sémantique du MSF Utilise la désamb. manuelle,

topologique et typologique


43

Généricité des langages: Critères du choix du langage semi-formel MindMap

Le thème et le sous-thème sont polysémiques puisqu’ils peuvent représenter des connaissances déclaratives ou procédurales

La relation est aussi polysémique puisqu’elle peut représenter une hyperonymie (généralisation) ou une méronyme (composition)


44

Le modèle descriptif, pour valider la transformation de connaissances déclaratives, de la généralisation et de la composition

Le modèle procédural, pour valider la transformation de connaissances procédurales, de la généralisation et de la composition

Scénarios de tests pour évaluer l’intégration du MindMap dans OntoCASE


45

Une automobile se compose de 4 roues, d'une carrosserie et d'un moteur. Un moteur peut être diesel, à essence ou électrique

Pour écrire une thèse, il faut faire une recherche et aussi faire des activités comprises dans la procédure d’écriture d'un document, soit faire un plan, rédiger, corriger et réviser

Méthode d’intégrationValidation d’OntoCASE

46

Résultat: Restauration en MOT des scénarios de test grâce à OntoCASE

restauration en MOT du modèle descriptif

restauration en MOT du modèle procédural


47

MindMap à MOT

MindMap à MOT

Ergonomie d’OntoCASE: Mise à l’essai auprès d’usagers cibles

Cette mise à l’essai a pour objectif de valider l’ergonomie d'OntoCASE en termes d'efficacité: degré de réalisation des objectifs poursuivis en matière

d'utilisation; d'efficience: capacité de produire une tâche donnée avec le minimum d'effort de satisfaction: niveau de confort ressenti en utilisant le logiciel

Elle a été menée auprès de quatre personnes déjà familières avec MOT: Expert de contenu Chargé de projets Cogniticien Ingénieur ontologique

Elle suit une méthodologie de type: analyse en situation d'utilisation monitorage de l'utilisation

Elle est menée conformément au certificat d’étique délivré par le comité d’éthique de la recherche de la TELUQ


48

Les quatre phases de la séance individuelle de mise à l’essai

la familiarisation, afin d’initier le participant à l’utilisation OntoCASE

la formalisation, afin d’initier le participant au processus de formalisation et de validation de modèles et de permettre à celui-ci de réaliser une première manipulation

la modélisation et la formalisation libres, afin de mesurer la capacité du logiciel et de la méthodologie à résister aux différentes approches des participants par la modélisation d’un court texte

le debriefing, est consacré au recueil des commentaires du participant à la fin de la séance


49

Bilan et commentaires Durée moyenne des expérimentations: deux à trois heures Tous les participants ont déclaré qu’ils seraient aptes à

utiliser OntoCASE avec un minimum de soutien de l’expérimentateur

Les principales difficultés d’usages résident dans l’utilisation de l’éditeur de modèle MOT (eLi) pour la modélisation

Tous les participants ont pu formaliser le modèle étalon Aucun participant n’a pu compléter la modélisation du texte

servant d’intrant à la mise à l’essai: Le texte exigeait une longue réflexion avant d’être modélisé. Cependant, il a été observé que la formalisation en ontologie et la

validation sémantique du modèle partiellement conçu ont permis aux participants d’accélérer leur processus de conception.


50

Bilan et commentaires (suite)

Remarques sur le processus de validation ergonomique Compte tenu du nombre restreint de participants et

du caractère flou des métriques de mesure, nous ne pouvons pas affirmer avec certitude que le test d’ergonomie soit une réussite

Cependant, compte tenu des commentaires recueillis et des observations faites, nous pouvons affirmer avec certitude que le test d’ergonomie n’est pas un échec

Ainsi, ce test doit être considéré comme un indicateur de bonne tendance des choix ergonomiques adoptés pour OntoCASE


51

Autres critères de validation de la thèse

Présentation à des congrès scientifiques pour valider plusieurs facettes de la thèse: L’utilisation de l’ACO pour la transformation de modèles semi-formels en

ontologie (Journée francophone sur les ontologies 2008) L’architecture de la méthodologie et du contenu de l’ontologie de référence

(Ingénierie des connaissances 2009) L’utilisation d’OntoCASE pour la validation de la sémantique d’un MSF

(Ingénierie de la connaissance 2010)

Intégration d’OntoCASE dans le processus de recherche Tout au long de la recherche, la version de l’itération précédente d’OntoCASE

servait d’outil d’ingénierie ontologique pour la poursuite de la recherche eLi a servi d’éditeur de modèle MOT pour la construction des modèles

contenus dans le document de thèse L’utilisation d’OntoCASE et d’eLi tout au long du processus de recherche

constituent une forme de validation de terrain


52



53

Réalisations du point de vue des sciences cognitives

Conclusion

54

Une ontologie représentationnelle et opérationnelle du domaine de la représentation des connaissances

Une méthode de formalisation de modèles de connaissances semi-formels en ontologies

Une méthode de représentation de connaissances tant déclaratives, procédurales, stratégiques et factuelles dans une ontologie

Une méthode de gestion des ambiguïtés intrinsèquement contenues dans la sémantique du langage semi-formel

Un ensemble de documents qui servent de guide à la conception d'un MSF dans la perspective de sa transformation subséquente en ontologie.

Une méthode de validation de la sémantique d’un MSF par un décodage formel du modèle

Réalisations du point de vue informatique (1/2)

Un outil intelligent et intégré dans l'environnement Eclipse apte à assister un ingénieur ontologique et un ou des experts d’un domaine dans la conception d'une ontologie à partir d'un MSF

Un nouvel éditeur de modèles MOT (eLi) dans l'environnement Eclipse

Une bibliothèque du codes sources de Protégé pour la manipulation d'ontologies, de règles SWRL et d’interfaces aux moteurs d'inférences Pellet et Jess intégrée dans Eclipse

Des outils d'importation/exportation de modèles de l'espace de modélisation MOF à l'espace de modélisation OWL

Conclusion

55

Réalisations du point de vue informatique (2/2)

Un mécanisme de construction automatique d'ontologies à partir d'une base de connaissances de type OWL jumelé à SWRL

La substitution avec succès du MOF par OWL/SWRL en tant que méta-métamodèle dans l'utilisation de l'ACM pour la transformation de modèles semi-formels

Un outil intelligent qui automatise la conversion et la validation du MSF en ontologie et qui semi-automatise le processus de désambiguïsation des connaissances exprimées de manière semi-formelle

Un outil intelligent de production de texte informel à partir d'une conceptualisation exprimée de manière semi-formelle

Conclusion

56

Apports en représentation des connaissances

Une ontologie de référence qui est une représentation possible du domaine de la représentation des connaissances

La structure de l’ontologie de référence supporte l’intégration d’un nouveau langage (MindMap) et la classification de plusieurs autres (UML et BPMN) laissant présumer une certaine généricité de sa structure face au domaine de la représentation des connaissances

La méthodologie de transformation soutient la formalisation en ontologie, de connaissances déclaratives, procédurales, stratégiques et factuelles

L’assistant informatique procure une rétroaction de la sémantique représenté par le MSF par l’interprétation formelle de l’ontologie cible

L’outil informatique peut servir à convertir en MOT un modèle semi-formel d’un autre langage (voir le test avec MindMap)

Conclusion

57

Apports en ingénierie ontologique et aux applications du web sémantique

Une méthodologie qui permet de construire une ontologie pré-validée avant déploiement d’une manière efficiente

Une méthode pour intégrer de nouveaux formalismes semi-formels dans une méthodologie ontologique

Une bibliothèque de commandes de type SWRL Built-in qui permet de créer et de mettre à jour une ontologie cible à partir du déclenchement de règles. Cette bibliothèque permet la conception d’une ontologie dédiée à la création d’ontologies

Conclusion

58

Apports en gestion des connaissances

Une méthodologie qui permet de construire une ontologie formelle à partir d’une élicitation semi-formelle qui stimule l’expression de connaissances tacites

Une méthodologie qui permet la formalisation d’une mémoire d’entreprise dont le contenu est exprimé de manière semi-formelle

Une méthodologie qui permet, par son mécanisme, de valider le contenu expert par rétroaction

Conclusion

59

Limites

Il est à anticiper que la structure interne de l’ontologie de référence subirait d’importantes modifications advenant l’intégration d’un langage complexe

La terminologie de l’ontologie de référence gagnerait en clarté si elle s’alignait sur la terminologie d’ontologies déjà existantes dans le domaine (Ex.: SUMO, CYC, KR de Sowa)

La validation ergonomique du logiciel nécessite un déploiement à une grande échelle pour être confirmée

Certaines optimisations de performance d’exécution doivent être réalisées dans le module de désambiguïsation et de conversion.

Certaines règles de « bonnes pratiques » de la DL ne sont pas respectées dans la construction de l’ontologie cible. Pour l’harmoniser aux bonnes pratiques, il faudrait : Utiliser rdf:typeOf au lieu rdf:subClassOf pour relier les classes de l’ontologie

cible aux classes l’ontologie cadre Utiliser, pour des cas précis, l’owl:Restriction au lieu de rdfs:subPropertyOf

pour définir le domaine et l’image des sous propriétés

Conclusion

60

Perspectives (1/2)

Utiliser OntoCASE pour construire la base de connaissances d’un système expert selon une approche d’élicitation semi-formel directement par les experts de contenu

Raffiner et généraliser d’avantage l’ontologie de référence et l’ontologie cadre par: L’intégration d’autres langages semi-formels (par ex.:

UML-Cas d’utilisation, carte conceptuelle, etc.) L’intégration de langages formels (par ex.: BPMN) Explorer la possibilité de remplacer l’ontologie cadre par

OWL-S

Conclusion

61

Perspectives (2/2)

Utiliser OntoCASE en tant que système de validation de la sémantique d’un modèle (par ex. pour valider la sémantique d’un diagramme UML ou BPMN)

Développer des fonctionnalités au rapport de validation afin d’y intégrer des outils de recherche, d’ordonnancement des résultats

Utiliser OntoCASE en tant qu’Environnements Informatiques pour l'Apprentissage Humain pour enseigner l’art de la modélisation grâce à son module de rétroaction

Accroître l’accès à la construction d’ontologies de domaine à un public élargi d’utilisateurs (pédagogue, expert de contenu, gestionnaire) par l’intégration des modules (d’importer, désambiguïser et convertir) en un seul module (formaliser)

Conclusion

62

MerciPériode de questions

63

Soutenance de thèse de Michel Héon Direction : Gilbert Paquette et Josianne Basque

Documents

Transcript of Soutenance de thèse de Michel Héon Direction : Gilbert Paquette et Josianne Basque