hdr

95
Graphes RDF et leur Manipulation pour la Gestion de Connaissances soutenance d’Habilitation à Diriger les Recherches. Fabien L. Gandon, Edelweiss, Inria n n

Upload: fabien-gandon

Post on 15-Jul-2015

3.522 views

Category:

Technology


4 download

TRANSCRIPT

Page 1: HDR

Graphes RDF et leur Manipulation pour la Gestion de Connaissancessoutenance drsquoHabilitation agrave Diriger les Recherches

Fabien L Gandon Edelweiss Inria

nsup2 n

n

Preacutesentateur
Commentaires de preacutesentation
Merci au jury et agrave tous drsquoassister agrave cette soutenance drsquoHDR

microCVINSA ingeacutenieur maths appliqueacuteeset DEA images amp SB connaissances

ACACIA INRIA doctorant IA distribueacutee amp web seacutemantique pour meacutemoires drsquoentreprises agrave base drsquoontologies

Carnegie‐Mellon University post‐doc sur accegraves mobiles aux services amp vie priveacutee

EDELWEISS INRIA CR communauteacutes

2

Preacutesentateur
Commentaires de preacutesentation
Avant de rentrer dans le cœur du sujet je souhaitais rappeler mon parcours 13je suis ingeacutenieur INSA en matheacutematique appliqueacutees avec un DEA en traitement drsquoimages et systegravemes agrave base de connaissances13jrsquoai ensuite effectueacute une thegravese au sein de lrsquoeacutequipe ACACIA de lrsquoINRIA en intelligence artificielle distribueacutee et web seacutemantique pour des meacutemoires drsquoentreprises agrave base drsquoontologies13puis jrsquoai effectueacute un post-doc agrave lrsquoUniversiteacute de Carnegie-Mellon sur lrsquoaccegraves mobile aux services en ligne en respectant la vie priveacutee des utilisateurs13et enfin jrsquoai pris un poste de chargeacute de recherche dans lrsquoeacutequipe Edelweiss de lrsquoINRIA ougrave je travaille maintenant agrave lrsquoassistance aux communauteacutes drsquointeacuterecircts ou de pratiques

meacutemoires collectivesmateacuterialiser et utiliser des

bullhybrides documents‐repreacutesentationsbull intrawebs seacutemantiques communauteacutesbullrepreacutesentations et traitements agrave base de graphesbullserveurs de connaissances distribueacute(e)sbullutilisation et interaction

3

Preacutesentateur
Commentaires de preacutesentation
Lrsquoobjet au cœur de mes travaux crsquoest la meacutemoire drsquoun collectif sa mateacuterialisation et son utilisation Une meacutemoire partageacutee dans une communauteacute peut-ecirctre13hybride en contenant notamment des documents et des repreacutesentations de connaissances formelles13elle peut reposer sur les formalismes du web seacutemantique pour sa mateacuterialisation sur lrsquointranet drsquoune entreprise ou dans une communauteacute13ces repreacutesentations et leur traitement peuvent exploiter la structure de graphe de ces formalismes13ces repreacutesentations et leur traitement peuvent exploiter des ressources distribueacutees sur le reacuteseau13et les reacutesultats obtenus apregraves traitement appellent des interfaces efficaces pour assurer les meilleurs interactions possibles avec les utilisateurs13meacutemoires repreacutesentation web seacutemantique graphes distribution et interaction tel est le plan de cette preacutesentation13

1 meacutemoiresnumeacuteriques collectives

4

Preacutesentateur
Commentaires de preacutesentation
Nous avons de plus en plus de productions numeacuteriques dans nos activiteacutes professionnelles ou nos loisirs et nous les mettons de plus en plus en ligne pour les eacutechanger au sein de communauteacutes Pour organiser ces traces en meacutemoires nous leurs adjoignons des descriptions Pour eacutecrire eacutechanger traiter une description nous avons besoin drsquoun vocabulaire partageacute

cube(x) cube(y) cube(z)

couleur(x bleu)

couleur(y jaune)

couleur(z rouge)

droite(z y) droite(y x)

ontologieo cube() couleur() gauche()o cube(a)rArrobjet(a)o gauche(ab)hArrdroite(ba)

5

Preacutesentateur
Commentaires de preacutesentation
Prenons cette scegravene avec trois cubes Pour la deacutecrire je peux dire qursquoil existe trois cubes x y et z Que x a la couleur bleu que y a la couleur jaune et que z a la couleur rouge Enfin je peux dire que z est agrave droite de y et que y est agrave droite de x13Le vocabulaire conceptuel cube couleur gauche que jrsquoutilise ici pour donner ma description est ce que lrsquoon appelle une ontologie13Cette ontologie capture des connaissances de cette conceptualisation par exemple le fait qursquoun cube est un objet ou le fait qursquoecirctre agrave gauche est lrsquoinverse ecirctre agrave droite13Ainsi mecircme si ma description utilise les primitives cube couleur et gauche je pourrais lrsquointerroger et demander les objets qui sont agrave droite drsquoun autre objet13On voit degraves lors comment des repreacutesentations et raisonnements agrave base drsquoontologies peuvent ameacuteliorer par exemple la recherche drsquoinformation13

ontologie

bull conceptualisation partielle

bull proprieacuteteacutes de cateacutegories

bull formalisation pour traitement

6

Preacutesentateur
Commentaires de preacutesentation
Ontologie crsquoest donc conceptualisation partielle de la reacutealiteacute Des proprieacuteteacutes de ces cateacutegories identifieacutees et en geacuteneacuteral une formalisation permettant une exploitation par la machine de cette modeacutelisation

personnaliseacutes accegraves mobiles agrave des services de CMU =

[NSF amp DARPA]

7

Preacutesentateur
Commentaires de preacutesentation
Plutocirct que de rester dans les deacutefinitions je vais donner trois exemples de meacutemoires dans lesquelles nous avons utiliser des ontologies13Le premier exemple est une meacutemoire dite individualiseacutee elle est attacheacutee agrave une personne mais peut ecirctre interroger par de multiples services et par drsquoautres utilisateurs13Le contexte est celui du projet myCampus visant agrave faciliter les accegraves mobiles agrave des services sur le campus de Canegie-Mellon et agrave personnaliser ces accegraves13

8

Preacutesentateur
Commentaires de preacutesentation
Chaque utilisateur agrave un e-Wallet ou portefeuille eacutelectronique qui lui permet de stocker ses informations et preacutefeacuterences personnelles13Lrsquoensemble des repreacutesentations des utilisateurs et des eacutechanges utilise le vocabulaire conceptuel fournit pas une ontologie13

un wiki dans le web seacutemantique[INRIA amp I3S]

9

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme exemple de meacutemoire lrsquoutilisation de SweetWiki un wiki seacutemantique pour organiser des documents de cours en programmation Java13Il srsquoagit drsquoune meacutemoire organisationnelle geacutereacutee au sein drsquoune eacutecole

10

Preacutesentateur
Commentaires de preacutesentation
Le logiciel se preacutesente comme un wiki classique On peut naviguer entre les pages On peut les eacutediter Mais on peut aussi les cateacutegoriser en associant des concepts drsquoune ontologie Les pages sont alors organiseacutees automatiquement et lrsquoon peut fournir de nouveaux services de navigation de recherche de notification etc

Knowledge Management Platformpour la gestion des partenariats sur Sophia

[RNRT]

11

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple celui drsquoune meacutemoire drsquoune communauteacute un club drsquoentreprises sur sophia Les utilisateurs sont des entreprises qui recherchent des partenariats dans la Telecom Valley13

12

Preacutesentateur
Commentaires de preacutesentation
Ici on voit comment en utilisant les descriptions de chaque entreprise on peut analyser les eacutechanges sur la chaine de valeur de Sophia et utiliser lrsquoontologie pour typer et comparer les eacutechnages

2 repreacutesenterdes connaissances et les doter drsquoune inscription numeacuterique

13

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir 3 exemples de meacutemoires agrave base drsquoontologies13La question qui se pose immeacutediatement est celle de la repreacutesentation en machine de ces meacutemoires

W3Ccopy

14

Preacutesentateur
Commentaires de preacutesentation
Nous utilisons systeacutematiquement les standards du Web dans nos repreacutesentations et nos impleacutementations13Et je participe agrave un certain nombre de groupes du W3C

W3Ccopy

15

Preacutesentateur
Commentaires de preacutesentation
La pile qui nous permet de repreacutesenter des connaissances formaliseacutees est celle du web seacutemantique

W3Creg16

Preacutesentateur
Commentaires de preacutesentation
Si lrsquoon regarde de plus pregraves la moitieacute de cette pile est maintenant standardiseacutee13RDF pour repreacutesenter des donneacutees et meacutetadonneacutees en ligne13SPARQL un langage de requecircte pour interroger des entrepocircts de RDF13RDF-S pour repreacutesenter des ontologies leacutegegraveres13OWL pour des ontologies plus lourdes13Et drsquoici quelques mois RIF pour repreacutesenter et eacutechanger des regravegles

RDF toute connaissance est deacutecomposeacutee entriplets ( sujet preacutedicat objet )

arcs ( nœud arecircte nœud )

17

ex dochtml a pour auteur Fabienet a pour thegraveme la Musique

18

dochtml a pour auteur Fabiendochtml a pour thegraveme Musique

19

Fabien

auteur

dochtml

thegraveme

Musique

20

graphesdu web seacutemantique

21

Preacutesentateur
Commentaires de preacutesentation
La structure de graphes de RDF est omnipreacutesente dans toute la pile du web seacutemantique qui se construit au-dessus de RDF13Par exemple cette petite ontologie a pour repreacutesentation en RDFS le graphe en fond drsquoeacutecran13Nous nous inteacuteressons donc systeacutematiquement aux structures graphes dans le web seacutemantiques et aux opeacuterateurs sur ces graphes qui permettent de les exploiter pour la recherche drsquoinformation et le raisonnement13

GRIWESGraphes dans les Repreacutesentations et les Infeacuterences sur le Web et Systegravemes symboliques

[COLOR LIRMM I3S]

22

Preacutesentateur
Commentaires de preacutesentation
Pour coordonner nos efforts sur ce sujet jrsquoai porteacute un projet entre lrsquoINRIA le LIRMM et lrsquoI3S ou nous avons eacutetudieacute les caracteacuteristiques communes des graphes et des traitements que nous utilisons dans nos projets de recherche

ERGraphG=(EG RG nG lG)bull EG entiteacutes bull RG hyperarcsbull nG RG rarr EG argumentsbull lG EG cup RG rarr L eacutetiquettes

23

Preacutesentateur
Commentaires de preacutesentation
Premier exemple drsquoabstraction commune agrave nos projets la notion de graphe eacutetiqueteacute orienteacute ou appeleacute graphe entiteacute-relation

EMappingune relation binaire qui associe chaque eacuteleacutement drsquoun ERGraph EHavec au plus un

eacuteleacutement drsquoun ERGraph EG24

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme exemple drsquoabstraction le mapping entre deux graphes crsquoest-agrave-dire une relation binaire qui associe chaque eacuteleacutement drsquoun graphe avec au plus un eacuteleacutement drsquoun autre graphe

visseacutes visseacutesx

z

visseacutes(xy)visseacutes(yz)

soudeacutes(zv)soudeacutes(zu)soudeacutes(uv)

visseacutes(xp) visseacutes(pz)

25

soudeacutesx

y

z

u vsoudeacutes

visseacutes visseacutes

Preacutesentateur
Commentaires de preacutesentation
Quel est lrsquointeacuterecirct drsquoun mapping il va nous permettre en premier lieu de retrouver la deacuterivation logique dans les graphes13Si je prends les assertions agrave gauche je peux les repreacutesenter par ce graphe agrave droite13Jrsquoai la mecircme eacutequivalence entre une requecircte ou des assertions agrave prouver et un graphe requecircte13Et la deacuterivation logique ici est eacutequivalente agrave un homorphisme de graphe ici un type particulier de mapping13

langage de requecircte

SPARQLSELECT FROM WHERE

26

Preacutesentateur
Commentaires de preacutesentation
La premiegravere application crsquoest de pouvoir implanter un langage de requecircte comme SPARQL sur des graphes RDF13La reacutesolution drsquoune requecircte revient agrave la recherche drsquohomomorphismes de graphes13

RDFS pour deacutefinir les classes de ressources et organiser leur hieacuterarchie Document

Rapport

27

Preacutesentateur
Commentaires de preacutesentation
RDFs va nous permettre drsquoajouter des nos meacutemoires des ontologies leacutegegraveres notamment pourhellip

RDFS pour deacutefinir les relations leur hieacuterarchie et leurs signatures creacuteateur

auteurDocument Personne

28

Preacutesentateur
Commentaires de preacutesentation
et pourhellip

FandO rarr R hArr GF le GRmapping modulo une ontologie

voiture

veacutehicule

voiture(x)rArrveacutehicule(x)

29

GF

GRveacutehicule

voiture

O

Preacutesentateur
Commentaires de preacutesentation
13Degraves lors on va complexifier notre mapping pour prendre en compte non seulement la connaissance capturer dans les graphes requecirctes et les graphes faits mais aussi la connaissance drsquoune ontologie13Notamment lorsque je dois veacuterifier que les eacutetiquettes de mon graphe requecircte et de mon graphe cible sont compatibles je vais le faire modulo une ontologie13Mecircme si veacutehicule et voiture ne sont pas les mecircme eacutetiquettes si mon ontologie dit que voiture est un sous-type de veacutehicule alors mon homomorphisme est valide13

EMappingopeacuteration centrale interroger

raisonner

visualiser

hellip

30

Preacutesentateur
Commentaires de preacutesentation
ce type drsquoopeacuteration est central pourhellip

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

31

Preacutesentateur
Commentaires de preacutesentation
La relation standard du web seacutemantique et graphes nrsquoest pas agrave sens unique On peut aussi utiliser des travaux sur les graphes pour suggeacuterer des solutions agrave des problegravemes dans les standards13Par exemple le problegraveme de la provenance des arcs drsquoun graphes RDF Il nrsquoy a pas de moyen actuellement de speacutecifier drsquoougrave viennent les diffeacuterents morceaux de mon graphe RDF

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

httpwwww3org

http wwwinriafrhttp wwwinriafrhttp wwwinriafr

httpwwww3org

32

Preacutesentateur
Commentaires de preacutesentation
En srsquoinspirant des graphes nommeacutes on peut suggeacuterer une extension de la syntaxe RDFXML pour indiquer la provenance et crsquoest ce que jrsquoai conduit en reacutedigeant une soumission drsquoextension du standard RDF au W3C13

3 espaces meacutetriques des graphes de connaissances

33

Preacutesentateur
Commentaires de preacutesentation
Nous avons donc des meacutemoires qui utilisent les formalismes du web seacutemantique et leurs structures de graphe13La structure et les manipulations de graphe ne sont pas uniquement une autre faccedilon de faire des repreacutesentations et des raisonnements logiques13Les graphes ont des caracteacuteristiques propres inteacuteressantes pour nos sceacutenarios drsquousage et crsquoest ce que nous allons voir dans cette troisiegraveme partie13

distances seacutemantiquesmeacutetaphore matheacutematique pour une comparaison intuitive

34

Preacutesentateur
Commentaires de preacutesentation
Je vais me focaliser ici sur un exemple drsquoinfeacuterence particulier les distances seacutemantiques13Il srsquoagit drsquoune meacutetaphore matheacutematique pour une comparaison intuitive13Si je considegravere un coupeacute un break et un avion naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche du break que de lrsquoavion13Cependant si maintenant je considegravere un coupeacute un avion et un livre naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche de lrsquoavion que du livre13Ces raisonnements nous les utilisons tous les jours pour comparer et eacutevaluer les diffeacuterences que nous percevons 13

simuler la meacutemoireseacutemantique est une ideacutee ancienne(Quillian 1968) (Collins amp Loftus 1975)

mais avec de nouveaux besoins

35

Preacutesentateur
Commentaires de preacutesentation
hellip nous allons voir certains de ces besoins

de linteacuterecirct dun agrave peu pregraves

ma montre na quune aiguillemais elle nest pas casseacutee

36

Preacutesentateur
Commentaires de preacutesentation
Ceci est ma montre Elle na quune aiguille mais elle nest pas casseacutee Elle se lit comme un chronomegravetre Elle donne lrsquoheure en une seule lecture donc tregraves rapidement mais en contrepartie elle est moins preacutecise les gens commettent en moyenne une erreur de lecture de 3 min13En recherche drsquoinformation aussi il peut ecirctre inteacuteressant de pouvoir obtenir une reacuteponse approcheacutee mais plus rapidement ou agrave deacutefaut de bonne reacuteponse13Crsquoest lagrave que les distances entrent en jeu

projection classique

voiture

veacutehicule

t1 lt t2 ie t1(x)rArrt2(x) T1 sub T2

voiture(x)rArrveacutehicule(x)

37

Preacutesentateur
Commentaires de preacutesentation
Reprenons notre projection modulo une ontologie fournissant des relations logiques entre les eacutetiquettes de mes graphes13

relaxer une contrainte de typage

camion

voiture

voiture(x) camion(x)

t1(x)rArrt2(x) rarr d(t1t2)ltseuil

sum neisin ⎥⎦⎤

⎢⎣⎡=leisinforall

121 )(21212

21 21)( aon )(

ttttt tdepthHc ttlttHttc

( ))()(min)( aon )( 21212

21 21ttlttlttdistHtt

cc HHttttc +=isinforall gege

38

Preacutesentateur
Commentaires de preacutesentation
Srsquoil nrsquoexiste pas de reacuteponse exacte on peut srsquointeacuteresser agrave remplacer les contraintes logiques entre les types par des contraintes numeacuteriques sur une distance entre ces types13Ici par exemple on considegravere un arbre de types et la longueur minimal des chemins seacuteparant les deux types sachant que les arcs sont exponentiellement plus courts qursquoils sont profonds dans lrsquoarbre13Et en fixant un seuil on va pouvoir controcircler les approximations que lrsquoon fait sur les types13

organiserun tas dobjets

39

Preacutesentateur
Commentaires de preacutesentation
deuxiegraveme exemple de besoin pour ces distances pour organiser et grouper des descriptions lorsque nos bases de graphes deviennent grandes et que lrsquoon veut avoir une ideacutee de ce qursquoelles contiennent

organiserdes compeacutetences

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

40

Preacutesentateur
Commentaires de preacutesentation
Dans le projet KmP preacutesenteacute au deacutebut les entreprises deacutecrivent leurs compeacutetences agrave lrsquoaide drsquoune ontologie13A lrsquoautre bout de la chaine les deacutecideurs et la reacutegion aimeraient savoir qursquoelles sont les compeacutetences preacutesentes sur Sophia13Pour cela nos collegravegues en gestion construisent des repreacutesentations comme celle-ci des groupes ou clusters des compeacutetences compleacutementaires ou similaires sur Sophia13Question avec quoi peut-on construire ces groupes13Reacuteponse avec une distance permettant de savoir lesquelles sont proches et lesquelles ne le sont pas13

organiserdes compeacutetences

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

1)(1)(2))((21 2121 21

21

21)( minusminusminus minusminus= tdepthtdepthttlcstdepthttdist

( )( ) 2121)(21 quand )(max)(21

ttttlcststdistttdistttlcststCH ne=

leforall

2121 quand 0)( ttttdistCH ==

A B C D H IGFE M NLKJ255

75

175

0

41

Preacutesentateur
Commentaires de preacutesentation
Derriegravere ces cluster il y a une structure que lrsquoon appelle un dendrogramme qui permet de choisir le niveau de regroupement souhaiteacute13Ce dendrograme correspond agrave une ultra-meacutetrique crsquoest-agrave-dire une distance pour laquelle lrsquoineacutegaliteacute triangulaire est sur-contrainte13Ce que jrsquoai proposeacute ici crsquoest une transformation de la distance sur un arbre de types dans lrsquoontologie agrave une ultra meacutetrique permettant de reproduire les groupements faits par les gestionnaires13

42

Preacutesentateur
Commentaires de preacutesentation
Voilagrave alors ce que lrsquoon peut produire en choisissant un niveau de deacutetail une vue radar des compeacutetences sur Sophia ici dans le domaine du logiciel avec un zoom sur les compeacutetences cœurs qui sont eacutevidemment proche du domaine des reacuteseaux

seacuteparer deux aspects

meacutetaphore matheacutematiqueles laquo distances raquo au naturel

simulations informatiquesespaces amp meacutetriques double conception

43

Preacutesentateur
Commentaires de preacutesentation
agrave ce stade jrsquoai voulu seacuteparer et travailler en parallegravele sur deux aspects des distances13le fait que lrsquoon utilise peut-ecirctre abusivement de terme distance et que cette meacutetaphore a peut-ecirctre ses limites13le fait ce que lrsquoon construit vraiment ce sont des espaces meacutetriques et qursquoil srsquoagit donc drsquoune double conception

tester les laquo distances raquo au naturel

44

Preacutesentateur
Commentaires de preacutesentation
Pour comprendre un peu mieux les distances je donne ici un exemple drsquoexpeacuterience simple que jrsquoai encadreacutee on demande ici agrave lrsquoutilisateur de positionner des concepts de faccedilon agrave ce qursquoils soient geacuteomeacutetriquement proches srsquoils sont seacutemantiquement proches Lrsquoexpeacuterience a eacuteteacute faite avec plus drsquoune trentaine de personnes de tous horizons13

tester les distances au naturel

camion

45

Preacutesentateur
Commentaires de preacutesentation
En suite si lrsquoon regarde par exemple la distance moyenne entre le concept de camion et le concept drsquoavion de bus de camionnettehellip on voit une chose inteacuteressante crsquoest que veacutehicule qui serait typiquement un pegravere des autres nrsquoest pourtant est plus loin de camion que certains de ses fregraveres et plus proche que drsquoautres sur un arbre simple avec seulement ces concepts crsquoest impossible agrave faire il faut soit modifier les concepts pour mettre des classes abstraites soit modifier les liens pour permettre drsquoautres parcours par exemple en reacuteifiant les liens aux fregraveres13

intension amp intention dusageutilisables dans un mecircme graphe concis

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

Technologie

AppareilReacuteseau

Sans-fil

WifiGSM

Teacuteleacutephone

Cellulaire

connexion

sous‐type‐et‐signature

46

Preacutesentateur
Commentaires de preacutesentation
concernant la double conception espace et meacutetrique je donne ici un exemple drsquoune approche que jrsquoessaie de systeacutematiser ougrave lrsquoon donne deux deacutefinitions formelles13une deacutefinition formelle de lrsquoespace13une deacutefinition formelle de la meacutetrique13Ici je mrsquointeacuteresse agrave eacutelargir les parcours possibles dans lrsquoontologie agrave drsquoautres graphes que celui de la hieacuterarchie des types et dans cette exemple jrsquoinclus les signatures des relations crsquoest-agrave-dire les types drsquoobjets qui peuvent ecirctre relieacutes par une relation13La meacutetrique reste la mecircme

intension amp intention dusagedeacutesambiguumliser lextraction de termes

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

5000

6000

7000

8000

9000

[Khelif et al]wclass 02wprop 04wsig 04

47

Preacutesentateur
Commentaires de preacutesentation
En incluant des poids dans la deacutefinition de lrsquoespace on peut passer progressivement drsquoune distance nrsquoutilisant que la hieacuterarchie agrave une distance nrsquoutilisant que les signatures13En appliquant cette distance agrave la deacutesambiguumlisation de termes extraits drsquoun texte (ie pour retrouver le sens dans lequel un terme est utiliseacute) on voit ici qursquoune distance hybride capable de combiner les deux espaces se comporte mieux que lrsquoune ou lrsquoautre des distances extrecircmes

4 le

ressources

des

distribueacutees

problegraveme

48

Preacutesentateur
Commentaires de preacutesentation
Nous avons vu que nous travaillons sur des meacutemoires qui utilisent le web seacutemantique dans leur mateacuterialisation et pour lesquelles la repreacutesentation et le traitement agrave base de graphes fournissaient eacutenormeacutement drsquoatouts13Cependant le contenu et les traitements de ces meacutemoires ne sont pas forceacutement sur la mecircme machine

graphesdistribueacutes

49

Preacutesentateur
Commentaires de preacutesentation
Le premier problegraveme qui peut se poser crsquoest si mes graphes ne sont pas sur la mecircme machine13Si mes triplets RDF mes arcs viennent de diffeacuterents endroits

serveursquelques

RDF

RDF

RDF

RDF

SPARQL

application web

service web

identiques

service web

service web

50

Preacutesentateur
Commentaires de preacutesentation
Nous avons consideacutereacute un cas classique en entreprise ou il y a une liste connue restreinte et stable de serveurs

broadcasteacuteviter le

51

52

index de serveurcaracteacuteriser son contenu les eacutetoiles et les chemins

53

annotation

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

54

Preacutesentateur
Commentaires de preacutesentation
voici une annotation simplifieacutee drsquoun document dans le projet SevenPro concernant la conception drsquoune voiture

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 2: HDR

microCVINSA ingeacutenieur maths appliqueacuteeset DEA images amp SB connaissances

ACACIA INRIA doctorant IA distribueacutee amp web seacutemantique pour meacutemoires drsquoentreprises agrave base drsquoontologies

Carnegie‐Mellon University post‐doc sur accegraves mobiles aux services amp vie priveacutee

EDELWEISS INRIA CR communauteacutes

2

Preacutesentateur
Commentaires de preacutesentation
Avant de rentrer dans le cœur du sujet je souhaitais rappeler mon parcours 13je suis ingeacutenieur INSA en matheacutematique appliqueacutees avec un DEA en traitement drsquoimages et systegravemes agrave base de connaissances13jrsquoai ensuite effectueacute une thegravese au sein de lrsquoeacutequipe ACACIA de lrsquoINRIA en intelligence artificielle distribueacutee et web seacutemantique pour des meacutemoires drsquoentreprises agrave base drsquoontologies13puis jrsquoai effectueacute un post-doc agrave lrsquoUniversiteacute de Carnegie-Mellon sur lrsquoaccegraves mobile aux services en ligne en respectant la vie priveacutee des utilisateurs13et enfin jrsquoai pris un poste de chargeacute de recherche dans lrsquoeacutequipe Edelweiss de lrsquoINRIA ougrave je travaille maintenant agrave lrsquoassistance aux communauteacutes drsquointeacuterecircts ou de pratiques

meacutemoires collectivesmateacuterialiser et utiliser des

bullhybrides documents‐repreacutesentationsbull intrawebs seacutemantiques communauteacutesbullrepreacutesentations et traitements agrave base de graphesbullserveurs de connaissances distribueacute(e)sbullutilisation et interaction

3

Preacutesentateur
Commentaires de preacutesentation
Lrsquoobjet au cœur de mes travaux crsquoest la meacutemoire drsquoun collectif sa mateacuterialisation et son utilisation Une meacutemoire partageacutee dans une communauteacute peut-ecirctre13hybride en contenant notamment des documents et des repreacutesentations de connaissances formelles13elle peut reposer sur les formalismes du web seacutemantique pour sa mateacuterialisation sur lrsquointranet drsquoune entreprise ou dans une communauteacute13ces repreacutesentations et leur traitement peuvent exploiter la structure de graphe de ces formalismes13ces repreacutesentations et leur traitement peuvent exploiter des ressources distribueacutees sur le reacuteseau13et les reacutesultats obtenus apregraves traitement appellent des interfaces efficaces pour assurer les meilleurs interactions possibles avec les utilisateurs13meacutemoires repreacutesentation web seacutemantique graphes distribution et interaction tel est le plan de cette preacutesentation13

1 meacutemoiresnumeacuteriques collectives

4

Preacutesentateur
Commentaires de preacutesentation
Nous avons de plus en plus de productions numeacuteriques dans nos activiteacutes professionnelles ou nos loisirs et nous les mettons de plus en plus en ligne pour les eacutechanger au sein de communauteacutes Pour organiser ces traces en meacutemoires nous leurs adjoignons des descriptions Pour eacutecrire eacutechanger traiter une description nous avons besoin drsquoun vocabulaire partageacute

cube(x) cube(y) cube(z)

couleur(x bleu)

couleur(y jaune)

couleur(z rouge)

droite(z y) droite(y x)

ontologieo cube() couleur() gauche()o cube(a)rArrobjet(a)o gauche(ab)hArrdroite(ba)

5

Preacutesentateur
Commentaires de preacutesentation
Prenons cette scegravene avec trois cubes Pour la deacutecrire je peux dire qursquoil existe trois cubes x y et z Que x a la couleur bleu que y a la couleur jaune et que z a la couleur rouge Enfin je peux dire que z est agrave droite de y et que y est agrave droite de x13Le vocabulaire conceptuel cube couleur gauche que jrsquoutilise ici pour donner ma description est ce que lrsquoon appelle une ontologie13Cette ontologie capture des connaissances de cette conceptualisation par exemple le fait qursquoun cube est un objet ou le fait qursquoecirctre agrave gauche est lrsquoinverse ecirctre agrave droite13Ainsi mecircme si ma description utilise les primitives cube couleur et gauche je pourrais lrsquointerroger et demander les objets qui sont agrave droite drsquoun autre objet13On voit degraves lors comment des repreacutesentations et raisonnements agrave base drsquoontologies peuvent ameacuteliorer par exemple la recherche drsquoinformation13

ontologie

bull conceptualisation partielle

bull proprieacuteteacutes de cateacutegories

bull formalisation pour traitement

6

Preacutesentateur
Commentaires de preacutesentation
Ontologie crsquoest donc conceptualisation partielle de la reacutealiteacute Des proprieacuteteacutes de ces cateacutegories identifieacutees et en geacuteneacuteral une formalisation permettant une exploitation par la machine de cette modeacutelisation

personnaliseacutes accegraves mobiles agrave des services de CMU =

[NSF amp DARPA]

7

Preacutesentateur
Commentaires de preacutesentation
Plutocirct que de rester dans les deacutefinitions je vais donner trois exemples de meacutemoires dans lesquelles nous avons utiliser des ontologies13Le premier exemple est une meacutemoire dite individualiseacutee elle est attacheacutee agrave une personne mais peut ecirctre interroger par de multiples services et par drsquoautres utilisateurs13Le contexte est celui du projet myCampus visant agrave faciliter les accegraves mobiles agrave des services sur le campus de Canegie-Mellon et agrave personnaliser ces accegraves13

8

Preacutesentateur
Commentaires de preacutesentation
Chaque utilisateur agrave un e-Wallet ou portefeuille eacutelectronique qui lui permet de stocker ses informations et preacutefeacuterences personnelles13Lrsquoensemble des repreacutesentations des utilisateurs et des eacutechanges utilise le vocabulaire conceptuel fournit pas une ontologie13

un wiki dans le web seacutemantique[INRIA amp I3S]

9

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme exemple de meacutemoire lrsquoutilisation de SweetWiki un wiki seacutemantique pour organiser des documents de cours en programmation Java13Il srsquoagit drsquoune meacutemoire organisationnelle geacutereacutee au sein drsquoune eacutecole

10

Preacutesentateur
Commentaires de preacutesentation
Le logiciel se preacutesente comme un wiki classique On peut naviguer entre les pages On peut les eacutediter Mais on peut aussi les cateacutegoriser en associant des concepts drsquoune ontologie Les pages sont alors organiseacutees automatiquement et lrsquoon peut fournir de nouveaux services de navigation de recherche de notification etc

Knowledge Management Platformpour la gestion des partenariats sur Sophia

[RNRT]

11

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple celui drsquoune meacutemoire drsquoune communauteacute un club drsquoentreprises sur sophia Les utilisateurs sont des entreprises qui recherchent des partenariats dans la Telecom Valley13

12

Preacutesentateur
Commentaires de preacutesentation
Ici on voit comment en utilisant les descriptions de chaque entreprise on peut analyser les eacutechanges sur la chaine de valeur de Sophia et utiliser lrsquoontologie pour typer et comparer les eacutechnages

2 repreacutesenterdes connaissances et les doter drsquoune inscription numeacuterique

13

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir 3 exemples de meacutemoires agrave base drsquoontologies13La question qui se pose immeacutediatement est celle de la repreacutesentation en machine de ces meacutemoires

W3Ccopy

14

Preacutesentateur
Commentaires de preacutesentation
Nous utilisons systeacutematiquement les standards du Web dans nos repreacutesentations et nos impleacutementations13Et je participe agrave un certain nombre de groupes du W3C

W3Ccopy

15

Preacutesentateur
Commentaires de preacutesentation
La pile qui nous permet de repreacutesenter des connaissances formaliseacutees est celle du web seacutemantique

W3Creg16

Preacutesentateur
Commentaires de preacutesentation
Si lrsquoon regarde de plus pregraves la moitieacute de cette pile est maintenant standardiseacutee13RDF pour repreacutesenter des donneacutees et meacutetadonneacutees en ligne13SPARQL un langage de requecircte pour interroger des entrepocircts de RDF13RDF-S pour repreacutesenter des ontologies leacutegegraveres13OWL pour des ontologies plus lourdes13Et drsquoici quelques mois RIF pour repreacutesenter et eacutechanger des regravegles

RDF toute connaissance est deacutecomposeacutee entriplets ( sujet preacutedicat objet )

arcs ( nœud arecircte nœud )

17

ex dochtml a pour auteur Fabienet a pour thegraveme la Musique

18

dochtml a pour auteur Fabiendochtml a pour thegraveme Musique

19

Fabien

auteur

dochtml

thegraveme

Musique

20

graphesdu web seacutemantique

21

Preacutesentateur
Commentaires de preacutesentation
La structure de graphes de RDF est omnipreacutesente dans toute la pile du web seacutemantique qui se construit au-dessus de RDF13Par exemple cette petite ontologie a pour repreacutesentation en RDFS le graphe en fond drsquoeacutecran13Nous nous inteacuteressons donc systeacutematiquement aux structures graphes dans le web seacutemantiques et aux opeacuterateurs sur ces graphes qui permettent de les exploiter pour la recherche drsquoinformation et le raisonnement13

GRIWESGraphes dans les Repreacutesentations et les Infeacuterences sur le Web et Systegravemes symboliques

[COLOR LIRMM I3S]

22

Preacutesentateur
Commentaires de preacutesentation
Pour coordonner nos efforts sur ce sujet jrsquoai porteacute un projet entre lrsquoINRIA le LIRMM et lrsquoI3S ou nous avons eacutetudieacute les caracteacuteristiques communes des graphes et des traitements que nous utilisons dans nos projets de recherche

ERGraphG=(EG RG nG lG)bull EG entiteacutes bull RG hyperarcsbull nG RG rarr EG argumentsbull lG EG cup RG rarr L eacutetiquettes

23

Preacutesentateur
Commentaires de preacutesentation
Premier exemple drsquoabstraction commune agrave nos projets la notion de graphe eacutetiqueteacute orienteacute ou appeleacute graphe entiteacute-relation

EMappingune relation binaire qui associe chaque eacuteleacutement drsquoun ERGraph EHavec au plus un

eacuteleacutement drsquoun ERGraph EG24

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme exemple drsquoabstraction le mapping entre deux graphes crsquoest-agrave-dire une relation binaire qui associe chaque eacuteleacutement drsquoun graphe avec au plus un eacuteleacutement drsquoun autre graphe

visseacutes visseacutesx

z

visseacutes(xy)visseacutes(yz)

soudeacutes(zv)soudeacutes(zu)soudeacutes(uv)

visseacutes(xp) visseacutes(pz)

25

soudeacutesx

y

z

u vsoudeacutes

visseacutes visseacutes

Preacutesentateur
Commentaires de preacutesentation
Quel est lrsquointeacuterecirct drsquoun mapping il va nous permettre en premier lieu de retrouver la deacuterivation logique dans les graphes13Si je prends les assertions agrave gauche je peux les repreacutesenter par ce graphe agrave droite13Jrsquoai la mecircme eacutequivalence entre une requecircte ou des assertions agrave prouver et un graphe requecircte13Et la deacuterivation logique ici est eacutequivalente agrave un homorphisme de graphe ici un type particulier de mapping13

langage de requecircte

SPARQLSELECT FROM WHERE

26

Preacutesentateur
Commentaires de preacutesentation
La premiegravere application crsquoest de pouvoir implanter un langage de requecircte comme SPARQL sur des graphes RDF13La reacutesolution drsquoune requecircte revient agrave la recherche drsquohomomorphismes de graphes13

RDFS pour deacutefinir les classes de ressources et organiser leur hieacuterarchie Document

Rapport

27

Preacutesentateur
Commentaires de preacutesentation
RDFs va nous permettre drsquoajouter des nos meacutemoires des ontologies leacutegegraveres notamment pourhellip

RDFS pour deacutefinir les relations leur hieacuterarchie et leurs signatures creacuteateur

auteurDocument Personne

28

Preacutesentateur
Commentaires de preacutesentation
et pourhellip

FandO rarr R hArr GF le GRmapping modulo une ontologie

voiture

veacutehicule

voiture(x)rArrveacutehicule(x)

29

GF

GRveacutehicule

voiture

O

Preacutesentateur
Commentaires de preacutesentation
13Degraves lors on va complexifier notre mapping pour prendre en compte non seulement la connaissance capturer dans les graphes requecirctes et les graphes faits mais aussi la connaissance drsquoune ontologie13Notamment lorsque je dois veacuterifier que les eacutetiquettes de mon graphe requecircte et de mon graphe cible sont compatibles je vais le faire modulo une ontologie13Mecircme si veacutehicule et voiture ne sont pas les mecircme eacutetiquettes si mon ontologie dit que voiture est un sous-type de veacutehicule alors mon homomorphisme est valide13

EMappingopeacuteration centrale interroger

raisonner

visualiser

hellip

30

Preacutesentateur
Commentaires de preacutesentation
ce type drsquoopeacuteration est central pourhellip

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

31

Preacutesentateur
Commentaires de preacutesentation
La relation standard du web seacutemantique et graphes nrsquoest pas agrave sens unique On peut aussi utiliser des travaux sur les graphes pour suggeacuterer des solutions agrave des problegravemes dans les standards13Par exemple le problegraveme de la provenance des arcs drsquoun graphes RDF Il nrsquoy a pas de moyen actuellement de speacutecifier drsquoougrave viennent les diffeacuterents morceaux de mon graphe RDF

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

httpwwww3org

http wwwinriafrhttp wwwinriafrhttp wwwinriafr

httpwwww3org

32

Preacutesentateur
Commentaires de preacutesentation
En srsquoinspirant des graphes nommeacutes on peut suggeacuterer une extension de la syntaxe RDFXML pour indiquer la provenance et crsquoest ce que jrsquoai conduit en reacutedigeant une soumission drsquoextension du standard RDF au W3C13

3 espaces meacutetriques des graphes de connaissances

33

Preacutesentateur
Commentaires de preacutesentation
Nous avons donc des meacutemoires qui utilisent les formalismes du web seacutemantique et leurs structures de graphe13La structure et les manipulations de graphe ne sont pas uniquement une autre faccedilon de faire des repreacutesentations et des raisonnements logiques13Les graphes ont des caracteacuteristiques propres inteacuteressantes pour nos sceacutenarios drsquousage et crsquoest ce que nous allons voir dans cette troisiegraveme partie13

distances seacutemantiquesmeacutetaphore matheacutematique pour une comparaison intuitive

34

Preacutesentateur
Commentaires de preacutesentation
Je vais me focaliser ici sur un exemple drsquoinfeacuterence particulier les distances seacutemantiques13Il srsquoagit drsquoune meacutetaphore matheacutematique pour une comparaison intuitive13Si je considegravere un coupeacute un break et un avion naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche du break que de lrsquoavion13Cependant si maintenant je considegravere un coupeacute un avion et un livre naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche de lrsquoavion que du livre13Ces raisonnements nous les utilisons tous les jours pour comparer et eacutevaluer les diffeacuterences que nous percevons 13

simuler la meacutemoireseacutemantique est une ideacutee ancienne(Quillian 1968) (Collins amp Loftus 1975)

mais avec de nouveaux besoins

35

Preacutesentateur
Commentaires de preacutesentation
hellip nous allons voir certains de ces besoins

de linteacuterecirct dun agrave peu pregraves

ma montre na quune aiguillemais elle nest pas casseacutee

36

Preacutesentateur
Commentaires de preacutesentation
Ceci est ma montre Elle na quune aiguille mais elle nest pas casseacutee Elle se lit comme un chronomegravetre Elle donne lrsquoheure en une seule lecture donc tregraves rapidement mais en contrepartie elle est moins preacutecise les gens commettent en moyenne une erreur de lecture de 3 min13En recherche drsquoinformation aussi il peut ecirctre inteacuteressant de pouvoir obtenir une reacuteponse approcheacutee mais plus rapidement ou agrave deacutefaut de bonne reacuteponse13Crsquoest lagrave que les distances entrent en jeu

projection classique

voiture

veacutehicule

t1 lt t2 ie t1(x)rArrt2(x) T1 sub T2

voiture(x)rArrveacutehicule(x)

37

Preacutesentateur
Commentaires de preacutesentation
Reprenons notre projection modulo une ontologie fournissant des relations logiques entre les eacutetiquettes de mes graphes13

relaxer une contrainte de typage

camion

voiture

voiture(x) camion(x)

t1(x)rArrt2(x) rarr d(t1t2)ltseuil

sum neisin ⎥⎦⎤

⎢⎣⎡=leisinforall

121 )(21212

21 21)( aon )(

ttttt tdepthHc ttlttHttc

( ))()(min)( aon )( 21212

21 21ttlttlttdistHtt

cc HHttttc +=isinforall gege

38

Preacutesentateur
Commentaires de preacutesentation
Srsquoil nrsquoexiste pas de reacuteponse exacte on peut srsquointeacuteresser agrave remplacer les contraintes logiques entre les types par des contraintes numeacuteriques sur une distance entre ces types13Ici par exemple on considegravere un arbre de types et la longueur minimal des chemins seacuteparant les deux types sachant que les arcs sont exponentiellement plus courts qursquoils sont profonds dans lrsquoarbre13Et en fixant un seuil on va pouvoir controcircler les approximations que lrsquoon fait sur les types13

organiserun tas dobjets

39

Preacutesentateur
Commentaires de preacutesentation
deuxiegraveme exemple de besoin pour ces distances pour organiser et grouper des descriptions lorsque nos bases de graphes deviennent grandes et que lrsquoon veut avoir une ideacutee de ce qursquoelles contiennent

organiserdes compeacutetences

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

40

Preacutesentateur
Commentaires de preacutesentation
Dans le projet KmP preacutesenteacute au deacutebut les entreprises deacutecrivent leurs compeacutetences agrave lrsquoaide drsquoune ontologie13A lrsquoautre bout de la chaine les deacutecideurs et la reacutegion aimeraient savoir qursquoelles sont les compeacutetences preacutesentes sur Sophia13Pour cela nos collegravegues en gestion construisent des repreacutesentations comme celle-ci des groupes ou clusters des compeacutetences compleacutementaires ou similaires sur Sophia13Question avec quoi peut-on construire ces groupes13Reacuteponse avec une distance permettant de savoir lesquelles sont proches et lesquelles ne le sont pas13

organiserdes compeacutetences

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

1)(1)(2))((21 2121 21

21

21)( minusminusminus minusminus= tdepthtdepthttlcstdepthttdist

( )( ) 2121)(21 quand )(max)(21

ttttlcststdistttdistttlcststCH ne=

leforall

2121 quand 0)( ttttdistCH ==

A B C D H IGFE M NLKJ255

75

175

0

41

Preacutesentateur
Commentaires de preacutesentation
Derriegravere ces cluster il y a une structure que lrsquoon appelle un dendrogramme qui permet de choisir le niveau de regroupement souhaiteacute13Ce dendrograme correspond agrave une ultra-meacutetrique crsquoest-agrave-dire une distance pour laquelle lrsquoineacutegaliteacute triangulaire est sur-contrainte13Ce que jrsquoai proposeacute ici crsquoest une transformation de la distance sur un arbre de types dans lrsquoontologie agrave une ultra meacutetrique permettant de reproduire les groupements faits par les gestionnaires13

42

Preacutesentateur
Commentaires de preacutesentation
Voilagrave alors ce que lrsquoon peut produire en choisissant un niveau de deacutetail une vue radar des compeacutetences sur Sophia ici dans le domaine du logiciel avec un zoom sur les compeacutetences cœurs qui sont eacutevidemment proche du domaine des reacuteseaux

seacuteparer deux aspects

meacutetaphore matheacutematiqueles laquo distances raquo au naturel

simulations informatiquesespaces amp meacutetriques double conception

43

Preacutesentateur
Commentaires de preacutesentation
agrave ce stade jrsquoai voulu seacuteparer et travailler en parallegravele sur deux aspects des distances13le fait que lrsquoon utilise peut-ecirctre abusivement de terme distance et que cette meacutetaphore a peut-ecirctre ses limites13le fait ce que lrsquoon construit vraiment ce sont des espaces meacutetriques et qursquoil srsquoagit donc drsquoune double conception

tester les laquo distances raquo au naturel

44

Preacutesentateur
Commentaires de preacutesentation
Pour comprendre un peu mieux les distances je donne ici un exemple drsquoexpeacuterience simple que jrsquoai encadreacutee on demande ici agrave lrsquoutilisateur de positionner des concepts de faccedilon agrave ce qursquoils soient geacuteomeacutetriquement proches srsquoils sont seacutemantiquement proches Lrsquoexpeacuterience a eacuteteacute faite avec plus drsquoune trentaine de personnes de tous horizons13

tester les distances au naturel

camion

45

Preacutesentateur
Commentaires de preacutesentation
En suite si lrsquoon regarde par exemple la distance moyenne entre le concept de camion et le concept drsquoavion de bus de camionnettehellip on voit une chose inteacuteressante crsquoest que veacutehicule qui serait typiquement un pegravere des autres nrsquoest pourtant est plus loin de camion que certains de ses fregraveres et plus proche que drsquoautres sur un arbre simple avec seulement ces concepts crsquoest impossible agrave faire il faut soit modifier les concepts pour mettre des classes abstraites soit modifier les liens pour permettre drsquoautres parcours par exemple en reacuteifiant les liens aux fregraveres13

intension amp intention dusageutilisables dans un mecircme graphe concis

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

Technologie

AppareilReacuteseau

Sans-fil

WifiGSM

Teacuteleacutephone

Cellulaire

connexion

sous‐type‐et‐signature

46

Preacutesentateur
Commentaires de preacutesentation
concernant la double conception espace et meacutetrique je donne ici un exemple drsquoune approche que jrsquoessaie de systeacutematiser ougrave lrsquoon donne deux deacutefinitions formelles13une deacutefinition formelle de lrsquoespace13une deacutefinition formelle de la meacutetrique13Ici je mrsquointeacuteresse agrave eacutelargir les parcours possibles dans lrsquoontologie agrave drsquoautres graphes que celui de la hieacuterarchie des types et dans cette exemple jrsquoinclus les signatures des relations crsquoest-agrave-dire les types drsquoobjets qui peuvent ecirctre relieacutes par une relation13La meacutetrique reste la mecircme

intension amp intention dusagedeacutesambiguumliser lextraction de termes

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

5000

6000

7000

8000

9000

[Khelif et al]wclass 02wprop 04wsig 04

47

Preacutesentateur
Commentaires de preacutesentation
En incluant des poids dans la deacutefinition de lrsquoespace on peut passer progressivement drsquoune distance nrsquoutilisant que la hieacuterarchie agrave une distance nrsquoutilisant que les signatures13En appliquant cette distance agrave la deacutesambiguumlisation de termes extraits drsquoun texte (ie pour retrouver le sens dans lequel un terme est utiliseacute) on voit ici qursquoune distance hybride capable de combiner les deux espaces se comporte mieux que lrsquoune ou lrsquoautre des distances extrecircmes

4 le

ressources

des

distribueacutees

problegraveme

48

Preacutesentateur
Commentaires de preacutesentation
Nous avons vu que nous travaillons sur des meacutemoires qui utilisent le web seacutemantique dans leur mateacuterialisation et pour lesquelles la repreacutesentation et le traitement agrave base de graphes fournissaient eacutenormeacutement drsquoatouts13Cependant le contenu et les traitements de ces meacutemoires ne sont pas forceacutement sur la mecircme machine

graphesdistribueacutes

49

Preacutesentateur
Commentaires de preacutesentation
Le premier problegraveme qui peut se poser crsquoest si mes graphes ne sont pas sur la mecircme machine13Si mes triplets RDF mes arcs viennent de diffeacuterents endroits

serveursquelques

RDF

RDF

RDF

RDF

SPARQL

application web

service web

identiques

service web

service web

50

Preacutesentateur
Commentaires de preacutesentation
Nous avons consideacutereacute un cas classique en entreprise ou il y a une liste connue restreinte et stable de serveurs

broadcasteacuteviter le

51

52

index de serveurcaracteacuteriser son contenu les eacutetoiles et les chemins

53

annotation

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

54

Preacutesentateur
Commentaires de preacutesentation
voici une annotation simplifieacutee drsquoun document dans le projet SevenPro concernant la conception drsquoune voiture

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 3: HDR

meacutemoires collectivesmateacuterialiser et utiliser des

bullhybrides documents‐repreacutesentationsbull intrawebs seacutemantiques communauteacutesbullrepreacutesentations et traitements agrave base de graphesbullserveurs de connaissances distribueacute(e)sbullutilisation et interaction

3

Preacutesentateur
Commentaires de preacutesentation
Lrsquoobjet au cœur de mes travaux crsquoest la meacutemoire drsquoun collectif sa mateacuterialisation et son utilisation Une meacutemoire partageacutee dans une communauteacute peut-ecirctre13hybride en contenant notamment des documents et des repreacutesentations de connaissances formelles13elle peut reposer sur les formalismes du web seacutemantique pour sa mateacuterialisation sur lrsquointranet drsquoune entreprise ou dans une communauteacute13ces repreacutesentations et leur traitement peuvent exploiter la structure de graphe de ces formalismes13ces repreacutesentations et leur traitement peuvent exploiter des ressources distribueacutees sur le reacuteseau13et les reacutesultats obtenus apregraves traitement appellent des interfaces efficaces pour assurer les meilleurs interactions possibles avec les utilisateurs13meacutemoires repreacutesentation web seacutemantique graphes distribution et interaction tel est le plan de cette preacutesentation13

1 meacutemoiresnumeacuteriques collectives

4

Preacutesentateur
Commentaires de preacutesentation
Nous avons de plus en plus de productions numeacuteriques dans nos activiteacutes professionnelles ou nos loisirs et nous les mettons de plus en plus en ligne pour les eacutechanger au sein de communauteacutes Pour organiser ces traces en meacutemoires nous leurs adjoignons des descriptions Pour eacutecrire eacutechanger traiter une description nous avons besoin drsquoun vocabulaire partageacute

cube(x) cube(y) cube(z)

couleur(x bleu)

couleur(y jaune)

couleur(z rouge)

droite(z y) droite(y x)

ontologieo cube() couleur() gauche()o cube(a)rArrobjet(a)o gauche(ab)hArrdroite(ba)

5

Preacutesentateur
Commentaires de preacutesentation
Prenons cette scegravene avec trois cubes Pour la deacutecrire je peux dire qursquoil existe trois cubes x y et z Que x a la couleur bleu que y a la couleur jaune et que z a la couleur rouge Enfin je peux dire que z est agrave droite de y et que y est agrave droite de x13Le vocabulaire conceptuel cube couleur gauche que jrsquoutilise ici pour donner ma description est ce que lrsquoon appelle une ontologie13Cette ontologie capture des connaissances de cette conceptualisation par exemple le fait qursquoun cube est un objet ou le fait qursquoecirctre agrave gauche est lrsquoinverse ecirctre agrave droite13Ainsi mecircme si ma description utilise les primitives cube couleur et gauche je pourrais lrsquointerroger et demander les objets qui sont agrave droite drsquoun autre objet13On voit degraves lors comment des repreacutesentations et raisonnements agrave base drsquoontologies peuvent ameacuteliorer par exemple la recherche drsquoinformation13

ontologie

bull conceptualisation partielle

bull proprieacuteteacutes de cateacutegories

bull formalisation pour traitement

6

Preacutesentateur
Commentaires de preacutesentation
Ontologie crsquoest donc conceptualisation partielle de la reacutealiteacute Des proprieacuteteacutes de ces cateacutegories identifieacutees et en geacuteneacuteral une formalisation permettant une exploitation par la machine de cette modeacutelisation

personnaliseacutes accegraves mobiles agrave des services de CMU =

[NSF amp DARPA]

7

Preacutesentateur
Commentaires de preacutesentation
Plutocirct que de rester dans les deacutefinitions je vais donner trois exemples de meacutemoires dans lesquelles nous avons utiliser des ontologies13Le premier exemple est une meacutemoire dite individualiseacutee elle est attacheacutee agrave une personne mais peut ecirctre interroger par de multiples services et par drsquoautres utilisateurs13Le contexte est celui du projet myCampus visant agrave faciliter les accegraves mobiles agrave des services sur le campus de Canegie-Mellon et agrave personnaliser ces accegraves13

8

Preacutesentateur
Commentaires de preacutesentation
Chaque utilisateur agrave un e-Wallet ou portefeuille eacutelectronique qui lui permet de stocker ses informations et preacutefeacuterences personnelles13Lrsquoensemble des repreacutesentations des utilisateurs et des eacutechanges utilise le vocabulaire conceptuel fournit pas une ontologie13

un wiki dans le web seacutemantique[INRIA amp I3S]

9

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme exemple de meacutemoire lrsquoutilisation de SweetWiki un wiki seacutemantique pour organiser des documents de cours en programmation Java13Il srsquoagit drsquoune meacutemoire organisationnelle geacutereacutee au sein drsquoune eacutecole

10

Preacutesentateur
Commentaires de preacutesentation
Le logiciel se preacutesente comme un wiki classique On peut naviguer entre les pages On peut les eacutediter Mais on peut aussi les cateacutegoriser en associant des concepts drsquoune ontologie Les pages sont alors organiseacutees automatiquement et lrsquoon peut fournir de nouveaux services de navigation de recherche de notification etc

Knowledge Management Platformpour la gestion des partenariats sur Sophia

[RNRT]

11

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple celui drsquoune meacutemoire drsquoune communauteacute un club drsquoentreprises sur sophia Les utilisateurs sont des entreprises qui recherchent des partenariats dans la Telecom Valley13

12

Preacutesentateur
Commentaires de preacutesentation
Ici on voit comment en utilisant les descriptions de chaque entreprise on peut analyser les eacutechanges sur la chaine de valeur de Sophia et utiliser lrsquoontologie pour typer et comparer les eacutechnages

2 repreacutesenterdes connaissances et les doter drsquoune inscription numeacuterique

13

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir 3 exemples de meacutemoires agrave base drsquoontologies13La question qui se pose immeacutediatement est celle de la repreacutesentation en machine de ces meacutemoires

W3Ccopy

14

Preacutesentateur
Commentaires de preacutesentation
Nous utilisons systeacutematiquement les standards du Web dans nos repreacutesentations et nos impleacutementations13Et je participe agrave un certain nombre de groupes du W3C

W3Ccopy

15

Preacutesentateur
Commentaires de preacutesentation
La pile qui nous permet de repreacutesenter des connaissances formaliseacutees est celle du web seacutemantique

W3Creg16

Preacutesentateur
Commentaires de preacutesentation
Si lrsquoon regarde de plus pregraves la moitieacute de cette pile est maintenant standardiseacutee13RDF pour repreacutesenter des donneacutees et meacutetadonneacutees en ligne13SPARQL un langage de requecircte pour interroger des entrepocircts de RDF13RDF-S pour repreacutesenter des ontologies leacutegegraveres13OWL pour des ontologies plus lourdes13Et drsquoici quelques mois RIF pour repreacutesenter et eacutechanger des regravegles

RDF toute connaissance est deacutecomposeacutee entriplets ( sujet preacutedicat objet )

arcs ( nœud arecircte nœud )

17

ex dochtml a pour auteur Fabienet a pour thegraveme la Musique

18

dochtml a pour auteur Fabiendochtml a pour thegraveme Musique

19

Fabien

auteur

dochtml

thegraveme

Musique

20

graphesdu web seacutemantique

21

Preacutesentateur
Commentaires de preacutesentation
La structure de graphes de RDF est omnipreacutesente dans toute la pile du web seacutemantique qui se construit au-dessus de RDF13Par exemple cette petite ontologie a pour repreacutesentation en RDFS le graphe en fond drsquoeacutecran13Nous nous inteacuteressons donc systeacutematiquement aux structures graphes dans le web seacutemantiques et aux opeacuterateurs sur ces graphes qui permettent de les exploiter pour la recherche drsquoinformation et le raisonnement13

GRIWESGraphes dans les Repreacutesentations et les Infeacuterences sur le Web et Systegravemes symboliques

[COLOR LIRMM I3S]

22

Preacutesentateur
Commentaires de preacutesentation
Pour coordonner nos efforts sur ce sujet jrsquoai porteacute un projet entre lrsquoINRIA le LIRMM et lrsquoI3S ou nous avons eacutetudieacute les caracteacuteristiques communes des graphes et des traitements que nous utilisons dans nos projets de recherche

ERGraphG=(EG RG nG lG)bull EG entiteacutes bull RG hyperarcsbull nG RG rarr EG argumentsbull lG EG cup RG rarr L eacutetiquettes

23

Preacutesentateur
Commentaires de preacutesentation
Premier exemple drsquoabstraction commune agrave nos projets la notion de graphe eacutetiqueteacute orienteacute ou appeleacute graphe entiteacute-relation

EMappingune relation binaire qui associe chaque eacuteleacutement drsquoun ERGraph EHavec au plus un

eacuteleacutement drsquoun ERGraph EG24

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme exemple drsquoabstraction le mapping entre deux graphes crsquoest-agrave-dire une relation binaire qui associe chaque eacuteleacutement drsquoun graphe avec au plus un eacuteleacutement drsquoun autre graphe

visseacutes visseacutesx

z

visseacutes(xy)visseacutes(yz)

soudeacutes(zv)soudeacutes(zu)soudeacutes(uv)

visseacutes(xp) visseacutes(pz)

25

soudeacutesx

y

z

u vsoudeacutes

visseacutes visseacutes

Preacutesentateur
Commentaires de preacutesentation
Quel est lrsquointeacuterecirct drsquoun mapping il va nous permettre en premier lieu de retrouver la deacuterivation logique dans les graphes13Si je prends les assertions agrave gauche je peux les repreacutesenter par ce graphe agrave droite13Jrsquoai la mecircme eacutequivalence entre une requecircte ou des assertions agrave prouver et un graphe requecircte13Et la deacuterivation logique ici est eacutequivalente agrave un homorphisme de graphe ici un type particulier de mapping13

langage de requecircte

SPARQLSELECT FROM WHERE

26

Preacutesentateur
Commentaires de preacutesentation
La premiegravere application crsquoest de pouvoir implanter un langage de requecircte comme SPARQL sur des graphes RDF13La reacutesolution drsquoune requecircte revient agrave la recherche drsquohomomorphismes de graphes13

RDFS pour deacutefinir les classes de ressources et organiser leur hieacuterarchie Document

Rapport

27

Preacutesentateur
Commentaires de preacutesentation
RDFs va nous permettre drsquoajouter des nos meacutemoires des ontologies leacutegegraveres notamment pourhellip

RDFS pour deacutefinir les relations leur hieacuterarchie et leurs signatures creacuteateur

auteurDocument Personne

28

Preacutesentateur
Commentaires de preacutesentation
et pourhellip

FandO rarr R hArr GF le GRmapping modulo une ontologie

voiture

veacutehicule

voiture(x)rArrveacutehicule(x)

29

GF

GRveacutehicule

voiture

O

Preacutesentateur
Commentaires de preacutesentation
13Degraves lors on va complexifier notre mapping pour prendre en compte non seulement la connaissance capturer dans les graphes requecirctes et les graphes faits mais aussi la connaissance drsquoune ontologie13Notamment lorsque je dois veacuterifier que les eacutetiquettes de mon graphe requecircte et de mon graphe cible sont compatibles je vais le faire modulo une ontologie13Mecircme si veacutehicule et voiture ne sont pas les mecircme eacutetiquettes si mon ontologie dit que voiture est un sous-type de veacutehicule alors mon homomorphisme est valide13

EMappingopeacuteration centrale interroger

raisonner

visualiser

hellip

30

Preacutesentateur
Commentaires de preacutesentation
ce type drsquoopeacuteration est central pourhellip

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

31

Preacutesentateur
Commentaires de preacutesentation
La relation standard du web seacutemantique et graphes nrsquoest pas agrave sens unique On peut aussi utiliser des travaux sur les graphes pour suggeacuterer des solutions agrave des problegravemes dans les standards13Par exemple le problegraveme de la provenance des arcs drsquoun graphes RDF Il nrsquoy a pas de moyen actuellement de speacutecifier drsquoougrave viennent les diffeacuterents morceaux de mon graphe RDF

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

httpwwww3org

http wwwinriafrhttp wwwinriafrhttp wwwinriafr

httpwwww3org

32

Preacutesentateur
Commentaires de preacutesentation
En srsquoinspirant des graphes nommeacutes on peut suggeacuterer une extension de la syntaxe RDFXML pour indiquer la provenance et crsquoest ce que jrsquoai conduit en reacutedigeant une soumission drsquoextension du standard RDF au W3C13

3 espaces meacutetriques des graphes de connaissances

33

Preacutesentateur
Commentaires de preacutesentation
Nous avons donc des meacutemoires qui utilisent les formalismes du web seacutemantique et leurs structures de graphe13La structure et les manipulations de graphe ne sont pas uniquement une autre faccedilon de faire des repreacutesentations et des raisonnements logiques13Les graphes ont des caracteacuteristiques propres inteacuteressantes pour nos sceacutenarios drsquousage et crsquoest ce que nous allons voir dans cette troisiegraveme partie13

distances seacutemantiquesmeacutetaphore matheacutematique pour une comparaison intuitive

34

Preacutesentateur
Commentaires de preacutesentation
Je vais me focaliser ici sur un exemple drsquoinfeacuterence particulier les distances seacutemantiques13Il srsquoagit drsquoune meacutetaphore matheacutematique pour une comparaison intuitive13Si je considegravere un coupeacute un break et un avion naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche du break que de lrsquoavion13Cependant si maintenant je considegravere un coupeacute un avion et un livre naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche de lrsquoavion que du livre13Ces raisonnements nous les utilisons tous les jours pour comparer et eacutevaluer les diffeacuterences que nous percevons 13

simuler la meacutemoireseacutemantique est une ideacutee ancienne(Quillian 1968) (Collins amp Loftus 1975)

mais avec de nouveaux besoins

35

Preacutesentateur
Commentaires de preacutesentation
hellip nous allons voir certains de ces besoins

de linteacuterecirct dun agrave peu pregraves

ma montre na quune aiguillemais elle nest pas casseacutee

36

Preacutesentateur
Commentaires de preacutesentation
Ceci est ma montre Elle na quune aiguille mais elle nest pas casseacutee Elle se lit comme un chronomegravetre Elle donne lrsquoheure en une seule lecture donc tregraves rapidement mais en contrepartie elle est moins preacutecise les gens commettent en moyenne une erreur de lecture de 3 min13En recherche drsquoinformation aussi il peut ecirctre inteacuteressant de pouvoir obtenir une reacuteponse approcheacutee mais plus rapidement ou agrave deacutefaut de bonne reacuteponse13Crsquoest lagrave que les distances entrent en jeu

projection classique

voiture

veacutehicule

t1 lt t2 ie t1(x)rArrt2(x) T1 sub T2

voiture(x)rArrveacutehicule(x)

37

Preacutesentateur
Commentaires de preacutesentation
Reprenons notre projection modulo une ontologie fournissant des relations logiques entre les eacutetiquettes de mes graphes13

relaxer une contrainte de typage

camion

voiture

voiture(x) camion(x)

t1(x)rArrt2(x) rarr d(t1t2)ltseuil

sum neisin ⎥⎦⎤

⎢⎣⎡=leisinforall

121 )(21212

21 21)( aon )(

ttttt tdepthHc ttlttHttc

( ))()(min)( aon )( 21212

21 21ttlttlttdistHtt

cc HHttttc +=isinforall gege

38

Preacutesentateur
Commentaires de preacutesentation
Srsquoil nrsquoexiste pas de reacuteponse exacte on peut srsquointeacuteresser agrave remplacer les contraintes logiques entre les types par des contraintes numeacuteriques sur une distance entre ces types13Ici par exemple on considegravere un arbre de types et la longueur minimal des chemins seacuteparant les deux types sachant que les arcs sont exponentiellement plus courts qursquoils sont profonds dans lrsquoarbre13Et en fixant un seuil on va pouvoir controcircler les approximations que lrsquoon fait sur les types13

organiserun tas dobjets

39

Preacutesentateur
Commentaires de preacutesentation
deuxiegraveme exemple de besoin pour ces distances pour organiser et grouper des descriptions lorsque nos bases de graphes deviennent grandes et que lrsquoon veut avoir une ideacutee de ce qursquoelles contiennent

organiserdes compeacutetences

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

40

Preacutesentateur
Commentaires de preacutesentation
Dans le projet KmP preacutesenteacute au deacutebut les entreprises deacutecrivent leurs compeacutetences agrave lrsquoaide drsquoune ontologie13A lrsquoautre bout de la chaine les deacutecideurs et la reacutegion aimeraient savoir qursquoelles sont les compeacutetences preacutesentes sur Sophia13Pour cela nos collegravegues en gestion construisent des repreacutesentations comme celle-ci des groupes ou clusters des compeacutetences compleacutementaires ou similaires sur Sophia13Question avec quoi peut-on construire ces groupes13Reacuteponse avec une distance permettant de savoir lesquelles sont proches et lesquelles ne le sont pas13

organiserdes compeacutetences

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

1)(1)(2))((21 2121 21

21

21)( minusminusminus minusminus= tdepthtdepthttlcstdepthttdist

( )( ) 2121)(21 quand )(max)(21

ttttlcststdistttdistttlcststCH ne=

leforall

2121 quand 0)( ttttdistCH ==

A B C D H IGFE M NLKJ255

75

175

0

41

Preacutesentateur
Commentaires de preacutesentation
Derriegravere ces cluster il y a une structure que lrsquoon appelle un dendrogramme qui permet de choisir le niveau de regroupement souhaiteacute13Ce dendrograme correspond agrave une ultra-meacutetrique crsquoest-agrave-dire une distance pour laquelle lrsquoineacutegaliteacute triangulaire est sur-contrainte13Ce que jrsquoai proposeacute ici crsquoest une transformation de la distance sur un arbre de types dans lrsquoontologie agrave une ultra meacutetrique permettant de reproduire les groupements faits par les gestionnaires13

42

Preacutesentateur
Commentaires de preacutesentation
Voilagrave alors ce que lrsquoon peut produire en choisissant un niveau de deacutetail une vue radar des compeacutetences sur Sophia ici dans le domaine du logiciel avec un zoom sur les compeacutetences cœurs qui sont eacutevidemment proche du domaine des reacuteseaux

seacuteparer deux aspects

meacutetaphore matheacutematiqueles laquo distances raquo au naturel

simulations informatiquesespaces amp meacutetriques double conception

43

Preacutesentateur
Commentaires de preacutesentation
agrave ce stade jrsquoai voulu seacuteparer et travailler en parallegravele sur deux aspects des distances13le fait que lrsquoon utilise peut-ecirctre abusivement de terme distance et que cette meacutetaphore a peut-ecirctre ses limites13le fait ce que lrsquoon construit vraiment ce sont des espaces meacutetriques et qursquoil srsquoagit donc drsquoune double conception

tester les laquo distances raquo au naturel

44

Preacutesentateur
Commentaires de preacutesentation
Pour comprendre un peu mieux les distances je donne ici un exemple drsquoexpeacuterience simple que jrsquoai encadreacutee on demande ici agrave lrsquoutilisateur de positionner des concepts de faccedilon agrave ce qursquoils soient geacuteomeacutetriquement proches srsquoils sont seacutemantiquement proches Lrsquoexpeacuterience a eacuteteacute faite avec plus drsquoune trentaine de personnes de tous horizons13

tester les distances au naturel

camion

45

Preacutesentateur
Commentaires de preacutesentation
En suite si lrsquoon regarde par exemple la distance moyenne entre le concept de camion et le concept drsquoavion de bus de camionnettehellip on voit une chose inteacuteressante crsquoest que veacutehicule qui serait typiquement un pegravere des autres nrsquoest pourtant est plus loin de camion que certains de ses fregraveres et plus proche que drsquoautres sur un arbre simple avec seulement ces concepts crsquoest impossible agrave faire il faut soit modifier les concepts pour mettre des classes abstraites soit modifier les liens pour permettre drsquoautres parcours par exemple en reacuteifiant les liens aux fregraveres13

intension amp intention dusageutilisables dans un mecircme graphe concis

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

Technologie

AppareilReacuteseau

Sans-fil

WifiGSM

Teacuteleacutephone

Cellulaire

connexion

sous‐type‐et‐signature

46

Preacutesentateur
Commentaires de preacutesentation
concernant la double conception espace et meacutetrique je donne ici un exemple drsquoune approche que jrsquoessaie de systeacutematiser ougrave lrsquoon donne deux deacutefinitions formelles13une deacutefinition formelle de lrsquoespace13une deacutefinition formelle de la meacutetrique13Ici je mrsquointeacuteresse agrave eacutelargir les parcours possibles dans lrsquoontologie agrave drsquoautres graphes que celui de la hieacuterarchie des types et dans cette exemple jrsquoinclus les signatures des relations crsquoest-agrave-dire les types drsquoobjets qui peuvent ecirctre relieacutes par une relation13La meacutetrique reste la mecircme

intension amp intention dusagedeacutesambiguumliser lextraction de termes

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

5000

6000

7000

8000

9000

[Khelif et al]wclass 02wprop 04wsig 04

47

Preacutesentateur
Commentaires de preacutesentation
En incluant des poids dans la deacutefinition de lrsquoespace on peut passer progressivement drsquoune distance nrsquoutilisant que la hieacuterarchie agrave une distance nrsquoutilisant que les signatures13En appliquant cette distance agrave la deacutesambiguumlisation de termes extraits drsquoun texte (ie pour retrouver le sens dans lequel un terme est utiliseacute) on voit ici qursquoune distance hybride capable de combiner les deux espaces se comporte mieux que lrsquoune ou lrsquoautre des distances extrecircmes

4 le

ressources

des

distribueacutees

problegraveme

48

Preacutesentateur
Commentaires de preacutesentation
Nous avons vu que nous travaillons sur des meacutemoires qui utilisent le web seacutemantique dans leur mateacuterialisation et pour lesquelles la repreacutesentation et le traitement agrave base de graphes fournissaient eacutenormeacutement drsquoatouts13Cependant le contenu et les traitements de ces meacutemoires ne sont pas forceacutement sur la mecircme machine

graphesdistribueacutes

49

Preacutesentateur
Commentaires de preacutesentation
Le premier problegraveme qui peut se poser crsquoest si mes graphes ne sont pas sur la mecircme machine13Si mes triplets RDF mes arcs viennent de diffeacuterents endroits

serveursquelques

RDF

RDF

RDF

RDF

SPARQL

application web

service web

identiques

service web

service web

50

Preacutesentateur
Commentaires de preacutesentation
Nous avons consideacutereacute un cas classique en entreprise ou il y a une liste connue restreinte et stable de serveurs

broadcasteacuteviter le

51

52

index de serveurcaracteacuteriser son contenu les eacutetoiles et les chemins

53

annotation

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

54

Preacutesentateur
Commentaires de preacutesentation
voici une annotation simplifieacutee drsquoun document dans le projet SevenPro concernant la conception drsquoune voiture

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 4: HDR

1 meacutemoiresnumeacuteriques collectives

4

Preacutesentateur
Commentaires de preacutesentation
Nous avons de plus en plus de productions numeacuteriques dans nos activiteacutes professionnelles ou nos loisirs et nous les mettons de plus en plus en ligne pour les eacutechanger au sein de communauteacutes Pour organiser ces traces en meacutemoires nous leurs adjoignons des descriptions Pour eacutecrire eacutechanger traiter une description nous avons besoin drsquoun vocabulaire partageacute

cube(x) cube(y) cube(z)

couleur(x bleu)

couleur(y jaune)

couleur(z rouge)

droite(z y) droite(y x)

ontologieo cube() couleur() gauche()o cube(a)rArrobjet(a)o gauche(ab)hArrdroite(ba)

5

Preacutesentateur
Commentaires de preacutesentation
Prenons cette scegravene avec trois cubes Pour la deacutecrire je peux dire qursquoil existe trois cubes x y et z Que x a la couleur bleu que y a la couleur jaune et que z a la couleur rouge Enfin je peux dire que z est agrave droite de y et que y est agrave droite de x13Le vocabulaire conceptuel cube couleur gauche que jrsquoutilise ici pour donner ma description est ce que lrsquoon appelle une ontologie13Cette ontologie capture des connaissances de cette conceptualisation par exemple le fait qursquoun cube est un objet ou le fait qursquoecirctre agrave gauche est lrsquoinverse ecirctre agrave droite13Ainsi mecircme si ma description utilise les primitives cube couleur et gauche je pourrais lrsquointerroger et demander les objets qui sont agrave droite drsquoun autre objet13On voit degraves lors comment des repreacutesentations et raisonnements agrave base drsquoontologies peuvent ameacuteliorer par exemple la recherche drsquoinformation13

ontologie

bull conceptualisation partielle

bull proprieacuteteacutes de cateacutegories

bull formalisation pour traitement

6

Preacutesentateur
Commentaires de preacutesentation
Ontologie crsquoest donc conceptualisation partielle de la reacutealiteacute Des proprieacuteteacutes de ces cateacutegories identifieacutees et en geacuteneacuteral une formalisation permettant une exploitation par la machine de cette modeacutelisation

personnaliseacutes accegraves mobiles agrave des services de CMU =

[NSF amp DARPA]

7

Preacutesentateur
Commentaires de preacutesentation
Plutocirct que de rester dans les deacutefinitions je vais donner trois exemples de meacutemoires dans lesquelles nous avons utiliser des ontologies13Le premier exemple est une meacutemoire dite individualiseacutee elle est attacheacutee agrave une personne mais peut ecirctre interroger par de multiples services et par drsquoautres utilisateurs13Le contexte est celui du projet myCampus visant agrave faciliter les accegraves mobiles agrave des services sur le campus de Canegie-Mellon et agrave personnaliser ces accegraves13

8

Preacutesentateur
Commentaires de preacutesentation
Chaque utilisateur agrave un e-Wallet ou portefeuille eacutelectronique qui lui permet de stocker ses informations et preacutefeacuterences personnelles13Lrsquoensemble des repreacutesentations des utilisateurs et des eacutechanges utilise le vocabulaire conceptuel fournit pas une ontologie13

un wiki dans le web seacutemantique[INRIA amp I3S]

9

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme exemple de meacutemoire lrsquoutilisation de SweetWiki un wiki seacutemantique pour organiser des documents de cours en programmation Java13Il srsquoagit drsquoune meacutemoire organisationnelle geacutereacutee au sein drsquoune eacutecole

10

Preacutesentateur
Commentaires de preacutesentation
Le logiciel se preacutesente comme un wiki classique On peut naviguer entre les pages On peut les eacutediter Mais on peut aussi les cateacutegoriser en associant des concepts drsquoune ontologie Les pages sont alors organiseacutees automatiquement et lrsquoon peut fournir de nouveaux services de navigation de recherche de notification etc

Knowledge Management Platformpour la gestion des partenariats sur Sophia

[RNRT]

11

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple celui drsquoune meacutemoire drsquoune communauteacute un club drsquoentreprises sur sophia Les utilisateurs sont des entreprises qui recherchent des partenariats dans la Telecom Valley13

12

Preacutesentateur
Commentaires de preacutesentation
Ici on voit comment en utilisant les descriptions de chaque entreprise on peut analyser les eacutechanges sur la chaine de valeur de Sophia et utiliser lrsquoontologie pour typer et comparer les eacutechnages

2 repreacutesenterdes connaissances et les doter drsquoune inscription numeacuterique

13

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir 3 exemples de meacutemoires agrave base drsquoontologies13La question qui se pose immeacutediatement est celle de la repreacutesentation en machine de ces meacutemoires

W3Ccopy

14

Preacutesentateur
Commentaires de preacutesentation
Nous utilisons systeacutematiquement les standards du Web dans nos repreacutesentations et nos impleacutementations13Et je participe agrave un certain nombre de groupes du W3C

W3Ccopy

15

Preacutesentateur
Commentaires de preacutesentation
La pile qui nous permet de repreacutesenter des connaissances formaliseacutees est celle du web seacutemantique

W3Creg16

Preacutesentateur
Commentaires de preacutesentation
Si lrsquoon regarde de plus pregraves la moitieacute de cette pile est maintenant standardiseacutee13RDF pour repreacutesenter des donneacutees et meacutetadonneacutees en ligne13SPARQL un langage de requecircte pour interroger des entrepocircts de RDF13RDF-S pour repreacutesenter des ontologies leacutegegraveres13OWL pour des ontologies plus lourdes13Et drsquoici quelques mois RIF pour repreacutesenter et eacutechanger des regravegles

RDF toute connaissance est deacutecomposeacutee entriplets ( sujet preacutedicat objet )

arcs ( nœud arecircte nœud )

17

ex dochtml a pour auteur Fabienet a pour thegraveme la Musique

18

dochtml a pour auteur Fabiendochtml a pour thegraveme Musique

19

Fabien

auteur

dochtml

thegraveme

Musique

20

graphesdu web seacutemantique

21

Preacutesentateur
Commentaires de preacutesentation
La structure de graphes de RDF est omnipreacutesente dans toute la pile du web seacutemantique qui se construit au-dessus de RDF13Par exemple cette petite ontologie a pour repreacutesentation en RDFS le graphe en fond drsquoeacutecran13Nous nous inteacuteressons donc systeacutematiquement aux structures graphes dans le web seacutemantiques et aux opeacuterateurs sur ces graphes qui permettent de les exploiter pour la recherche drsquoinformation et le raisonnement13

GRIWESGraphes dans les Repreacutesentations et les Infeacuterences sur le Web et Systegravemes symboliques

[COLOR LIRMM I3S]

22

Preacutesentateur
Commentaires de preacutesentation
Pour coordonner nos efforts sur ce sujet jrsquoai porteacute un projet entre lrsquoINRIA le LIRMM et lrsquoI3S ou nous avons eacutetudieacute les caracteacuteristiques communes des graphes et des traitements que nous utilisons dans nos projets de recherche

ERGraphG=(EG RG nG lG)bull EG entiteacutes bull RG hyperarcsbull nG RG rarr EG argumentsbull lG EG cup RG rarr L eacutetiquettes

23

Preacutesentateur
Commentaires de preacutesentation
Premier exemple drsquoabstraction commune agrave nos projets la notion de graphe eacutetiqueteacute orienteacute ou appeleacute graphe entiteacute-relation

EMappingune relation binaire qui associe chaque eacuteleacutement drsquoun ERGraph EHavec au plus un

eacuteleacutement drsquoun ERGraph EG24

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme exemple drsquoabstraction le mapping entre deux graphes crsquoest-agrave-dire une relation binaire qui associe chaque eacuteleacutement drsquoun graphe avec au plus un eacuteleacutement drsquoun autre graphe

visseacutes visseacutesx

z

visseacutes(xy)visseacutes(yz)

soudeacutes(zv)soudeacutes(zu)soudeacutes(uv)

visseacutes(xp) visseacutes(pz)

25

soudeacutesx

y

z

u vsoudeacutes

visseacutes visseacutes

Preacutesentateur
Commentaires de preacutesentation
Quel est lrsquointeacuterecirct drsquoun mapping il va nous permettre en premier lieu de retrouver la deacuterivation logique dans les graphes13Si je prends les assertions agrave gauche je peux les repreacutesenter par ce graphe agrave droite13Jrsquoai la mecircme eacutequivalence entre une requecircte ou des assertions agrave prouver et un graphe requecircte13Et la deacuterivation logique ici est eacutequivalente agrave un homorphisme de graphe ici un type particulier de mapping13

langage de requecircte

SPARQLSELECT FROM WHERE

26

Preacutesentateur
Commentaires de preacutesentation
La premiegravere application crsquoest de pouvoir implanter un langage de requecircte comme SPARQL sur des graphes RDF13La reacutesolution drsquoune requecircte revient agrave la recherche drsquohomomorphismes de graphes13

RDFS pour deacutefinir les classes de ressources et organiser leur hieacuterarchie Document

Rapport

27

Preacutesentateur
Commentaires de preacutesentation
RDFs va nous permettre drsquoajouter des nos meacutemoires des ontologies leacutegegraveres notamment pourhellip

RDFS pour deacutefinir les relations leur hieacuterarchie et leurs signatures creacuteateur

auteurDocument Personne

28

Preacutesentateur
Commentaires de preacutesentation
et pourhellip

FandO rarr R hArr GF le GRmapping modulo une ontologie

voiture

veacutehicule

voiture(x)rArrveacutehicule(x)

29

GF

GRveacutehicule

voiture

O

Preacutesentateur
Commentaires de preacutesentation
13Degraves lors on va complexifier notre mapping pour prendre en compte non seulement la connaissance capturer dans les graphes requecirctes et les graphes faits mais aussi la connaissance drsquoune ontologie13Notamment lorsque je dois veacuterifier que les eacutetiquettes de mon graphe requecircte et de mon graphe cible sont compatibles je vais le faire modulo une ontologie13Mecircme si veacutehicule et voiture ne sont pas les mecircme eacutetiquettes si mon ontologie dit que voiture est un sous-type de veacutehicule alors mon homomorphisme est valide13

EMappingopeacuteration centrale interroger

raisonner

visualiser

hellip

30

Preacutesentateur
Commentaires de preacutesentation
ce type drsquoopeacuteration est central pourhellip

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

31

Preacutesentateur
Commentaires de preacutesentation
La relation standard du web seacutemantique et graphes nrsquoest pas agrave sens unique On peut aussi utiliser des travaux sur les graphes pour suggeacuterer des solutions agrave des problegravemes dans les standards13Par exemple le problegraveme de la provenance des arcs drsquoun graphes RDF Il nrsquoy a pas de moyen actuellement de speacutecifier drsquoougrave viennent les diffeacuterents morceaux de mon graphe RDF

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

httpwwww3org

http wwwinriafrhttp wwwinriafrhttp wwwinriafr

httpwwww3org

32

Preacutesentateur
Commentaires de preacutesentation
En srsquoinspirant des graphes nommeacutes on peut suggeacuterer une extension de la syntaxe RDFXML pour indiquer la provenance et crsquoest ce que jrsquoai conduit en reacutedigeant une soumission drsquoextension du standard RDF au W3C13

3 espaces meacutetriques des graphes de connaissances

33

Preacutesentateur
Commentaires de preacutesentation
Nous avons donc des meacutemoires qui utilisent les formalismes du web seacutemantique et leurs structures de graphe13La structure et les manipulations de graphe ne sont pas uniquement une autre faccedilon de faire des repreacutesentations et des raisonnements logiques13Les graphes ont des caracteacuteristiques propres inteacuteressantes pour nos sceacutenarios drsquousage et crsquoest ce que nous allons voir dans cette troisiegraveme partie13

distances seacutemantiquesmeacutetaphore matheacutematique pour une comparaison intuitive

34

Preacutesentateur
Commentaires de preacutesentation
Je vais me focaliser ici sur un exemple drsquoinfeacuterence particulier les distances seacutemantiques13Il srsquoagit drsquoune meacutetaphore matheacutematique pour une comparaison intuitive13Si je considegravere un coupeacute un break et un avion naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche du break que de lrsquoavion13Cependant si maintenant je considegravere un coupeacute un avion et un livre naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche de lrsquoavion que du livre13Ces raisonnements nous les utilisons tous les jours pour comparer et eacutevaluer les diffeacuterences que nous percevons 13

simuler la meacutemoireseacutemantique est une ideacutee ancienne(Quillian 1968) (Collins amp Loftus 1975)

mais avec de nouveaux besoins

35

Preacutesentateur
Commentaires de preacutesentation
hellip nous allons voir certains de ces besoins

de linteacuterecirct dun agrave peu pregraves

ma montre na quune aiguillemais elle nest pas casseacutee

36

Preacutesentateur
Commentaires de preacutesentation
Ceci est ma montre Elle na quune aiguille mais elle nest pas casseacutee Elle se lit comme un chronomegravetre Elle donne lrsquoheure en une seule lecture donc tregraves rapidement mais en contrepartie elle est moins preacutecise les gens commettent en moyenne une erreur de lecture de 3 min13En recherche drsquoinformation aussi il peut ecirctre inteacuteressant de pouvoir obtenir une reacuteponse approcheacutee mais plus rapidement ou agrave deacutefaut de bonne reacuteponse13Crsquoest lagrave que les distances entrent en jeu

projection classique

voiture

veacutehicule

t1 lt t2 ie t1(x)rArrt2(x) T1 sub T2

voiture(x)rArrveacutehicule(x)

37

Preacutesentateur
Commentaires de preacutesentation
Reprenons notre projection modulo une ontologie fournissant des relations logiques entre les eacutetiquettes de mes graphes13

relaxer une contrainte de typage

camion

voiture

voiture(x) camion(x)

t1(x)rArrt2(x) rarr d(t1t2)ltseuil

sum neisin ⎥⎦⎤

⎢⎣⎡=leisinforall

121 )(21212

21 21)( aon )(

ttttt tdepthHc ttlttHttc

( ))()(min)( aon )( 21212

21 21ttlttlttdistHtt

cc HHttttc +=isinforall gege

38

Preacutesentateur
Commentaires de preacutesentation
Srsquoil nrsquoexiste pas de reacuteponse exacte on peut srsquointeacuteresser agrave remplacer les contraintes logiques entre les types par des contraintes numeacuteriques sur une distance entre ces types13Ici par exemple on considegravere un arbre de types et la longueur minimal des chemins seacuteparant les deux types sachant que les arcs sont exponentiellement plus courts qursquoils sont profonds dans lrsquoarbre13Et en fixant un seuil on va pouvoir controcircler les approximations que lrsquoon fait sur les types13

organiserun tas dobjets

39

Preacutesentateur
Commentaires de preacutesentation
deuxiegraveme exemple de besoin pour ces distances pour organiser et grouper des descriptions lorsque nos bases de graphes deviennent grandes et que lrsquoon veut avoir une ideacutee de ce qursquoelles contiennent

organiserdes compeacutetences

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

40

Preacutesentateur
Commentaires de preacutesentation
Dans le projet KmP preacutesenteacute au deacutebut les entreprises deacutecrivent leurs compeacutetences agrave lrsquoaide drsquoune ontologie13A lrsquoautre bout de la chaine les deacutecideurs et la reacutegion aimeraient savoir qursquoelles sont les compeacutetences preacutesentes sur Sophia13Pour cela nos collegravegues en gestion construisent des repreacutesentations comme celle-ci des groupes ou clusters des compeacutetences compleacutementaires ou similaires sur Sophia13Question avec quoi peut-on construire ces groupes13Reacuteponse avec une distance permettant de savoir lesquelles sont proches et lesquelles ne le sont pas13

organiserdes compeacutetences

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

1)(1)(2))((21 2121 21

21

21)( minusminusminus minusminus= tdepthtdepthttlcstdepthttdist

( )( ) 2121)(21 quand )(max)(21

ttttlcststdistttdistttlcststCH ne=

leforall

2121 quand 0)( ttttdistCH ==

A B C D H IGFE M NLKJ255

75

175

0

41

Preacutesentateur
Commentaires de preacutesentation
Derriegravere ces cluster il y a une structure que lrsquoon appelle un dendrogramme qui permet de choisir le niveau de regroupement souhaiteacute13Ce dendrograme correspond agrave une ultra-meacutetrique crsquoest-agrave-dire une distance pour laquelle lrsquoineacutegaliteacute triangulaire est sur-contrainte13Ce que jrsquoai proposeacute ici crsquoest une transformation de la distance sur un arbre de types dans lrsquoontologie agrave une ultra meacutetrique permettant de reproduire les groupements faits par les gestionnaires13

42

Preacutesentateur
Commentaires de preacutesentation
Voilagrave alors ce que lrsquoon peut produire en choisissant un niveau de deacutetail une vue radar des compeacutetences sur Sophia ici dans le domaine du logiciel avec un zoom sur les compeacutetences cœurs qui sont eacutevidemment proche du domaine des reacuteseaux

seacuteparer deux aspects

meacutetaphore matheacutematiqueles laquo distances raquo au naturel

simulations informatiquesespaces amp meacutetriques double conception

43

Preacutesentateur
Commentaires de preacutesentation
agrave ce stade jrsquoai voulu seacuteparer et travailler en parallegravele sur deux aspects des distances13le fait que lrsquoon utilise peut-ecirctre abusivement de terme distance et que cette meacutetaphore a peut-ecirctre ses limites13le fait ce que lrsquoon construit vraiment ce sont des espaces meacutetriques et qursquoil srsquoagit donc drsquoune double conception

tester les laquo distances raquo au naturel

44

Preacutesentateur
Commentaires de preacutesentation
Pour comprendre un peu mieux les distances je donne ici un exemple drsquoexpeacuterience simple que jrsquoai encadreacutee on demande ici agrave lrsquoutilisateur de positionner des concepts de faccedilon agrave ce qursquoils soient geacuteomeacutetriquement proches srsquoils sont seacutemantiquement proches Lrsquoexpeacuterience a eacuteteacute faite avec plus drsquoune trentaine de personnes de tous horizons13

tester les distances au naturel

camion

45

Preacutesentateur
Commentaires de preacutesentation
En suite si lrsquoon regarde par exemple la distance moyenne entre le concept de camion et le concept drsquoavion de bus de camionnettehellip on voit une chose inteacuteressante crsquoest que veacutehicule qui serait typiquement un pegravere des autres nrsquoest pourtant est plus loin de camion que certains de ses fregraveres et plus proche que drsquoautres sur un arbre simple avec seulement ces concepts crsquoest impossible agrave faire il faut soit modifier les concepts pour mettre des classes abstraites soit modifier les liens pour permettre drsquoautres parcours par exemple en reacuteifiant les liens aux fregraveres13

intension amp intention dusageutilisables dans un mecircme graphe concis

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

Technologie

AppareilReacuteseau

Sans-fil

WifiGSM

Teacuteleacutephone

Cellulaire

connexion

sous‐type‐et‐signature

46

Preacutesentateur
Commentaires de preacutesentation
concernant la double conception espace et meacutetrique je donne ici un exemple drsquoune approche que jrsquoessaie de systeacutematiser ougrave lrsquoon donne deux deacutefinitions formelles13une deacutefinition formelle de lrsquoespace13une deacutefinition formelle de la meacutetrique13Ici je mrsquointeacuteresse agrave eacutelargir les parcours possibles dans lrsquoontologie agrave drsquoautres graphes que celui de la hieacuterarchie des types et dans cette exemple jrsquoinclus les signatures des relations crsquoest-agrave-dire les types drsquoobjets qui peuvent ecirctre relieacutes par une relation13La meacutetrique reste la mecircme

intension amp intention dusagedeacutesambiguumliser lextraction de termes

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

5000

6000

7000

8000

9000

[Khelif et al]wclass 02wprop 04wsig 04

47

Preacutesentateur
Commentaires de preacutesentation
En incluant des poids dans la deacutefinition de lrsquoespace on peut passer progressivement drsquoune distance nrsquoutilisant que la hieacuterarchie agrave une distance nrsquoutilisant que les signatures13En appliquant cette distance agrave la deacutesambiguumlisation de termes extraits drsquoun texte (ie pour retrouver le sens dans lequel un terme est utiliseacute) on voit ici qursquoune distance hybride capable de combiner les deux espaces se comporte mieux que lrsquoune ou lrsquoautre des distances extrecircmes

4 le

ressources

des

distribueacutees

problegraveme

48

Preacutesentateur
Commentaires de preacutesentation
Nous avons vu que nous travaillons sur des meacutemoires qui utilisent le web seacutemantique dans leur mateacuterialisation et pour lesquelles la repreacutesentation et le traitement agrave base de graphes fournissaient eacutenormeacutement drsquoatouts13Cependant le contenu et les traitements de ces meacutemoires ne sont pas forceacutement sur la mecircme machine

graphesdistribueacutes

49

Preacutesentateur
Commentaires de preacutesentation
Le premier problegraveme qui peut se poser crsquoest si mes graphes ne sont pas sur la mecircme machine13Si mes triplets RDF mes arcs viennent de diffeacuterents endroits

serveursquelques

RDF

RDF

RDF

RDF

SPARQL

application web

service web

identiques

service web

service web

50

Preacutesentateur
Commentaires de preacutesentation
Nous avons consideacutereacute un cas classique en entreprise ou il y a une liste connue restreinte et stable de serveurs

broadcasteacuteviter le

51

52

index de serveurcaracteacuteriser son contenu les eacutetoiles et les chemins

53

annotation

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

54

Preacutesentateur
Commentaires de preacutesentation
voici une annotation simplifieacutee drsquoun document dans le projet SevenPro concernant la conception drsquoune voiture

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 5: HDR

cube(x) cube(y) cube(z)

couleur(x bleu)

couleur(y jaune)

couleur(z rouge)

droite(z y) droite(y x)

ontologieo cube() couleur() gauche()o cube(a)rArrobjet(a)o gauche(ab)hArrdroite(ba)

5

Preacutesentateur
Commentaires de preacutesentation
Prenons cette scegravene avec trois cubes Pour la deacutecrire je peux dire qursquoil existe trois cubes x y et z Que x a la couleur bleu que y a la couleur jaune et que z a la couleur rouge Enfin je peux dire que z est agrave droite de y et que y est agrave droite de x13Le vocabulaire conceptuel cube couleur gauche que jrsquoutilise ici pour donner ma description est ce que lrsquoon appelle une ontologie13Cette ontologie capture des connaissances de cette conceptualisation par exemple le fait qursquoun cube est un objet ou le fait qursquoecirctre agrave gauche est lrsquoinverse ecirctre agrave droite13Ainsi mecircme si ma description utilise les primitives cube couleur et gauche je pourrais lrsquointerroger et demander les objets qui sont agrave droite drsquoun autre objet13On voit degraves lors comment des repreacutesentations et raisonnements agrave base drsquoontologies peuvent ameacuteliorer par exemple la recherche drsquoinformation13

ontologie

bull conceptualisation partielle

bull proprieacuteteacutes de cateacutegories

bull formalisation pour traitement

6

Preacutesentateur
Commentaires de preacutesentation
Ontologie crsquoest donc conceptualisation partielle de la reacutealiteacute Des proprieacuteteacutes de ces cateacutegories identifieacutees et en geacuteneacuteral une formalisation permettant une exploitation par la machine de cette modeacutelisation

personnaliseacutes accegraves mobiles agrave des services de CMU =

[NSF amp DARPA]

7

Preacutesentateur
Commentaires de preacutesentation
Plutocirct que de rester dans les deacutefinitions je vais donner trois exemples de meacutemoires dans lesquelles nous avons utiliser des ontologies13Le premier exemple est une meacutemoire dite individualiseacutee elle est attacheacutee agrave une personne mais peut ecirctre interroger par de multiples services et par drsquoautres utilisateurs13Le contexte est celui du projet myCampus visant agrave faciliter les accegraves mobiles agrave des services sur le campus de Canegie-Mellon et agrave personnaliser ces accegraves13

8

Preacutesentateur
Commentaires de preacutesentation
Chaque utilisateur agrave un e-Wallet ou portefeuille eacutelectronique qui lui permet de stocker ses informations et preacutefeacuterences personnelles13Lrsquoensemble des repreacutesentations des utilisateurs et des eacutechanges utilise le vocabulaire conceptuel fournit pas une ontologie13

un wiki dans le web seacutemantique[INRIA amp I3S]

9

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme exemple de meacutemoire lrsquoutilisation de SweetWiki un wiki seacutemantique pour organiser des documents de cours en programmation Java13Il srsquoagit drsquoune meacutemoire organisationnelle geacutereacutee au sein drsquoune eacutecole

10

Preacutesentateur
Commentaires de preacutesentation
Le logiciel se preacutesente comme un wiki classique On peut naviguer entre les pages On peut les eacutediter Mais on peut aussi les cateacutegoriser en associant des concepts drsquoune ontologie Les pages sont alors organiseacutees automatiquement et lrsquoon peut fournir de nouveaux services de navigation de recherche de notification etc

Knowledge Management Platformpour la gestion des partenariats sur Sophia

[RNRT]

11

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple celui drsquoune meacutemoire drsquoune communauteacute un club drsquoentreprises sur sophia Les utilisateurs sont des entreprises qui recherchent des partenariats dans la Telecom Valley13

12

Preacutesentateur
Commentaires de preacutesentation
Ici on voit comment en utilisant les descriptions de chaque entreprise on peut analyser les eacutechanges sur la chaine de valeur de Sophia et utiliser lrsquoontologie pour typer et comparer les eacutechnages

2 repreacutesenterdes connaissances et les doter drsquoune inscription numeacuterique

13

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir 3 exemples de meacutemoires agrave base drsquoontologies13La question qui se pose immeacutediatement est celle de la repreacutesentation en machine de ces meacutemoires

W3Ccopy

14

Preacutesentateur
Commentaires de preacutesentation
Nous utilisons systeacutematiquement les standards du Web dans nos repreacutesentations et nos impleacutementations13Et je participe agrave un certain nombre de groupes du W3C

W3Ccopy

15

Preacutesentateur
Commentaires de preacutesentation
La pile qui nous permet de repreacutesenter des connaissances formaliseacutees est celle du web seacutemantique

W3Creg16

Preacutesentateur
Commentaires de preacutesentation
Si lrsquoon regarde de plus pregraves la moitieacute de cette pile est maintenant standardiseacutee13RDF pour repreacutesenter des donneacutees et meacutetadonneacutees en ligne13SPARQL un langage de requecircte pour interroger des entrepocircts de RDF13RDF-S pour repreacutesenter des ontologies leacutegegraveres13OWL pour des ontologies plus lourdes13Et drsquoici quelques mois RIF pour repreacutesenter et eacutechanger des regravegles

RDF toute connaissance est deacutecomposeacutee entriplets ( sujet preacutedicat objet )

arcs ( nœud arecircte nœud )

17

ex dochtml a pour auteur Fabienet a pour thegraveme la Musique

18

dochtml a pour auteur Fabiendochtml a pour thegraveme Musique

19

Fabien

auteur

dochtml

thegraveme

Musique

20

graphesdu web seacutemantique

21

Preacutesentateur
Commentaires de preacutesentation
La structure de graphes de RDF est omnipreacutesente dans toute la pile du web seacutemantique qui se construit au-dessus de RDF13Par exemple cette petite ontologie a pour repreacutesentation en RDFS le graphe en fond drsquoeacutecran13Nous nous inteacuteressons donc systeacutematiquement aux structures graphes dans le web seacutemantiques et aux opeacuterateurs sur ces graphes qui permettent de les exploiter pour la recherche drsquoinformation et le raisonnement13

GRIWESGraphes dans les Repreacutesentations et les Infeacuterences sur le Web et Systegravemes symboliques

[COLOR LIRMM I3S]

22

Preacutesentateur
Commentaires de preacutesentation
Pour coordonner nos efforts sur ce sujet jrsquoai porteacute un projet entre lrsquoINRIA le LIRMM et lrsquoI3S ou nous avons eacutetudieacute les caracteacuteristiques communes des graphes et des traitements que nous utilisons dans nos projets de recherche

ERGraphG=(EG RG nG lG)bull EG entiteacutes bull RG hyperarcsbull nG RG rarr EG argumentsbull lG EG cup RG rarr L eacutetiquettes

23

Preacutesentateur
Commentaires de preacutesentation
Premier exemple drsquoabstraction commune agrave nos projets la notion de graphe eacutetiqueteacute orienteacute ou appeleacute graphe entiteacute-relation

EMappingune relation binaire qui associe chaque eacuteleacutement drsquoun ERGraph EHavec au plus un

eacuteleacutement drsquoun ERGraph EG24

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme exemple drsquoabstraction le mapping entre deux graphes crsquoest-agrave-dire une relation binaire qui associe chaque eacuteleacutement drsquoun graphe avec au plus un eacuteleacutement drsquoun autre graphe

visseacutes visseacutesx

z

visseacutes(xy)visseacutes(yz)

soudeacutes(zv)soudeacutes(zu)soudeacutes(uv)

visseacutes(xp) visseacutes(pz)

25

soudeacutesx

y

z

u vsoudeacutes

visseacutes visseacutes

Preacutesentateur
Commentaires de preacutesentation
Quel est lrsquointeacuterecirct drsquoun mapping il va nous permettre en premier lieu de retrouver la deacuterivation logique dans les graphes13Si je prends les assertions agrave gauche je peux les repreacutesenter par ce graphe agrave droite13Jrsquoai la mecircme eacutequivalence entre une requecircte ou des assertions agrave prouver et un graphe requecircte13Et la deacuterivation logique ici est eacutequivalente agrave un homorphisme de graphe ici un type particulier de mapping13

langage de requecircte

SPARQLSELECT FROM WHERE

26

Preacutesentateur
Commentaires de preacutesentation
La premiegravere application crsquoest de pouvoir implanter un langage de requecircte comme SPARQL sur des graphes RDF13La reacutesolution drsquoune requecircte revient agrave la recherche drsquohomomorphismes de graphes13

RDFS pour deacutefinir les classes de ressources et organiser leur hieacuterarchie Document

Rapport

27

Preacutesentateur
Commentaires de preacutesentation
RDFs va nous permettre drsquoajouter des nos meacutemoires des ontologies leacutegegraveres notamment pourhellip

RDFS pour deacutefinir les relations leur hieacuterarchie et leurs signatures creacuteateur

auteurDocument Personne

28

Preacutesentateur
Commentaires de preacutesentation
et pourhellip

FandO rarr R hArr GF le GRmapping modulo une ontologie

voiture

veacutehicule

voiture(x)rArrveacutehicule(x)

29

GF

GRveacutehicule

voiture

O

Preacutesentateur
Commentaires de preacutesentation
13Degraves lors on va complexifier notre mapping pour prendre en compte non seulement la connaissance capturer dans les graphes requecirctes et les graphes faits mais aussi la connaissance drsquoune ontologie13Notamment lorsque je dois veacuterifier que les eacutetiquettes de mon graphe requecircte et de mon graphe cible sont compatibles je vais le faire modulo une ontologie13Mecircme si veacutehicule et voiture ne sont pas les mecircme eacutetiquettes si mon ontologie dit que voiture est un sous-type de veacutehicule alors mon homomorphisme est valide13

EMappingopeacuteration centrale interroger

raisonner

visualiser

hellip

30

Preacutesentateur
Commentaires de preacutesentation
ce type drsquoopeacuteration est central pourhellip

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

31

Preacutesentateur
Commentaires de preacutesentation
La relation standard du web seacutemantique et graphes nrsquoest pas agrave sens unique On peut aussi utiliser des travaux sur les graphes pour suggeacuterer des solutions agrave des problegravemes dans les standards13Par exemple le problegraveme de la provenance des arcs drsquoun graphes RDF Il nrsquoy a pas de moyen actuellement de speacutecifier drsquoougrave viennent les diffeacuterents morceaux de mon graphe RDF

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

httpwwww3org

http wwwinriafrhttp wwwinriafrhttp wwwinriafr

httpwwww3org

32

Preacutesentateur
Commentaires de preacutesentation
En srsquoinspirant des graphes nommeacutes on peut suggeacuterer une extension de la syntaxe RDFXML pour indiquer la provenance et crsquoest ce que jrsquoai conduit en reacutedigeant une soumission drsquoextension du standard RDF au W3C13

3 espaces meacutetriques des graphes de connaissances

33

Preacutesentateur
Commentaires de preacutesentation
Nous avons donc des meacutemoires qui utilisent les formalismes du web seacutemantique et leurs structures de graphe13La structure et les manipulations de graphe ne sont pas uniquement une autre faccedilon de faire des repreacutesentations et des raisonnements logiques13Les graphes ont des caracteacuteristiques propres inteacuteressantes pour nos sceacutenarios drsquousage et crsquoest ce que nous allons voir dans cette troisiegraveme partie13

distances seacutemantiquesmeacutetaphore matheacutematique pour une comparaison intuitive

34

Preacutesentateur
Commentaires de preacutesentation
Je vais me focaliser ici sur un exemple drsquoinfeacuterence particulier les distances seacutemantiques13Il srsquoagit drsquoune meacutetaphore matheacutematique pour une comparaison intuitive13Si je considegravere un coupeacute un break et un avion naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche du break que de lrsquoavion13Cependant si maintenant je considegravere un coupeacute un avion et un livre naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche de lrsquoavion que du livre13Ces raisonnements nous les utilisons tous les jours pour comparer et eacutevaluer les diffeacuterences que nous percevons 13

simuler la meacutemoireseacutemantique est une ideacutee ancienne(Quillian 1968) (Collins amp Loftus 1975)

mais avec de nouveaux besoins

35

Preacutesentateur
Commentaires de preacutesentation
hellip nous allons voir certains de ces besoins

de linteacuterecirct dun agrave peu pregraves

ma montre na quune aiguillemais elle nest pas casseacutee

36

Preacutesentateur
Commentaires de preacutesentation
Ceci est ma montre Elle na quune aiguille mais elle nest pas casseacutee Elle se lit comme un chronomegravetre Elle donne lrsquoheure en une seule lecture donc tregraves rapidement mais en contrepartie elle est moins preacutecise les gens commettent en moyenne une erreur de lecture de 3 min13En recherche drsquoinformation aussi il peut ecirctre inteacuteressant de pouvoir obtenir une reacuteponse approcheacutee mais plus rapidement ou agrave deacutefaut de bonne reacuteponse13Crsquoest lagrave que les distances entrent en jeu

projection classique

voiture

veacutehicule

t1 lt t2 ie t1(x)rArrt2(x) T1 sub T2

voiture(x)rArrveacutehicule(x)

37

Preacutesentateur
Commentaires de preacutesentation
Reprenons notre projection modulo une ontologie fournissant des relations logiques entre les eacutetiquettes de mes graphes13

relaxer une contrainte de typage

camion

voiture

voiture(x) camion(x)

t1(x)rArrt2(x) rarr d(t1t2)ltseuil

sum neisin ⎥⎦⎤

⎢⎣⎡=leisinforall

121 )(21212

21 21)( aon )(

ttttt tdepthHc ttlttHttc

( ))()(min)( aon )( 21212

21 21ttlttlttdistHtt

cc HHttttc +=isinforall gege

38

Preacutesentateur
Commentaires de preacutesentation
Srsquoil nrsquoexiste pas de reacuteponse exacte on peut srsquointeacuteresser agrave remplacer les contraintes logiques entre les types par des contraintes numeacuteriques sur une distance entre ces types13Ici par exemple on considegravere un arbre de types et la longueur minimal des chemins seacuteparant les deux types sachant que les arcs sont exponentiellement plus courts qursquoils sont profonds dans lrsquoarbre13Et en fixant un seuil on va pouvoir controcircler les approximations que lrsquoon fait sur les types13

organiserun tas dobjets

39

Preacutesentateur
Commentaires de preacutesentation
deuxiegraveme exemple de besoin pour ces distances pour organiser et grouper des descriptions lorsque nos bases de graphes deviennent grandes et que lrsquoon veut avoir une ideacutee de ce qursquoelles contiennent

organiserdes compeacutetences

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

40

Preacutesentateur
Commentaires de preacutesentation
Dans le projet KmP preacutesenteacute au deacutebut les entreprises deacutecrivent leurs compeacutetences agrave lrsquoaide drsquoune ontologie13A lrsquoautre bout de la chaine les deacutecideurs et la reacutegion aimeraient savoir qursquoelles sont les compeacutetences preacutesentes sur Sophia13Pour cela nos collegravegues en gestion construisent des repreacutesentations comme celle-ci des groupes ou clusters des compeacutetences compleacutementaires ou similaires sur Sophia13Question avec quoi peut-on construire ces groupes13Reacuteponse avec une distance permettant de savoir lesquelles sont proches et lesquelles ne le sont pas13

organiserdes compeacutetences

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

1)(1)(2))((21 2121 21

21

21)( minusminusminus minusminus= tdepthtdepthttlcstdepthttdist

( )( ) 2121)(21 quand )(max)(21

ttttlcststdistttdistttlcststCH ne=

leforall

2121 quand 0)( ttttdistCH ==

A B C D H IGFE M NLKJ255

75

175

0

41

Preacutesentateur
Commentaires de preacutesentation
Derriegravere ces cluster il y a une structure que lrsquoon appelle un dendrogramme qui permet de choisir le niveau de regroupement souhaiteacute13Ce dendrograme correspond agrave une ultra-meacutetrique crsquoest-agrave-dire une distance pour laquelle lrsquoineacutegaliteacute triangulaire est sur-contrainte13Ce que jrsquoai proposeacute ici crsquoest une transformation de la distance sur un arbre de types dans lrsquoontologie agrave une ultra meacutetrique permettant de reproduire les groupements faits par les gestionnaires13

42

Preacutesentateur
Commentaires de preacutesentation
Voilagrave alors ce que lrsquoon peut produire en choisissant un niveau de deacutetail une vue radar des compeacutetences sur Sophia ici dans le domaine du logiciel avec un zoom sur les compeacutetences cœurs qui sont eacutevidemment proche du domaine des reacuteseaux

seacuteparer deux aspects

meacutetaphore matheacutematiqueles laquo distances raquo au naturel

simulations informatiquesespaces amp meacutetriques double conception

43

Preacutesentateur
Commentaires de preacutesentation
agrave ce stade jrsquoai voulu seacuteparer et travailler en parallegravele sur deux aspects des distances13le fait que lrsquoon utilise peut-ecirctre abusivement de terme distance et que cette meacutetaphore a peut-ecirctre ses limites13le fait ce que lrsquoon construit vraiment ce sont des espaces meacutetriques et qursquoil srsquoagit donc drsquoune double conception

tester les laquo distances raquo au naturel

44

Preacutesentateur
Commentaires de preacutesentation
Pour comprendre un peu mieux les distances je donne ici un exemple drsquoexpeacuterience simple que jrsquoai encadreacutee on demande ici agrave lrsquoutilisateur de positionner des concepts de faccedilon agrave ce qursquoils soient geacuteomeacutetriquement proches srsquoils sont seacutemantiquement proches Lrsquoexpeacuterience a eacuteteacute faite avec plus drsquoune trentaine de personnes de tous horizons13

tester les distances au naturel

camion

45

Preacutesentateur
Commentaires de preacutesentation
En suite si lrsquoon regarde par exemple la distance moyenne entre le concept de camion et le concept drsquoavion de bus de camionnettehellip on voit une chose inteacuteressante crsquoest que veacutehicule qui serait typiquement un pegravere des autres nrsquoest pourtant est plus loin de camion que certains de ses fregraveres et plus proche que drsquoautres sur un arbre simple avec seulement ces concepts crsquoest impossible agrave faire il faut soit modifier les concepts pour mettre des classes abstraites soit modifier les liens pour permettre drsquoautres parcours par exemple en reacuteifiant les liens aux fregraveres13

intension amp intention dusageutilisables dans un mecircme graphe concis

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

Technologie

AppareilReacuteseau

Sans-fil

WifiGSM

Teacuteleacutephone

Cellulaire

connexion

sous‐type‐et‐signature

46

Preacutesentateur
Commentaires de preacutesentation
concernant la double conception espace et meacutetrique je donne ici un exemple drsquoune approche que jrsquoessaie de systeacutematiser ougrave lrsquoon donne deux deacutefinitions formelles13une deacutefinition formelle de lrsquoespace13une deacutefinition formelle de la meacutetrique13Ici je mrsquointeacuteresse agrave eacutelargir les parcours possibles dans lrsquoontologie agrave drsquoautres graphes que celui de la hieacuterarchie des types et dans cette exemple jrsquoinclus les signatures des relations crsquoest-agrave-dire les types drsquoobjets qui peuvent ecirctre relieacutes par une relation13La meacutetrique reste la mecircme

intension amp intention dusagedeacutesambiguumliser lextraction de termes

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

5000

6000

7000

8000

9000

[Khelif et al]wclass 02wprop 04wsig 04

47

Preacutesentateur
Commentaires de preacutesentation
En incluant des poids dans la deacutefinition de lrsquoespace on peut passer progressivement drsquoune distance nrsquoutilisant que la hieacuterarchie agrave une distance nrsquoutilisant que les signatures13En appliquant cette distance agrave la deacutesambiguumlisation de termes extraits drsquoun texte (ie pour retrouver le sens dans lequel un terme est utiliseacute) on voit ici qursquoune distance hybride capable de combiner les deux espaces se comporte mieux que lrsquoune ou lrsquoautre des distances extrecircmes

4 le

ressources

des

distribueacutees

problegraveme

48

Preacutesentateur
Commentaires de preacutesentation
Nous avons vu que nous travaillons sur des meacutemoires qui utilisent le web seacutemantique dans leur mateacuterialisation et pour lesquelles la repreacutesentation et le traitement agrave base de graphes fournissaient eacutenormeacutement drsquoatouts13Cependant le contenu et les traitements de ces meacutemoires ne sont pas forceacutement sur la mecircme machine

graphesdistribueacutes

49

Preacutesentateur
Commentaires de preacutesentation
Le premier problegraveme qui peut se poser crsquoest si mes graphes ne sont pas sur la mecircme machine13Si mes triplets RDF mes arcs viennent de diffeacuterents endroits

serveursquelques

RDF

RDF

RDF

RDF

SPARQL

application web

service web

identiques

service web

service web

50

Preacutesentateur
Commentaires de preacutesentation
Nous avons consideacutereacute un cas classique en entreprise ou il y a une liste connue restreinte et stable de serveurs

broadcasteacuteviter le

51

52

index de serveurcaracteacuteriser son contenu les eacutetoiles et les chemins

53

annotation

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

54

Preacutesentateur
Commentaires de preacutesentation
voici une annotation simplifieacutee drsquoun document dans le projet SevenPro concernant la conception drsquoune voiture

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 6: HDR

ontologie

bull conceptualisation partielle

bull proprieacuteteacutes de cateacutegories

bull formalisation pour traitement

6

Preacutesentateur
Commentaires de preacutesentation
Ontologie crsquoest donc conceptualisation partielle de la reacutealiteacute Des proprieacuteteacutes de ces cateacutegories identifieacutees et en geacuteneacuteral une formalisation permettant une exploitation par la machine de cette modeacutelisation

personnaliseacutes accegraves mobiles agrave des services de CMU =

[NSF amp DARPA]

7

Preacutesentateur
Commentaires de preacutesentation
Plutocirct que de rester dans les deacutefinitions je vais donner trois exemples de meacutemoires dans lesquelles nous avons utiliser des ontologies13Le premier exemple est une meacutemoire dite individualiseacutee elle est attacheacutee agrave une personne mais peut ecirctre interroger par de multiples services et par drsquoautres utilisateurs13Le contexte est celui du projet myCampus visant agrave faciliter les accegraves mobiles agrave des services sur le campus de Canegie-Mellon et agrave personnaliser ces accegraves13

8

Preacutesentateur
Commentaires de preacutesentation
Chaque utilisateur agrave un e-Wallet ou portefeuille eacutelectronique qui lui permet de stocker ses informations et preacutefeacuterences personnelles13Lrsquoensemble des repreacutesentations des utilisateurs et des eacutechanges utilise le vocabulaire conceptuel fournit pas une ontologie13

un wiki dans le web seacutemantique[INRIA amp I3S]

9

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme exemple de meacutemoire lrsquoutilisation de SweetWiki un wiki seacutemantique pour organiser des documents de cours en programmation Java13Il srsquoagit drsquoune meacutemoire organisationnelle geacutereacutee au sein drsquoune eacutecole

10

Preacutesentateur
Commentaires de preacutesentation
Le logiciel se preacutesente comme un wiki classique On peut naviguer entre les pages On peut les eacutediter Mais on peut aussi les cateacutegoriser en associant des concepts drsquoune ontologie Les pages sont alors organiseacutees automatiquement et lrsquoon peut fournir de nouveaux services de navigation de recherche de notification etc

Knowledge Management Platformpour la gestion des partenariats sur Sophia

[RNRT]

11

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple celui drsquoune meacutemoire drsquoune communauteacute un club drsquoentreprises sur sophia Les utilisateurs sont des entreprises qui recherchent des partenariats dans la Telecom Valley13

12

Preacutesentateur
Commentaires de preacutesentation
Ici on voit comment en utilisant les descriptions de chaque entreprise on peut analyser les eacutechanges sur la chaine de valeur de Sophia et utiliser lrsquoontologie pour typer et comparer les eacutechnages

2 repreacutesenterdes connaissances et les doter drsquoune inscription numeacuterique

13

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir 3 exemples de meacutemoires agrave base drsquoontologies13La question qui se pose immeacutediatement est celle de la repreacutesentation en machine de ces meacutemoires

W3Ccopy

14

Preacutesentateur
Commentaires de preacutesentation
Nous utilisons systeacutematiquement les standards du Web dans nos repreacutesentations et nos impleacutementations13Et je participe agrave un certain nombre de groupes du W3C

W3Ccopy

15

Preacutesentateur
Commentaires de preacutesentation
La pile qui nous permet de repreacutesenter des connaissances formaliseacutees est celle du web seacutemantique

W3Creg16

Preacutesentateur
Commentaires de preacutesentation
Si lrsquoon regarde de plus pregraves la moitieacute de cette pile est maintenant standardiseacutee13RDF pour repreacutesenter des donneacutees et meacutetadonneacutees en ligne13SPARQL un langage de requecircte pour interroger des entrepocircts de RDF13RDF-S pour repreacutesenter des ontologies leacutegegraveres13OWL pour des ontologies plus lourdes13Et drsquoici quelques mois RIF pour repreacutesenter et eacutechanger des regravegles

RDF toute connaissance est deacutecomposeacutee entriplets ( sujet preacutedicat objet )

arcs ( nœud arecircte nœud )

17

ex dochtml a pour auteur Fabienet a pour thegraveme la Musique

18

dochtml a pour auteur Fabiendochtml a pour thegraveme Musique

19

Fabien

auteur

dochtml

thegraveme

Musique

20

graphesdu web seacutemantique

21

Preacutesentateur
Commentaires de preacutesentation
La structure de graphes de RDF est omnipreacutesente dans toute la pile du web seacutemantique qui se construit au-dessus de RDF13Par exemple cette petite ontologie a pour repreacutesentation en RDFS le graphe en fond drsquoeacutecran13Nous nous inteacuteressons donc systeacutematiquement aux structures graphes dans le web seacutemantiques et aux opeacuterateurs sur ces graphes qui permettent de les exploiter pour la recherche drsquoinformation et le raisonnement13

GRIWESGraphes dans les Repreacutesentations et les Infeacuterences sur le Web et Systegravemes symboliques

[COLOR LIRMM I3S]

22

Preacutesentateur
Commentaires de preacutesentation
Pour coordonner nos efforts sur ce sujet jrsquoai porteacute un projet entre lrsquoINRIA le LIRMM et lrsquoI3S ou nous avons eacutetudieacute les caracteacuteristiques communes des graphes et des traitements que nous utilisons dans nos projets de recherche

ERGraphG=(EG RG nG lG)bull EG entiteacutes bull RG hyperarcsbull nG RG rarr EG argumentsbull lG EG cup RG rarr L eacutetiquettes

23

Preacutesentateur
Commentaires de preacutesentation
Premier exemple drsquoabstraction commune agrave nos projets la notion de graphe eacutetiqueteacute orienteacute ou appeleacute graphe entiteacute-relation

EMappingune relation binaire qui associe chaque eacuteleacutement drsquoun ERGraph EHavec au plus un

eacuteleacutement drsquoun ERGraph EG24

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme exemple drsquoabstraction le mapping entre deux graphes crsquoest-agrave-dire une relation binaire qui associe chaque eacuteleacutement drsquoun graphe avec au plus un eacuteleacutement drsquoun autre graphe

visseacutes visseacutesx

z

visseacutes(xy)visseacutes(yz)

soudeacutes(zv)soudeacutes(zu)soudeacutes(uv)

visseacutes(xp) visseacutes(pz)

25

soudeacutesx

y

z

u vsoudeacutes

visseacutes visseacutes

Preacutesentateur
Commentaires de preacutesentation
Quel est lrsquointeacuterecirct drsquoun mapping il va nous permettre en premier lieu de retrouver la deacuterivation logique dans les graphes13Si je prends les assertions agrave gauche je peux les repreacutesenter par ce graphe agrave droite13Jrsquoai la mecircme eacutequivalence entre une requecircte ou des assertions agrave prouver et un graphe requecircte13Et la deacuterivation logique ici est eacutequivalente agrave un homorphisme de graphe ici un type particulier de mapping13

langage de requecircte

SPARQLSELECT FROM WHERE

26

Preacutesentateur
Commentaires de preacutesentation
La premiegravere application crsquoest de pouvoir implanter un langage de requecircte comme SPARQL sur des graphes RDF13La reacutesolution drsquoune requecircte revient agrave la recherche drsquohomomorphismes de graphes13

RDFS pour deacutefinir les classes de ressources et organiser leur hieacuterarchie Document

Rapport

27

Preacutesentateur
Commentaires de preacutesentation
RDFs va nous permettre drsquoajouter des nos meacutemoires des ontologies leacutegegraveres notamment pourhellip

RDFS pour deacutefinir les relations leur hieacuterarchie et leurs signatures creacuteateur

auteurDocument Personne

28

Preacutesentateur
Commentaires de preacutesentation
et pourhellip

FandO rarr R hArr GF le GRmapping modulo une ontologie

voiture

veacutehicule

voiture(x)rArrveacutehicule(x)

29

GF

GRveacutehicule

voiture

O

Preacutesentateur
Commentaires de preacutesentation
13Degraves lors on va complexifier notre mapping pour prendre en compte non seulement la connaissance capturer dans les graphes requecirctes et les graphes faits mais aussi la connaissance drsquoune ontologie13Notamment lorsque je dois veacuterifier que les eacutetiquettes de mon graphe requecircte et de mon graphe cible sont compatibles je vais le faire modulo une ontologie13Mecircme si veacutehicule et voiture ne sont pas les mecircme eacutetiquettes si mon ontologie dit que voiture est un sous-type de veacutehicule alors mon homomorphisme est valide13

EMappingopeacuteration centrale interroger

raisonner

visualiser

hellip

30

Preacutesentateur
Commentaires de preacutesentation
ce type drsquoopeacuteration est central pourhellip

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

31

Preacutesentateur
Commentaires de preacutesentation
La relation standard du web seacutemantique et graphes nrsquoest pas agrave sens unique On peut aussi utiliser des travaux sur les graphes pour suggeacuterer des solutions agrave des problegravemes dans les standards13Par exemple le problegraveme de la provenance des arcs drsquoun graphes RDF Il nrsquoy a pas de moyen actuellement de speacutecifier drsquoougrave viennent les diffeacuterents morceaux de mon graphe RDF

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

httpwwww3org

http wwwinriafrhttp wwwinriafrhttp wwwinriafr

httpwwww3org

32

Preacutesentateur
Commentaires de preacutesentation
En srsquoinspirant des graphes nommeacutes on peut suggeacuterer une extension de la syntaxe RDFXML pour indiquer la provenance et crsquoest ce que jrsquoai conduit en reacutedigeant une soumission drsquoextension du standard RDF au W3C13

3 espaces meacutetriques des graphes de connaissances

33

Preacutesentateur
Commentaires de preacutesentation
Nous avons donc des meacutemoires qui utilisent les formalismes du web seacutemantique et leurs structures de graphe13La structure et les manipulations de graphe ne sont pas uniquement une autre faccedilon de faire des repreacutesentations et des raisonnements logiques13Les graphes ont des caracteacuteristiques propres inteacuteressantes pour nos sceacutenarios drsquousage et crsquoest ce que nous allons voir dans cette troisiegraveme partie13

distances seacutemantiquesmeacutetaphore matheacutematique pour une comparaison intuitive

34

Preacutesentateur
Commentaires de preacutesentation
Je vais me focaliser ici sur un exemple drsquoinfeacuterence particulier les distances seacutemantiques13Il srsquoagit drsquoune meacutetaphore matheacutematique pour une comparaison intuitive13Si je considegravere un coupeacute un break et un avion naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche du break que de lrsquoavion13Cependant si maintenant je considegravere un coupeacute un avion et un livre naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche de lrsquoavion que du livre13Ces raisonnements nous les utilisons tous les jours pour comparer et eacutevaluer les diffeacuterences que nous percevons 13

simuler la meacutemoireseacutemantique est une ideacutee ancienne(Quillian 1968) (Collins amp Loftus 1975)

mais avec de nouveaux besoins

35

Preacutesentateur
Commentaires de preacutesentation
hellip nous allons voir certains de ces besoins

de linteacuterecirct dun agrave peu pregraves

ma montre na quune aiguillemais elle nest pas casseacutee

36

Preacutesentateur
Commentaires de preacutesentation
Ceci est ma montre Elle na quune aiguille mais elle nest pas casseacutee Elle se lit comme un chronomegravetre Elle donne lrsquoheure en une seule lecture donc tregraves rapidement mais en contrepartie elle est moins preacutecise les gens commettent en moyenne une erreur de lecture de 3 min13En recherche drsquoinformation aussi il peut ecirctre inteacuteressant de pouvoir obtenir une reacuteponse approcheacutee mais plus rapidement ou agrave deacutefaut de bonne reacuteponse13Crsquoest lagrave que les distances entrent en jeu

projection classique

voiture

veacutehicule

t1 lt t2 ie t1(x)rArrt2(x) T1 sub T2

voiture(x)rArrveacutehicule(x)

37

Preacutesentateur
Commentaires de preacutesentation
Reprenons notre projection modulo une ontologie fournissant des relations logiques entre les eacutetiquettes de mes graphes13

relaxer une contrainte de typage

camion

voiture

voiture(x) camion(x)

t1(x)rArrt2(x) rarr d(t1t2)ltseuil

sum neisin ⎥⎦⎤

⎢⎣⎡=leisinforall

121 )(21212

21 21)( aon )(

ttttt tdepthHc ttlttHttc

( ))()(min)( aon )( 21212

21 21ttlttlttdistHtt

cc HHttttc +=isinforall gege

38

Preacutesentateur
Commentaires de preacutesentation
Srsquoil nrsquoexiste pas de reacuteponse exacte on peut srsquointeacuteresser agrave remplacer les contraintes logiques entre les types par des contraintes numeacuteriques sur une distance entre ces types13Ici par exemple on considegravere un arbre de types et la longueur minimal des chemins seacuteparant les deux types sachant que les arcs sont exponentiellement plus courts qursquoils sont profonds dans lrsquoarbre13Et en fixant un seuil on va pouvoir controcircler les approximations que lrsquoon fait sur les types13

organiserun tas dobjets

39

Preacutesentateur
Commentaires de preacutesentation
deuxiegraveme exemple de besoin pour ces distances pour organiser et grouper des descriptions lorsque nos bases de graphes deviennent grandes et que lrsquoon veut avoir une ideacutee de ce qursquoelles contiennent

organiserdes compeacutetences

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

40

Preacutesentateur
Commentaires de preacutesentation
Dans le projet KmP preacutesenteacute au deacutebut les entreprises deacutecrivent leurs compeacutetences agrave lrsquoaide drsquoune ontologie13A lrsquoautre bout de la chaine les deacutecideurs et la reacutegion aimeraient savoir qursquoelles sont les compeacutetences preacutesentes sur Sophia13Pour cela nos collegravegues en gestion construisent des repreacutesentations comme celle-ci des groupes ou clusters des compeacutetences compleacutementaires ou similaires sur Sophia13Question avec quoi peut-on construire ces groupes13Reacuteponse avec une distance permettant de savoir lesquelles sont proches et lesquelles ne le sont pas13

organiserdes compeacutetences

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

1)(1)(2))((21 2121 21

21

21)( minusminusminus minusminus= tdepthtdepthttlcstdepthttdist

( )( ) 2121)(21 quand )(max)(21

ttttlcststdistttdistttlcststCH ne=

leforall

2121 quand 0)( ttttdistCH ==

A B C D H IGFE M NLKJ255

75

175

0

41

Preacutesentateur
Commentaires de preacutesentation
Derriegravere ces cluster il y a une structure que lrsquoon appelle un dendrogramme qui permet de choisir le niveau de regroupement souhaiteacute13Ce dendrograme correspond agrave une ultra-meacutetrique crsquoest-agrave-dire une distance pour laquelle lrsquoineacutegaliteacute triangulaire est sur-contrainte13Ce que jrsquoai proposeacute ici crsquoest une transformation de la distance sur un arbre de types dans lrsquoontologie agrave une ultra meacutetrique permettant de reproduire les groupements faits par les gestionnaires13

42

Preacutesentateur
Commentaires de preacutesentation
Voilagrave alors ce que lrsquoon peut produire en choisissant un niveau de deacutetail une vue radar des compeacutetences sur Sophia ici dans le domaine du logiciel avec un zoom sur les compeacutetences cœurs qui sont eacutevidemment proche du domaine des reacuteseaux

seacuteparer deux aspects

meacutetaphore matheacutematiqueles laquo distances raquo au naturel

simulations informatiquesespaces amp meacutetriques double conception

43

Preacutesentateur
Commentaires de preacutesentation
agrave ce stade jrsquoai voulu seacuteparer et travailler en parallegravele sur deux aspects des distances13le fait que lrsquoon utilise peut-ecirctre abusivement de terme distance et que cette meacutetaphore a peut-ecirctre ses limites13le fait ce que lrsquoon construit vraiment ce sont des espaces meacutetriques et qursquoil srsquoagit donc drsquoune double conception

tester les laquo distances raquo au naturel

44

Preacutesentateur
Commentaires de preacutesentation
Pour comprendre un peu mieux les distances je donne ici un exemple drsquoexpeacuterience simple que jrsquoai encadreacutee on demande ici agrave lrsquoutilisateur de positionner des concepts de faccedilon agrave ce qursquoils soient geacuteomeacutetriquement proches srsquoils sont seacutemantiquement proches Lrsquoexpeacuterience a eacuteteacute faite avec plus drsquoune trentaine de personnes de tous horizons13

tester les distances au naturel

camion

45

Preacutesentateur
Commentaires de preacutesentation
En suite si lrsquoon regarde par exemple la distance moyenne entre le concept de camion et le concept drsquoavion de bus de camionnettehellip on voit une chose inteacuteressante crsquoest que veacutehicule qui serait typiquement un pegravere des autres nrsquoest pourtant est plus loin de camion que certains de ses fregraveres et plus proche que drsquoautres sur un arbre simple avec seulement ces concepts crsquoest impossible agrave faire il faut soit modifier les concepts pour mettre des classes abstraites soit modifier les liens pour permettre drsquoautres parcours par exemple en reacuteifiant les liens aux fregraveres13

intension amp intention dusageutilisables dans un mecircme graphe concis

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

Technologie

AppareilReacuteseau

Sans-fil

WifiGSM

Teacuteleacutephone

Cellulaire

connexion

sous‐type‐et‐signature

46

Preacutesentateur
Commentaires de preacutesentation
concernant la double conception espace et meacutetrique je donne ici un exemple drsquoune approche que jrsquoessaie de systeacutematiser ougrave lrsquoon donne deux deacutefinitions formelles13une deacutefinition formelle de lrsquoespace13une deacutefinition formelle de la meacutetrique13Ici je mrsquointeacuteresse agrave eacutelargir les parcours possibles dans lrsquoontologie agrave drsquoautres graphes que celui de la hieacuterarchie des types et dans cette exemple jrsquoinclus les signatures des relations crsquoest-agrave-dire les types drsquoobjets qui peuvent ecirctre relieacutes par une relation13La meacutetrique reste la mecircme

intension amp intention dusagedeacutesambiguumliser lextraction de termes

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

5000

6000

7000

8000

9000

[Khelif et al]wclass 02wprop 04wsig 04

47

Preacutesentateur
Commentaires de preacutesentation
En incluant des poids dans la deacutefinition de lrsquoespace on peut passer progressivement drsquoune distance nrsquoutilisant que la hieacuterarchie agrave une distance nrsquoutilisant que les signatures13En appliquant cette distance agrave la deacutesambiguumlisation de termes extraits drsquoun texte (ie pour retrouver le sens dans lequel un terme est utiliseacute) on voit ici qursquoune distance hybride capable de combiner les deux espaces se comporte mieux que lrsquoune ou lrsquoautre des distances extrecircmes

4 le

ressources

des

distribueacutees

problegraveme

48

Preacutesentateur
Commentaires de preacutesentation
Nous avons vu que nous travaillons sur des meacutemoires qui utilisent le web seacutemantique dans leur mateacuterialisation et pour lesquelles la repreacutesentation et le traitement agrave base de graphes fournissaient eacutenormeacutement drsquoatouts13Cependant le contenu et les traitements de ces meacutemoires ne sont pas forceacutement sur la mecircme machine

graphesdistribueacutes

49

Preacutesentateur
Commentaires de preacutesentation
Le premier problegraveme qui peut se poser crsquoest si mes graphes ne sont pas sur la mecircme machine13Si mes triplets RDF mes arcs viennent de diffeacuterents endroits

serveursquelques

RDF

RDF

RDF

RDF

SPARQL

application web

service web

identiques

service web

service web

50

Preacutesentateur
Commentaires de preacutesentation
Nous avons consideacutereacute un cas classique en entreprise ou il y a une liste connue restreinte et stable de serveurs

broadcasteacuteviter le

51

52

index de serveurcaracteacuteriser son contenu les eacutetoiles et les chemins

53

annotation

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

54

Preacutesentateur
Commentaires de preacutesentation
voici une annotation simplifieacutee drsquoun document dans le projet SevenPro concernant la conception drsquoune voiture

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 7: HDR

personnaliseacutes accegraves mobiles agrave des services de CMU =

[NSF amp DARPA]

7

Preacutesentateur
Commentaires de preacutesentation
Plutocirct que de rester dans les deacutefinitions je vais donner trois exemples de meacutemoires dans lesquelles nous avons utiliser des ontologies13Le premier exemple est une meacutemoire dite individualiseacutee elle est attacheacutee agrave une personne mais peut ecirctre interroger par de multiples services et par drsquoautres utilisateurs13Le contexte est celui du projet myCampus visant agrave faciliter les accegraves mobiles agrave des services sur le campus de Canegie-Mellon et agrave personnaliser ces accegraves13

8

Preacutesentateur
Commentaires de preacutesentation
Chaque utilisateur agrave un e-Wallet ou portefeuille eacutelectronique qui lui permet de stocker ses informations et preacutefeacuterences personnelles13Lrsquoensemble des repreacutesentations des utilisateurs et des eacutechanges utilise le vocabulaire conceptuel fournit pas une ontologie13

un wiki dans le web seacutemantique[INRIA amp I3S]

9

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme exemple de meacutemoire lrsquoutilisation de SweetWiki un wiki seacutemantique pour organiser des documents de cours en programmation Java13Il srsquoagit drsquoune meacutemoire organisationnelle geacutereacutee au sein drsquoune eacutecole

10

Preacutesentateur
Commentaires de preacutesentation
Le logiciel se preacutesente comme un wiki classique On peut naviguer entre les pages On peut les eacutediter Mais on peut aussi les cateacutegoriser en associant des concepts drsquoune ontologie Les pages sont alors organiseacutees automatiquement et lrsquoon peut fournir de nouveaux services de navigation de recherche de notification etc

Knowledge Management Platformpour la gestion des partenariats sur Sophia

[RNRT]

11

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple celui drsquoune meacutemoire drsquoune communauteacute un club drsquoentreprises sur sophia Les utilisateurs sont des entreprises qui recherchent des partenariats dans la Telecom Valley13

12

Preacutesentateur
Commentaires de preacutesentation
Ici on voit comment en utilisant les descriptions de chaque entreprise on peut analyser les eacutechanges sur la chaine de valeur de Sophia et utiliser lrsquoontologie pour typer et comparer les eacutechnages

2 repreacutesenterdes connaissances et les doter drsquoune inscription numeacuterique

13

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir 3 exemples de meacutemoires agrave base drsquoontologies13La question qui se pose immeacutediatement est celle de la repreacutesentation en machine de ces meacutemoires

W3Ccopy

14

Preacutesentateur
Commentaires de preacutesentation
Nous utilisons systeacutematiquement les standards du Web dans nos repreacutesentations et nos impleacutementations13Et je participe agrave un certain nombre de groupes du W3C

W3Ccopy

15

Preacutesentateur
Commentaires de preacutesentation
La pile qui nous permet de repreacutesenter des connaissances formaliseacutees est celle du web seacutemantique

W3Creg16

Preacutesentateur
Commentaires de preacutesentation
Si lrsquoon regarde de plus pregraves la moitieacute de cette pile est maintenant standardiseacutee13RDF pour repreacutesenter des donneacutees et meacutetadonneacutees en ligne13SPARQL un langage de requecircte pour interroger des entrepocircts de RDF13RDF-S pour repreacutesenter des ontologies leacutegegraveres13OWL pour des ontologies plus lourdes13Et drsquoici quelques mois RIF pour repreacutesenter et eacutechanger des regravegles

RDF toute connaissance est deacutecomposeacutee entriplets ( sujet preacutedicat objet )

arcs ( nœud arecircte nœud )

17

ex dochtml a pour auteur Fabienet a pour thegraveme la Musique

18

dochtml a pour auteur Fabiendochtml a pour thegraveme Musique

19

Fabien

auteur

dochtml

thegraveme

Musique

20

graphesdu web seacutemantique

21

Preacutesentateur
Commentaires de preacutesentation
La structure de graphes de RDF est omnipreacutesente dans toute la pile du web seacutemantique qui se construit au-dessus de RDF13Par exemple cette petite ontologie a pour repreacutesentation en RDFS le graphe en fond drsquoeacutecran13Nous nous inteacuteressons donc systeacutematiquement aux structures graphes dans le web seacutemantiques et aux opeacuterateurs sur ces graphes qui permettent de les exploiter pour la recherche drsquoinformation et le raisonnement13

GRIWESGraphes dans les Repreacutesentations et les Infeacuterences sur le Web et Systegravemes symboliques

[COLOR LIRMM I3S]

22

Preacutesentateur
Commentaires de preacutesentation
Pour coordonner nos efforts sur ce sujet jrsquoai porteacute un projet entre lrsquoINRIA le LIRMM et lrsquoI3S ou nous avons eacutetudieacute les caracteacuteristiques communes des graphes et des traitements que nous utilisons dans nos projets de recherche

ERGraphG=(EG RG nG lG)bull EG entiteacutes bull RG hyperarcsbull nG RG rarr EG argumentsbull lG EG cup RG rarr L eacutetiquettes

23

Preacutesentateur
Commentaires de preacutesentation
Premier exemple drsquoabstraction commune agrave nos projets la notion de graphe eacutetiqueteacute orienteacute ou appeleacute graphe entiteacute-relation

EMappingune relation binaire qui associe chaque eacuteleacutement drsquoun ERGraph EHavec au plus un

eacuteleacutement drsquoun ERGraph EG24

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme exemple drsquoabstraction le mapping entre deux graphes crsquoest-agrave-dire une relation binaire qui associe chaque eacuteleacutement drsquoun graphe avec au plus un eacuteleacutement drsquoun autre graphe

visseacutes visseacutesx

z

visseacutes(xy)visseacutes(yz)

soudeacutes(zv)soudeacutes(zu)soudeacutes(uv)

visseacutes(xp) visseacutes(pz)

25

soudeacutesx

y

z

u vsoudeacutes

visseacutes visseacutes

Preacutesentateur
Commentaires de preacutesentation
Quel est lrsquointeacuterecirct drsquoun mapping il va nous permettre en premier lieu de retrouver la deacuterivation logique dans les graphes13Si je prends les assertions agrave gauche je peux les repreacutesenter par ce graphe agrave droite13Jrsquoai la mecircme eacutequivalence entre une requecircte ou des assertions agrave prouver et un graphe requecircte13Et la deacuterivation logique ici est eacutequivalente agrave un homorphisme de graphe ici un type particulier de mapping13

langage de requecircte

SPARQLSELECT FROM WHERE

26

Preacutesentateur
Commentaires de preacutesentation
La premiegravere application crsquoest de pouvoir implanter un langage de requecircte comme SPARQL sur des graphes RDF13La reacutesolution drsquoune requecircte revient agrave la recherche drsquohomomorphismes de graphes13

RDFS pour deacutefinir les classes de ressources et organiser leur hieacuterarchie Document

Rapport

27

Preacutesentateur
Commentaires de preacutesentation
RDFs va nous permettre drsquoajouter des nos meacutemoires des ontologies leacutegegraveres notamment pourhellip

RDFS pour deacutefinir les relations leur hieacuterarchie et leurs signatures creacuteateur

auteurDocument Personne

28

Preacutesentateur
Commentaires de preacutesentation
et pourhellip

FandO rarr R hArr GF le GRmapping modulo une ontologie

voiture

veacutehicule

voiture(x)rArrveacutehicule(x)

29

GF

GRveacutehicule

voiture

O

Preacutesentateur
Commentaires de preacutesentation
13Degraves lors on va complexifier notre mapping pour prendre en compte non seulement la connaissance capturer dans les graphes requecirctes et les graphes faits mais aussi la connaissance drsquoune ontologie13Notamment lorsque je dois veacuterifier que les eacutetiquettes de mon graphe requecircte et de mon graphe cible sont compatibles je vais le faire modulo une ontologie13Mecircme si veacutehicule et voiture ne sont pas les mecircme eacutetiquettes si mon ontologie dit que voiture est un sous-type de veacutehicule alors mon homomorphisme est valide13

EMappingopeacuteration centrale interroger

raisonner

visualiser

hellip

30

Preacutesentateur
Commentaires de preacutesentation
ce type drsquoopeacuteration est central pourhellip

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

31

Preacutesentateur
Commentaires de preacutesentation
La relation standard du web seacutemantique et graphes nrsquoest pas agrave sens unique On peut aussi utiliser des travaux sur les graphes pour suggeacuterer des solutions agrave des problegravemes dans les standards13Par exemple le problegraveme de la provenance des arcs drsquoun graphes RDF Il nrsquoy a pas de moyen actuellement de speacutecifier drsquoougrave viennent les diffeacuterents morceaux de mon graphe RDF

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

httpwwww3org

http wwwinriafrhttp wwwinriafrhttp wwwinriafr

httpwwww3org

32

Preacutesentateur
Commentaires de preacutesentation
En srsquoinspirant des graphes nommeacutes on peut suggeacuterer une extension de la syntaxe RDFXML pour indiquer la provenance et crsquoest ce que jrsquoai conduit en reacutedigeant une soumission drsquoextension du standard RDF au W3C13

3 espaces meacutetriques des graphes de connaissances

33

Preacutesentateur
Commentaires de preacutesentation
Nous avons donc des meacutemoires qui utilisent les formalismes du web seacutemantique et leurs structures de graphe13La structure et les manipulations de graphe ne sont pas uniquement une autre faccedilon de faire des repreacutesentations et des raisonnements logiques13Les graphes ont des caracteacuteristiques propres inteacuteressantes pour nos sceacutenarios drsquousage et crsquoest ce que nous allons voir dans cette troisiegraveme partie13

distances seacutemantiquesmeacutetaphore matheacutematique pour une comparaison intuitive

34

Preacutesentateur
Commentaires de preacutesentation
Je vais me focaliser ici sur un exemple drsquoinfeacuterence particulier les distances seacutemantiques13Il srsquoagit drsquoune meacutetaphore matheacutematique pour une comparaison intuitive13Si je considegravere un coupeacute un break et un avion naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche du break que de lrsquoavion13Cependant si maintenant je considegravere un coupeacute un avion et un livre naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche de lrsquoavion que du livre13Ces raisonnements nous les utilisons tous les jours pour comparer et eacutevaluer les diffeacuterences que nous percevons 13

simuler la meacutemoireseacutemantique est une ideacutee ancienne(Quillian 1968) (Collins amp Loftus 1975)

mais avec de nouveaux besoins

35

Preacutesentateur
Commentaires de preacutesentation
hellip nous allons voir certains de ces besoins

de linteacuterecirct dun agrave peu pregraves

ma montre na quune aiguillemais elle nest pas casseacutee

36

Preacutesentateur
Commentaires de preacutesentation
Ceci est ma montre Elle na quune aiguille mais elle nest pas casseacutee Elle se lit comme un chronomegravetre Elle donne lrsquoheure en une seule lecture donc tregraves rapidement mais en contrepartie elle est moins preacutecise les gens commettent en moyenne une erreur de lecture de 3 min13En recherche drsquoinformation aussi il peut ecirctre inteacuteressant de pouvoir obtenir une reacuteponse approcheacutee mais plus rapidement ou agrave deacutefaut de bonne reacuteponse13Crsquoest lagrave que les distances entrent en jeu

projection classique

voiture

veacutehicule

t1 lt t2 ie t1(x)rArrt2(x) T1 sub T2

voiture(x)rArrveacutehicule(x)

37

Preacutesentateur
Commentaires de preacutesentation
Reprenons notre projection modulo une ontologie fournissant des relations logiques entre les eacutetiquettes de mes graphes13

relaxer une contrainte de typage

camion

voiture

voiture(x) camion(x)

t1(x)rArrt2(x) rarr d(t1t2)ltseuil

sum neisin ⎥⎦⎤

⎢⎣⎡=leisinforall

121 )(21212

21 21)( aon )(

ttttt tdepthHc ttlttHttc

( ))()(min)( aon )( 21212

21 21ttlttlttdistHtt

cc HHttttc +=isinforall gege

38

Preacutesentateur
Commentaires de preacutesentation
Srsquoil nrsquoexiste pas de reacuteponse exacte on peut srsquointeacuteresser agrave remplacer les contraintes logiques entre les types par des contraintes numeacuteriques sur une distance entre ces types13Ici par exemple on considegravere un arbre de types et la longueur minimal des chemins seacuteparant les deux types sachant que les arcs sont exponentiellement plus courts qursquoils sont profonds dans lrsquoarbre13Et en fixant un seuil on va pouvoir controcircler les approximations que lrsquoon fait sur les types13

organiserun tas dobjets

39

Preacutesentateur
Commentaires de preacutesentation
deuxiegraveme exemple de besoin pour ces distances pour organiser et grouper des descriptions lorsque nos bases de graphes deviennent grandes et que lrsquoon veut avoir une ideacutee de ce qursquoelles contiennent

organiserdes compeacutetences

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

40

Preacutesentateur
Commentaires de preacutesentation
Dans le projet KmP preacutesenteacute au deacutebut les entreprises deacutecrivent leurs compeacutetences agrave lrsquoaide drsquoune ontologie13A lrsquoautre bout de la chaine les deacutecideurs et la reacutegion aimeraient savoir qursquoelles sont les compeacutetences preacutesentes sur Sophia13Pour cela nos collegravegues en gestion construisent des repreacutesentations comme celle-ci des groupes ou clusters des compeacutetences compleacutementaires ou similaires sur Sophia13Question avec quoi peut-on construire ces groupes13Reacuteponse avec une distance permettant de savoir lesquelles sont proches et lesquelles ne le sont pas13

organiserdes compeacutetences

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

1)(1)(2))((21 2121 21

21

21)( minusminusminus minusminus= tdepthtdepthttlcstdepthttdist

( )( ) 2121)(21 quand )(max)(21

ttttlcststdistttdistttlcststCH ne=

leforall

2121 quand 0)( ttttdistCH ==

A B C D H IGFE M NLKJ255

75

175

0

41

Preacutesentateur
Commentaires de preacutesentation
Derriegravere ces cluster il y a une structure que lrsquoon appelle un dendrogramme qui permet de choisir le niveau de regroupement souhaiteacute13Ce dendrograme correspond agrave une ultra-meacutetrique crsquoest-agrave-dire une distance pour laquelle lrsquoineacutegaliteacute triangulaire est sur-contrainte13Ce que jrsquoai proposeacute ici crsquoest une transformation de la distance sur un arbre de types dans lrsquoontologie agrave une ultra meacutetrique permettant de reproduire les groupements faits par les gestionnaires13

42

Preacutesentateur
Commentaires de preacutesentation
Voilagrave alors ce que lrsquoon peut produire en choisissant un niveau de deacutetail une vue radar des compeacutetences sur Sophia ici dans le domaine du logiciel avec un zoom sur les compeacutetences cœurs qui sont eacutevidemment proche du domaine des reacuteseaux

seacuteparer deux aspects

meacutetaphore matheacutematiqueles laquo distances raquo au naturel

simulations informatiquesespaces amp meacutetriques double conception

43

Preacutesentateur
Commentaires de preacutesentation
agrave ce stade jrsquoai voulu seacuteparer et travailler en parallegravele sur deux aspects des distances13le fait que lrsquoon utilise peut-ecirctre abusivement de terme distance et que cette meacutetaphore a peut-ecirctre ses limites13le fait ce que lrsquoon construit vraiment ce sont des espaces meacutetriques et qursquoil srsquoagit donc drsquoune double conception

tester les laquo distances raquo au naturel

44

Preacutesentateur
Commentaires de preacutesentation
Pour comprendre un peu mieux les distances je donne ici un exemple drsquoexpeacuterience simple que jrsquoai encadreacutee on demande ici agrave lrsquoutilisateur de positionner des concepts de faccedilon agrave ce qursquoils soient geacuteomeacutetriquement proches srsquoils sont seacutemantiquement proches Lrsquoexpeacuterience a eacuteteacute faite avec plus drsquoune trentaine de personnes de tous horizons13

tester les distances au naturel

camion

45

Preacutesentateur
Commentaires de preacutesentation
En suite si lrsquoon regarde par exemple la distance moyenne entre le concept de camion et le concept drsquoavion de bus de camionnettehellip on voit une chose inteacuteressante crsquoest que veacutehicule qui serait typiquement un pegravere des autres nrsquoest pourtant est plus loin de camion que certains de ses fregraveres et plus proche que drsquoautres sur un arbre simple avec seulement ces concepts crsquoest impossible agrave faire il faut soit modifier les concepts pour mettre des classes abstraites soit modifier les liens pour permettre drsquoautres parcours par exemple en reacuteifiant les liens aux fregraveres13

intension amp intention dusageutilisables dans un mecircme graphe concis

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

Technologie

AppareilReacuteseau

Sans-fil

WifiGSM

Teacuteleacutephone

Cellulaire

connexion

sous‐type‐et‐signature

46

Preacutesentateur
Commentaires de preacutesentation
concernant la double conception espace et meacutetrique je donne ici un exemple drsquoune approche que jrsquoessaie de systeacutematiser ougrave lrsquoon donne deux deacutefinitions formelles13une deacutefinition formelle de lrsquoespace13une deacutefinition formelle de la meacutetrique13Ici je mrsquointeacuteresse agrave eacutelargir les parcours possibles dans lrsquoontologie agrave drsquoautres graphes que celui de la hieacuterarchie des types et dans cette exemple jrsquoinclus les signatures des relations crsquoest-agrave-dire les types drsquoobjets qui peuvent ecirctre relieacutes par une relation13La meacutetrique reste la mecircme

intension amp intention dusagedeacutesambiguumliser lextraction de termes

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

5000

6000

7000

8000

9000

[Khelif et al]wclass 02wprop 04wsig 04

47

Preacutesentateur
Commentaires de preacutesentation
En incluant des poids dans la deacutefinition de lrsquoespace on peut passer progressivement drsquoune distance nrsquoutilisant que la hieacuterarchie agrave une distance nrsquoutilisant que les signatures13En appliquant cette distance agrave la deacutesambiguumlisation de termes extraits drsquoun texte (ie pour retrouver le sens dans lequel un terme est utiliseacute) on voit ici qursquoune distance hybride capable de combiner les deux espaces se comporte mieux que lrsquoune ou lrsquoautre des distances extrecircmes

4 le

ressources

des

distribueacutees

problegraveme

48

Preacutesentateur
Commentaires de preacutesentation
Nous avons vu que nous travaillons sur des meacutemoires qui utilisent le web seacutemantique dans leur mateacuterialisation et pour lesquelles la repreacutesentation et le traitement agrave base de graphes fournissaient eacutenormeacutement drsquoatouts13Cependant le contenu et les traitements de ces meacutemoires ne sont pas forceacutement sur la mecircme machine

graphesdistribueacutes

49

Preacutesentateur
Commentaires de preacutesentation
Le premier problegraveme qui peut se poser crsquoest si mes graphes ne sont pas sur la mecircme machine13Si mes triplets RDF mes arcs viennent de diffeacuterents endroits

serveursquelques

RDF

RDF

RDF

RDF

SPARQL

application web

service web

identiques

service web

service web

50

Preacutesentateur
Commentaires de preacutesentation
Nous avons consideacutereacute un cas classique en entreprise ou il y a une liste connue restreinte et stable de serveurs

broadcasteacuteviter le

51

52

index de serveurcaracteacuteriser son contenu les eacutetoiles et les chemins

53

annotation

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

54

Preacutesentateur
Commentaires de preacutesentation
voici une annotation simplifieacutee drsquoun document dans le projet SevenPro concernant la conception drsquoune voiture

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 8: HDR

8

Preacutesentateur
Commentaires de preacutesentation
Chaque utilisateur agrave un e-Wallet ou portefeuille eacutelectronique qui lui permet de stocker ses informations et preacutefeacuterences personnelles13Lrsquoensemble des repreacutesentations des utilisateurs et des eacutechanges utilise le vocabulaire conceptuel fournit pas une ontologie13

un wiki dans le web seacutemantique[INRIA amp I3S]

9

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme exemple de meacutemoire lrsquoutilisation de SweetWiki un wiki seacutemantique pour organiser des documents de cours en programmation Java13Il srsquoagit drsquoune meacutemoire organisationnelle geacutereacutee au sein drsquoune eacutecole

10

Preacutesentateur
Commentaires de preacutesentation
Le logiciel se preacutesente comme un wiki classique On peut naviguer entre les pages On peut les eacutediter Mais on peut aussi les cateacutegoriser en associant des concepts drsquoune ontologie Les pages sont alors organiseacutees automatiquement et lrsquoon peut fournir de nouveaux services de navigation de recherche de notification etc

Knowledge Management Platformpour la gestion des partenariats sur Sophia

[RNRT]

11

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple celui drsquoune meacutemoire drsquoune communauteacute un club drsquoentreprises sur sophia Les utilisateurs sont des entreprises qui recherchent des partenariats dans la Telecom Valley13

12

Preacutesentateur
Commentaires de preacutesentation
Ici on voit comment en utilisant les descriptions de chaque entreprise on peut analyser les eacutechanges sur la chaine de valeur de Sophia et utiliser lrsquoontologie pour typer et comparer les eacutechnages

2 repreacutesenterdes connaissances et les doter drsquoune inscription numeacuterique

13

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir 3 exemples de meacutemoires agrave base drsquoontologies13La question qui se pose immeacutediatement est celle de la repreacutesentation en machine de ces meacutemoires

W3Ccopy

14

Preacutesentateur
Commentaires de preacutesentation
Nous utilisons systeacutematiquement les standards du Web dans nos repreacutesentations et nos impleacutementations13Et je participe agrave un certain nombre de groupes du W3C

W3Ccopy

15

Preacutesentateur
Commentaires de preacutesentation
La pile qui nous permet de repreacutesenter des connaissances formaliseacutees est celle du web seacutemantique

W3Creg16

Preacutesentateur
Commentaires de preacutesentation
Si lrsquoon regarde de plus pregraves la moitieacute de cette pile est maintenant standardiseacutee13RDF pour repreacutesenter des donneacutees et meacutetadonneacutees en ligne13SPARQL un langage de requecircte pour interroger des entrepocircts de RDF13RDF-S pour repreacutesenter des ontologies leacutegegraveres13OWL pour des ontologies plus lourdes13Et drsquoici quelques mois RIF pour repreacutesenter et eacutechanger des regravegles

RDF toute connaissance est deacutecomposeacutee entriplets ( sujet preacutedicat objet )

arcs ( nœud arecircte nœud )

17

ex dochtml a pour auteur Fabienet a pour thegraveme la Musique

18

dochtml a pour auteur Fabiendochtml a pour thegraveme Musique

19

Fabien

auteur

dochtml

thegraveme

Musique

20

graphesdu web seacutemantique

21

Preacutesentateur
Commentaires de preacutesentation
La structure de graphes de RDF est omnipreacutesente dans toute la pile du web seacutemantique qui se construit au-dessus de RDF13Par exemple cette petite ontologie a pour repreacutesentation en RDFS le graphe en fond drsquoeacutecran13Nous nous inteacuteressons donc systeacutematiquement aux structures graphes dans le web seacutemantiques et aux opeacuterateurs sur ces graphes qui permettent de les exploiter pour la recherche drsquoinformation et le raisonnement13

GRIWESGraphes dans les Repreacutesentations et les Infeacuterences sur le Web et Systegravemes symboliques

[COLOR LIRMM I3S]

22

Preacutesentateur
Commentaires de preacutesentation
Pour coordonner nos efforts sur ce sujet jrsquoai porteacute un projet entre lrsquoINRIA le LIRMM et lrsquoI3S ou nous avons eacutetudieacute les caracteacuteristiques communes des graphes et des traitements que nous utilisons dans nos projets de recherche

ERGraphG=(EG RG nG lG)bull EG entiteacutes bull RG hyperarcsbull nG RG rarr EG argumentsbull lG EG cup RG rarr L eacutetiquettes

23

Preacutesentateur
Commentaires de preacutesentation
Premier exemple drsquoabstraction commune agrave nos projets la notion de graphe eacutetiqueteacute orienteacute ou appeleacute graphe entiteacute-relation

EMappingune relation binaire qui associe chaque eacuteleacutement drsquoun ERGraph EHavec au plus un

eacuteleacutement drsquoun ERGraph EG24

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme exemple drsquoabstraction le mapping entre deux graphes crsquoest-agrave-dire une relation binaire qui associe chaque eacuteleacutement drsquoun graphe avec au plus un eacuteleacutement drsquoun autre graphe

visseacutes visseacutesx

z

visseacutes(xy)visseacutes(yz)

soudeacutes(zv)soudeacutes(zu)soudeacutes(uv)

visseacutes(xp) visseacutes(pz)

25

soudeacutesx

y

z

u vsoudeacutes

visseacutes visseacutes

Preacutesentateur
Commentaires de preacutesentation
Quel est lrsquointeacuterecirct drsquoun mapping il va nous permettre en premier lieu de retrouver la deacuterivation logique dans les graphes13Si je prends les assertions agrave gauche je peux les repreacutesenter par ce graphe agrave droite13Jrsquoai la mecircme eacutequivalence entre une requecircte ou des assertions agrave prouver et un graphe requecircte13Et la deacuterivation logique ici est eacutequivalente agrave un homorphisme de graphe ici un type particulier de mapping13

langage de requecircte

SPARQLSELECT FROM WHERE

26

Preacutesentateur
Commentaires de preacutesentation
La premiegravere application crsquoest de pouvoir implanter un langage de requecircte comme SPARQL sur des graphes RDF13La reacutesolution drsquoune requecircte revient agrave la recherche drsquohomomorphismes de graphes13

RDFS pour deacutefinir les classes de ressources et organiser leur hieacuterarchie Document

Rapport

27

Preacutesentateur
Commentaires de preacutesentation
RDFs va nous permettre drsquoajouter des nos meacutemoires des ontologies leacutegegraveres notamment pourhellip

RDFS pour deacutefinir les relations leur hieacuterarchie et leurs signatures creacuteateur

auteurDocument Personne

28

Preacutesentateur
Commentaires de preacutesentation
et pourhellip

FandO rarr R hArr GF le GRmapping modulo une ontologie

voiture

veacutehicule

voiture(x)rArrveacutehicule(x)

29

GF

GRveacutehicule

voiture

O

Preacutesentateur
Commentaires de preacutesentation
13Degraves lors on va complexifier notre mapping pour prendre en compte non seulement la connaissance capturer dans les graphes requecirctes et les graphes faits mais aussi la connaissance drsquoune ontologie13Notamment lorsque je dois veacuterifier que les eacutetiquettes de mon graphe requecircte et de mon graphe cible sont compatibles je vais le faire modulo une ontologie13Mecircme si veacutehicule et voiture ne sont pas les mecircme eacutetiquettes si mon ontologie dit que voiture est un sous-type de veacutehicule alors mon homomorphisme est valide13

EMappingopeacuteration centrale interroger

raisonner

visualiser

hellip

30

Preacutesentateur
Commentaires de preacutesentation
ce type drsquoopeacuteration est central pourhellip

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

31

Preacutesentateur
Commentaires de preacutesentation
La relation standard du web seacutemantique et graphes nrsquoest pas agrave sens unique On peut aussi utiliser des travaux sur les graphes pour suggeacuterer des solutions agrave des problegravemes dans les standards13Par exemple le problegraveme de la provenance des arcs drsquoun graphes RDF Il nrsquoy a pas de moyen actuellement de speacutecifier drsquoougrave viennent les diffeacuterents morceaux de mon graphe RDF

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

httpwwww3org

http wwwinriafrhttp wwwinriafrhttp wwwinriafr

httpwwww3org

32

Preacutesentateur
Commentaires de preacutesentation
En srsquoinspirant des graphes nommeacutes on peut suggeacuterer une extension de la syntaxe RDFXML pour indiquer la provenance et crsquoest ce que jrsquoai conduit en reacutedigeant une soumission drsquoextension du standard RDF au W3C13

3 espaces meacutetriques des graphes de connaissances

33

Preacutesentateur
Commentaires de preacutesentation
Nous avons donc des meacutemoires qui utilisent les formalismes du web seacutemantique et leurs structures de graphe13La structure et les manipulations de graphe ne sont pas uniquement une autre faccedilon de faire des repreacutesentations et des raisonnements logiques13Les graphes ont des caracteacuteristiques propres inteacuteressantes pour nos sceacutenarios drsquousage et crsquoest ce que nous allons voir dans cette troisiegraveme partie13

distances seacutemantiquesmeacutetaphore matheacutematique pour une comparaison intuitive

34

Preacutesentateur
Commentaires de preacutesentation
Je vais me focaliser ici sur un exemple drsquoinfeacuterence particulier les distances seacutemantiques13Il srsquoagit drsquoune meacutetaphore matheacutematique pour une comparaison intuitive13Si je considegravere un coupeacute un break et un avion naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche du break que de lrsquoavion13Cependant si maintenant je considegravere un coupeacute un avion et un livre naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche de lrsquoavion que du livre13Ces raisonnements nous les utilisons tous les jours pour comparer et eacutevaluer les diffeacuterences que nous percevons 13

simuler la meacutemoireseacutemantique est une ideacutee ancienne(Quillian 1968) (Collins amp Loftus 1975)

mais avec de nouveaux besoins

35

Preacutesentateur
Commentaires de preacutesentation
hellip nous allons voir certains de ces besoins

de linteacuterecirct dun agrave peu pregraves

ma montre na quune aiguillemais elle nest pas casseacutee

36

Preacutesentateur
Commentaires de preacutesentation
Ceci est ma montre Elle na quune aiguille mais elle nest pas casseacutee Elle se lit comme un chronomegravetre Elle donne lrsquoheure en une seule lecture donc tregraves rapidement mais en contrepartie elle est moins preacutecise les gens commettent en moyenne une erreur de lecture de 3 min13En recherche drsquoinformation aussi il peut ecirctre inteacuteressant de pouvoir obtenir une reacuteponse approcheacutee mais plus rapidement ou agrave deacutefaut de bonne reacuteponse13Crsquoest lagrave que les distances entrent en jeu

projection classique

voiture

veacutehicule

t1 lt t2 ie t1(x)rArrt2(x) T1 sub T2

voiture(x)rArrveacutehicule(x)

37

Preacutesentateur
Commentaires de preacutesentation
Reprenons notre projection modulo une ontologie fournissant des relations logiques entre les eacutetiquettes de mes graphes13

relaxer une contrainte de typage

camion

voiture

voiture(x) camion(x)

t1(x)rArrt2(x) rarr d(t1t2)ltseuil

sum neisin ⎥⎦⎤

⎢⎣⎡=leisinforall

121 )(21212

21 21)( aon )(

ttttt tdepthHc ttlttHttc

( ))()(min)( aon )( 21212

21 21ttlttlttdistHtt

cc HHttttc +=isinforall gege

38

Preacutesentateur
Commentaires de preacutesentation
Srsquoil nrsquoexiste pas de reacuteponse exacte on peut srsquointeacuteresser agrave remplacer les contraintes logiques entre les types par des contraintes numeacuteriques sur une distance entre ces types13Ici par exemple on considegravere un arbre de types et la longueur minimal des chemins seacuteparant les deux types sachant que les arcs sont exponentiellement plus courts qursquoils sont profonds dans lrsquoarbre13Et en fixant un seuil on va pouvoir controcircler les approximations que lrsquoon fait sur les types13

organiserun tas dobjets

39

Preacutesentateur
Commentaires de preacutesentation
deuxiegraveme exemple de besoin pour ces distances pour organiser et grouper des descriptions lorsque nos bases de graphes deviennent grandes et que lrsquoon veut avoir une ideacutee de ce qursquoelles contiennent

organiserdes compeacutetences

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

40

Preacutesentateur
Commentaires de preacutesentation
Dans le projet KmP preacutesenteacute au deacutebut les entreprises deacutecrivent leurs compeacutetences agrave lrsquoaide drsquoune ontologie13A lrsquoautre bout de la chaine les deacutecideurs et la reacutegion aimeraient savoir qursquoelles sont les compeacutetences preacutesentes sur Sophia13Pour cela nos collegravegues en gestion construisent des repreacutesentations comme celle-ci des groupes ou clusters des compeacutetences compleacutementaires ou similaires sur Sophia13Question avec quoi peut-on construire ces groupes13Reacuteponse avec une distance permettant de savoir lesquelles sont proches et lesquelles ne le sont pas13

organiserdes compeacutetences

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

1)(1)(2))((21 2121 21

21

21)( minusminusminus minusminus= tdepthtdepthttlcstdepthttdist

( )( ) 2121)(21 quand )(max)(21

ttttlcststdistttdistttlcststCH ne=

leforall

2121 quand 0)( ttttdistCH ==

A B C D H IGFE M NLKJ255

75

175

0

41

Preacutesentateur
Commentaires de preacutesentation
Derriegravere ces cluster il y a une structure que lrsquoon appelle un dendrogramme qui permet de choisir le niveau de regroupement souhaiteacute13Ce dendrograme correspond agrave une ultra-meacutetrique crsquoest-agrave-dire une distance pour laquelle lrsquoineacutegaliteacute triangulaire est sur-contrainte13Ce que jrsquoai proposeacute ici crsquoest une transformation de la distance sur un arbre de types dans lrsquoontologie agrave une ultra meacutetrique permettant de reproduire les groupements faits par les gestionnaires13

42

Preacutesentateur
Commentaires de preacutesentation
Voilagrave alors ce que lrsquoon peut produire en choisissant un niveau de deacutetail une vue radar des compeacutetences sur Sophia ici dans le domaine du logiciel avec un zoom sur les compeacutetences cœurs qui sont eacutevidemment proche du domaine des reacuteseaux

seacuteparer deux aspects

meacutetaphore matheacutematiqueles laquo distances raquo au naturel

simulations informatiquesespaces amp meacutetriques double conception

43

Preacutesentateur
Commentaires de preacutesentation
agrave ce stade jrsquoai voulu seacuteparer et travailler en parallegravele sur deux aspects des distances13le fait que lrsquoon utilise peut-ecirctre abusivement de terme distance et que cette meacutetaphore a peut-ecirctre ses limites13le fait ce que lrsquoon construit vraiment ce sont des espaces meacutetriques et qursquoil srsquoagit donc drsquoune double conception

tester les laquo distances raquo au naturel

44

Preacutesentateur
Commentaires de preacutesentation
Pour comprendre un peu mieux les distances je donne ici un exemple drsquoexpeacuterience simple que jrsquoai encadreacutee on demande ici agrave lrsquoutilisateur de positionner des concepts de faccedilon agrave ce qursquoils soient geacuteomeacutetriquement proches srsquoils sont seacutemantiquement proches Lrsquoexpeacuterience a eacuteteacute faite avec plus drsquoune trentaine de personnes de tous horizons13

tester les distances au naturel

camion

45

Preacutesentateur
Commentaires de preacutesentation
En suite si lrsquoon regarde par exemple la distance moyenne entre le concept de camion et le concept drsquoavion de bus de camionnettehellip on voit une chose inteacuteressante crsquoest que veacutehicule qui serait typiquement un pegravere des autres nrsquoest pourtant est plus loin de camion que certains de ses fregraveres et plus proche que drsquoautres sur un arbre simple avec seulement ces concepts crsquoest impossible agrave faire il faut soit modifier les concepts pour mettre des classes abstraites soit modifier les liens pour permettre drsquoautres parcours par exemple en reacuteifiant les liens aux fregraveres13

intension amp intention dusageutilisables dans un mecircme graphe concis

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

Technologie

AppareilReacuteseau

Sans-fil

WifiGSM

Teacuteleacutephone

Cellulaire

connexion

sous‐type‐et‐signature

46

Preacutesentateur
Commentaires de preacutesentation
concernant la double conception espace et meacutetrique je donne ici un exemple drsquoune approche que jrsquoessaie de systeacutematiser ougrave lrsquoon donne deux deacutefinitions formelles13une deacutefinition formelle de lrsquoespace13une deacutefinition formelle de la meacutetrique13Ici je mrsquointeacuteresse agrave eacutelargir les parcours possibles dans lrsquoontologie agrave drsquoautres graphes que celui de la hieacuterarchie des types et dans cette exemple jrsquoinclus les signatures des relations crsquoest-agrave-dire les types drsquoobjets qui peuvent ecirctre relieacutes par une relation13La meacutetrique reste la mecircme

intension amp intention dusagedeacutesambiguumliser lextraction de termes

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

5000

6000

7000

8000

9000

[Khelif et al]wclass 02wprop 04wsig 04

47

Preacutesentateur
Commentaires de preacutesentation
En incluant des poids dans la deacutefinition de lrsquoespace on peut passer progressivement drsquoune distance nrsquoutilisant que la hieacuterarchie agrave une distance nrsquoutilisant que les signatures13En appliquant cette distance agrave la deacutesambiguumlisation de termes extraits drsquoun texte (ie pour retrouver le sens dans lequel un terme est utiliseacute) on voit ici qursquoune distance hybride capable de combiner les deux espaces se comporte mieux que lrsquoune ou lrsquoautre des distances extrecircmes

4 le

ressources

des

distribueacutees

problegraveme

48

Preacutesentateur
Commentaires de preacutesentation
Nous avons vu que nous travaillons sur des meacutemoires qui utilisent le web seacutemantique dans leur mateacuterialisation et pour lesquelles la repreacutesentation et le traitement agrave base de graphes fournissaient eacutenormeacutement drsquoatouts13Cependant le contenu et les traitements de ces meacutemoires ne sont pas forceacutement sur la mecircme machine

graphesdistribueacutes

49

Preacutesentateur
Commentaires de preacutesentation
Le premier problegraveme qui peut se poser crsquoest si mes graphes ne sont pas sur la mecircme machine13Si mes triplets RDF mes arcs viennent de diffeacuterents endroits

serveursquelques

RDF

RDF

RDF

RDF

SPARQL

application web

service web

identiques

service web

service web

50

Preacutesentateur
Commentaires de preacutesentation
Nous avons consideacutereacute un cas classique en entreprise ou il y a une liste connue restreinte et stable de serveurs

broadcasteacuteviter le

51

52

index de serveurcaracteacuteriser son contenu les eacutetoiles et les chemins

53

annotation

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

54

Preacutesentateur
Commentaires de preacutesentation
voici une annotation simplifieacutee drsquoun document dans le projet SevenPro concernant la conception drsquoune voiture

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 9: HDR

un wiki dans le web seacutemantique[INRIA amp I3S]

9

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme exemple de meacutemoire lrsquoutilisation de SweetWiki un wiki seacutemantique pour organiser des documents de cours en programmation Java13Il srsquoagit drsquoune meacutemoire organisationnelle geacutereacutee au sein drsquoune eacutecole

10

Preacutesentateur
Commentaires de preacutesentation
Le logiciel se preacutesente comme un wiki classique On peut naviguer entre les pages On peut les eacutediter Mais on peut aussi les cateacutegoriser en associant des concepts drsquoune ontologie Les pages sont alors organiseacutees automatiquement et lrsquoon peut fournir de nouveaux services de navigation de recherche de notification etc

Knowledge Management Platformpour la gestion des partenariats sur Sophia

[RNRT]

11

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple celui drsquoune meacutemoire drsquoune communauteacute un club drsquoentreprises sur sophia Les utilisateurs sont des entreprises qui recherchent des partenariats dans la Telecom Valley13

12

Preacutesentateur
Commentaires de preacutesentation
Ici on voit comment en utilisant les descriptions de chaque entreprise on peut analyser les eacutechanges sur la chaine de valeur de Sophia et utiliser lrsquoontologie pour typer et comparer les eacutechnages

2 repreacutesenterdes connaissances et les doter drsquoune inscription numeacuterique

13

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir 3 exemples de meacutemoires agrave base drsquoontologies13La question qui se pose immeacutediatement est celle de la repreacutesentation en machine de ces meacutemoires

W3Ccopy

14

Preacutesentateur
Commentaires de preacutesentation
Nous utilisons systeacutematiquement les standards du Web dans nos repreacutesentations et nos impleacutementations13Et je participe agrave un certain nombre de groupes du W3C

W3Ccopy

15

Preacutesentateur
Commentaires de preacutesentation
La pile qui nous permet de repreacutesenter des connaissances formaliseacutees est celle du web seacutemantique

W3Creg16

Preacutesentateur
Commentaires de preacutesentation
Si lrsquoon regarde de plus pregraves la moitieacute de cette pile est maintenant standardiseacutee13RDF pour repreacutesenter des donneacutees et meacutetadonneacutees en ligne13SPARQL un langage de requecircte pour interroger des entrepocircts de RDF13RDF-S pour repreacutesenter des ontologies leacutegegraveres13OWL pour des ontologies plus lourdes13Et drsquoici quelques mois RIF pour repreacutesenter et eacutechanger des regravegles

RDF toute connaissance est deacutecomposeacutee entriplets ( sujet preacutedicat objet )

arcs ( nœud arecircte nœud )

17

ex dochtml a pour auteur Fabienet a pour thegraveme la Musique

18

dochtml a pour auteur Fabiendochtml a pour thegraveme Musique

19

Fabien

auteur

dochtml

thegraveme

Musique

20

graphesdu web seacutemantique

21

Preacutesentateur
Commentaires de preacutesentation
La structure de graphes de RDF est omnipreacutesente dans toute la pile du web seacutemantique qui se construit au-dessus de RDF13Par exemple cette petite ontologie a pour repreacutesentation en RDFS le graphe en fond drsquoeacutecran13Nous nous inteacuteressons donc systeacutematiquement aux structures graphes dans le web seacutemantiques et aux opeacuterateurs sur ces graphes qui permettent de les exploiter pour la recherche drsquoinformation et le raisonnement13

GRIWESGraphes dans les Repreacutesentations et les Infeacuterences sur le Web et Systegravemes symboliques

[COLOR LIRMM I3S]

22

Preacutesentateur
Commentaires de preacutesentation
Pour coordonner nos efforts sur ce sujet jrsquoai porteacute un projet entre lrsquoINRIA le LIRMM et lrsquoI3S ou nous avons eacutetudieacute les caracteacuteristiques communes des graphes et des traitements que nous utilisons dans nos projets de recherche

ERGraphG=(EG RG nG lG)bull EG entiteacutes bull RG hyperarcsbull nG RG rarr EG argumentsbull lG EG cup RG rarr L eacutetiquettes

23

Preacutesentateur
Commentaires de preacutesentation
Premier exemple drsquoabstraction commune agrave nos projets la notion de graphe eacutetiqueteacute orienteacute ou appeleacute graphe entiteacute-relation

EMappingune relation binaire qui associe chaque eacuteleacutement drsquoun ERGraph EHavec au plus un

eacuteleacutement drsquoun ERGraph EG24

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme exemple drsquoabstraction le mapping entre deux graphes crsquoest-agrave-dire une relation binaire qui associe chaque eacuteleacutement drsquoun graphe avec au plus un eacuteleacutement drsquoun autre graphe

visseacutes visseacutesx

z

visseacutes(xy)visseacutes(yz)

soudeacutes(zv)soudeacutes(zu)soudeacutes(uv)

visseacutes(xp) visseacutes(pz)

25

soudeacutesx

y

z

u vsoudeacutes

visseacutes visseacutes

Preacutesentateur
Commentaires de preacutesentation
Quel est lrsquointeacuterecirct drsquoun mapping il va nous permettre en premier lieu de retrouver la deacuterivation logique dans les graphes13Si je prends les assertions agrave gauche je peux les repreacutesenter par ce graphe agrave droite13Jrsquoai la mecircme eacutequivalence entre une requecircte ou des assertions agrave prouver et un graphe requecircte13Et la deacuterivation logique ici est eacutequivalente agrave un homorphisme de graphe ici un type particulier de mapping13

langage de requecircte

SPARQLSELECT FROM WHERE

26

Preacutesentateur
Commentaires de preacutesentation
La premiegravere application crsquoest de pouvoir implanter un langage de requecircte comme SPARQL sur des graphes RDF13La reacutesolution drsquoune requecircte revient agrave la recherche drsquohomomorphismes de graphes13

RDFS pour deacutefinir les classes de ressources et organiser leur hieacuterarchie Document

Rapport

27

Preacutesentateur
Commentaires de preacutesentation
RDFs va nous permettre drsquoajouter des nos meacutemoires des ontologies leacutegegraveres notamment pourhellip

RDFS pour deacutefinir les relations leur hieacuterarchie et leurs signatures creacuteateur

auteurDocument Personne

28

Preacutesentateur
Commentaires de preacutesentation
et pourhellip

FandO rarr R hArr GF le GRmapping modulo une ontologie

voiture

veacutehicule

voiture(x)rArrveacutehicule(x)

29

GF

GRveacutehicule

voiture

O

Preacutesentateur
Commentaires de preacutesentation
13Degraves lors on va complexifier notre mapping pour prendre en compte non seulement la connaissance capturer dans les graphes requecirctes et les graphes faits mais aussi la connaissance drsquoune ontologie13Notamment lorsque je dois veacuterifier que les eacutetiquettes de mon graphe requecircte et de mon graphe cible sont compatibles je vais le faire modulo une ontologie13Mecircme si veacutehicule et voiture ne sont pas les mecircme eacutetiquettes si mon ontologie dit que voiture est un sous-type de veacutehicule alors mon homomorphisme est valide13

EMappingopeacuteration centrale interroger

raisonner

visualiser

hellip

30

Preacutesentateur
Commentaires de preacutesentation
ce type drsquoopeacuteration est central pourhellip

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

31

Preacutesentateur
Commentaires de preacutesentation
La relation standard du web seacutemantique et graphes nrsquoest pas agrave sens unique On peut aussi utiliser des travaux sur les graphes pour suggeacuterer des solutions agrave des problegravemes dans les standards13Par exemple le problegraveme de la provenance des arcs drsquoun graphes RDF Il nrsquoy a pas de moyen actuellement de speacutecifier drsquoougrave viennent les diffeacuterents morceaux de mon graphe RDF

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

httpwwww3org

http wwwinriafrhttp wwwinriafrhttp wwwinriafr

httpwwww3org

32

Preacutesentateur
Commentaires de preacutesentation
En srsquoinspirant des graphes nommeacutes on peut suggeacuterer une extension de la syntaxe RDFXML pour indiquer la provenance et crsquoest ce que jrsquoai conduit en reacutedigeant une soumission drsquoextension du standard RDF au W3C13

3 espaces meacutetriques des graphes de connaissances

33

Preacutesentateur
Commentaires de preacutesentation
Nous avons donc des meacutemoires qui utilisent les formalismes du web seacutemantique et leurs structures de graphe13La structure et les manipulations de graphe ne sont pas uniquement une autre faccedilon de faire des repreacutesentations et des raisonnements logiques13Les graphes ont des caracteacuteristiques propres inteacuteressantes pour nos sceacutenarios drsquousage et crsquoest ce que nous allons voir dans cette troisiegraveme partie13

distances seacutemantiquesmeacutetaphore matheacutematique pour une comparaison intuitive

34

Preacutesentateur
Commentaires de preacutesentation
Je vais me focaliser ici sur un exemple drsquoinfeacuterence particulier les distances seacutemantiques13Il srsquoagit drsquoune meacutetaphore matheacutematique pour une comparaison intuitive13Si je considegravere un coupeacute un break et un avion naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche du break que de lrsquoavion13Cependant si maintenant je considegravere un coupeacute un avion et un livre naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche de lrsquoavion que du livre13Ces raisonnements nous les utilisons tous les jours pour comparer et eacutevaluer les diffeacuterences que nous percevons 13

simuler la meacutemoireseacutemantique est une ideacutee ancienne(Quillian 1968) (Collins amp Loftus 1975)

mais avec de nouveaux besoins

35

Preacutesentateur
Commentaires de preacutesentation
hellip nous allons voir certains de ces besoins

de linteacuterecirct dun agrave peu pregraves

ma montre na quune aiguillemais elle nest pas casseacutee

36

Preacutesentateur
Commentaires de preacutesentation
Ceci est ma montre Elle na quune aiguille mais elle nest pas casseacutee Elle se lit comme un chronomegravetre Elle donne lrsquoheure en une seule lecture donc tregraves rapidement mais en contrepartie elle est moins preacutecise les gens commettent en moyenne une erreur de lecture de 3 min13En recherche drsquoinformation aussi il peut ecirctre inteacuteressant de pouvoir obtenir une reacuteponse approcheacutee mais plus rapidement ou agrave deacutefaut de bonne reacuteponse13Crsquoest lagrave que les distances entrent en jeu

projection classique

voiture

veacutehicule

t1 lt t2 ie t1(x)rArrt2(x) T1 sub T2

voiture(x)rArrveacutehicule(x)

37

Preacutesentateur
Commentaires de preacutesentation
Reprenons notre projection modulo une ontologie fournissant des relations logiques entre les eacutetiquettes de mes graphes13

relaxer une contrainte de typage

camion

voiture

voiture(x) camion(x)

t1(x)rArrt2(x) rarr d(t1t2)ltseuil

sum neisin ⎥⎦⎤

⎢⎣⎡=leisinforall

121 )(21212

21 21)( aon )(

ttttt tdepthHc ttlttHttc

( ))()(min)( aon )( 21212

21 21ttlttlttdistHtt

cc HHttttc +=isinforall gege

38

Preacutesentateur
Commentaires de preacutesentation
Srsquoil nrsquoexiste pas de reacuteponse exacte on peut srsquointeacuteresser agrave remplacer les contraintes logiques entre les types par des contraintes numeacuteriques sur une distance entre ces types13Ici par exemple on considegravere un arbre de types et la longueur minimal des chemins seacuteparant les deux types sachant que les arcs sont exponentiellement plus courts qursquoils sont profonds dans lrsquoarbre13Et en fixant un seuil on va pouvoir controcircler les approximations que lrsquoon fait sur les types13

organiserun tas dobjets

39

Preacutesentateur
Commentaires de preacutesentation
deuxiegraveme exemple de besoin pour ces distances pour organiser et grouper des descriptions lorsque nos bases de graphes deviennent grandes et que lrsquoon veut avoir une ideacutee de ce qursquoelles contiennent

organiserdes compeacutetences

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

40

Preacutesentateur
Commentaires de preacutesentation
Dans le projet KmP preacutesenteacute au deacutebut les entreprises deacutecrivent leurs compeacutetences agrave lrsquoaide drsquoune ontologie13A lrsquoautre bout de la chaine les deacutecideurs et la reacutegion aimeraient savoir qursquoelles sont les compeacutetences preacutesentes sur Sophia13Pour cela nos collegravegues en gestion construisent des repreacutesentations comme celle-ci des groupes ou clusters des compeacutetences compleacutementaires ou similaires sur Sophia13Question avec quoi peut-on construire ces groupes13Reacuteponse avec une distance permettant de savoir lesquelles sont proches et lesquelles ne le sont pas13

organiserdes compeacutetences

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

1)(1)(2))((21 2121 21

21

21)( minusminusminus minusminus= tdepthtdepthttlcstdepthttdist

( )( ) 2121)(21 quand )(max)(21

ttttlcststdistttdistttlcststCH ne=

leforall

2121 quand 0)( ttttdistCH ==

A B C D H IGFE M NLKJ255

75

175

0

41

Preacutesentateur
Commentaires de preacutesentation
Derriegravere ces cluster il y a une structure que lrsquoon appelle un dendrogramme qui permet de choisir le niveau de regroupement souhaiteacute13Ce dendrograme correspond agrave une ultra-meacutetrique crsquoest-agrave-dire une distance pour laquelle lrsquoineacutegaliteacute triangulaire est sur-contrainte13Ce que jrsquoai proposeacute ici crsquoest une transformation de la distance sur un arbre de types dans lrsquoontologie agrave une ultra meacutetrique permettant de reproduire les groupements faits par les gestionnaires13

42

Preacutesentateur
Commentaires de preacutesentation
Voilagrave alors ce que lrsquoon peut produire en choisissant un niveau de deacutetail une vue radar des compeacutetences sur Sophia ici dans le domaine du logiciel avec un zoom sur les compeacutetences cœurs qui sont eacutevidemment proche du domaine des reacuteseaux

seacuteparer deux aspects

meacutetaphore matheacutematiqueles laquo distances raquo au naturel

simulations informatiquesespaces amp meacutetriques double conception

43

Preacutesentateur
Commentaires de preacutesentation
agrave ce stade jrsquoai voulu seacuteparer et travailler en parallegravele sur deux aspects des distances13le fait que lrsquoon utilise peut-ecirctre abusivement de terme distance et que cette meacutetaphore a peut-ecirctre ses limites13le fait ce que lrsquoon construit vraiment ce sont des espaces meacutetriques et qursquoil srsquoagit donc drsquoune double conception

tester les laquo distances raquo au naturel

44

Preacutesentateur
Commentaires de preacutesentation
Pour comprendre un peu mieux les distances je donne ici un exemple drsquoexpeacuterience simple que jrsquoai encadreacutee on demande ici agrave lrsquoutilisateur de positionner des concepts de faccedilon agrave ce qursquoils soient geacuteomeacutetriquement proches srsquoils sont seacutemantiquement proches Lrsquoexpeacuterience a eacuteteacute faite avec plus drsquoune trentaine de personnes de tous horizons13

tester les distances au naturel

camion

45

Preacutesentateur
Commentaires de preacutesentation
En suite si lrsquoon regarde par exemple la distance moyenne entre le concept de camion et le concept drsquoavion de bus de camionnettehellip on voit une chose inteacuteressante crsquoest que veacutehicule qui serait typiquement un pegravere des autres nrsquoest pourtant est plus loin de camion que certains de ses fregraveres et plus proche que drsquoautres sur un arbre simple avec seulement ces concepts crsquoest impossible agrave faire il faut soit modifier les concepts pour mettre des classes abstraites soit modifier les liens pour permettre drsquoautres parcours par exemple en reacuteifiant les liens aux fregraveres13

intension amp intention dusageutilisables dans un mecircme graphe concis

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

Technologie

AppareilReacuteseau

Sans-fil

WifiGSM

Teacuteleacutephone

Cellulaire

connexion

sous‐type‐et‐signature

46

Preacutesentateur
Commentaires de preacutesentation
concernant la double conception espace et meacutetrique je donne ici un exemple drsquoune approche que jrsquoessaie de systeacutematiser ougrave lrsquoon donne deux deacutefinitions formelles13une deacutefinition formelle de lrsquoespace13une deacutefinition formelle de la meacutetrique13Ici je mrsquointeacuteresse agrave eacutelargir les parcours possibles dans lrsquoontologie agrave drsquoautres graphes que celui de la hieacuterarchie des types et dans cette exemple jrsquoinclus les signatures des relations crsquoest-agrave-dire les types drsquoobjets qui peuvent ecirctre relieacutes par une relation13La meacutetrique reste la mecircme

intension amp intention dusagedeacutesambiguumliser lextraction de termes

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

5000

6000

7000

8000

9000

[Khelif et al]wclass 02wprop 04wsig 04

47

Preacutesentateur
Commentaires de preacutesentation
En incluant des poids dans la deacutefinition de lrsquoespace on peut passer progressivement drsquoune distance nrsquoutilisant que la hieacuterarchie agrave une distance nrsquoutilisant que les signatures13En appliquant cette distance agrave la deacutesambiguumlisation de termes extraits drsquoun texte (ie pour retrouver le sens dans lequel un terme est utiliseacute) on voit ici qursquoune distance hybride capable de combiner les deux espaces se comporte mieux que lrsquoune ou lrsquoautre des distances extrecircmes

4 le

ressources

des

distribueacutees

problegraveme

48

Preacutesentateur
Commentaires de preacutesentation
Nous avons vu que nous travaillons sur des meacutemoires qui utilisent le web seacutemantique dans leur mateacuterialisation et pour lesquelles la repreacutesentation et le traitement agrave base de graphes fournissaient eacutenormeacutement drsquoatouts13Cependant le contenu et les traitements de ces meacutemoires ne sont pas forceacutement sur la mecircme machine

graphesdistribueacutes

49

Preacutesentateur
Commentaires de preacutesentation
Le premier problegraveme qui peut se poser crsquoest si mes graphes ne sont pas sur la mecircme machine13Si mes triplets RDF mes arcs viennent de diffeacuterents endroits

serveursquelques

RDF

RDF

RDF

RDF

SPARQL

application web

service web

identiques

service web

service web

50

Preacutesentateur
Commentaires de preacutesentation
Nous avons consideacutereacute un cas classique en entreprise ou il y a une liste connue restreinte et stable de serveurs

broadcasteacuteviter le

51

52

index de serveurcaracteacuteriser son contenu les eacutetoiles et les chemins

53

annotation

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

54

Preacutesentateur
Commentaires de preacutesentation
voici une annotation simplifieacutee drsquoun document dans le projet SevenPro concernant la conception drsquoune voiture

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 10: HDR

10

Preacutesentateur
Commentaires de preacutesentation
Le logiciel se preacutesente comme un wiki classique On peut naviguer entre les pages On peut les eacutediter Mais on peut aussi les cateacutegoriser en associant des concepts drsquoune ontologie Les pages sont alors organiseacutees automatiquement et lrsquoon peut fournir de nouveaux services de navigation de recherche de notification etc

Knowledge Management Platformpour la gestion des partenariats sur Sophia

[RNRT]

11

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple celui drsquoune meacutemoire drsquoune communauteacute un club drsquoentreprises sur sophia Les utilisateurs sont des entreprises qui recherchent des partenariats dans la Telecom Valley13

12

Preacutesentateur
Commentaires de preacutesentation
Ici on voit comment en utilisant les descriptions de chaque entreprise on peut analyser les eacutechanges sur la chaine de valeur de Sophia et utiliser lrsquoontologie pour typer et comparer les eacutechnages

2 repreacutesenterdes connaissances et les doter drsquoune inscription numeacuterique

13

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir 3 exemples de meacutemoires agrave base drsquoontologies13La question qui se pose immeacutediatement est celle de la repreacutesentation en machine de ces meacutemoires

W3Ccopy

14

Preacutesentateur
Commentaires de preacutesentation
Nous utilisons systeacutematiquement les standards du Web dans nos repreacutesentations et nos impleacutementations13Et je participe agrave un certain nombre de groupes du W3C

W3Ccopy

15

Preacutesentateur
Commentaires de preacutesentation
La pile qui nous permet de repreacutesenter des connaissances formaliseacutees est celle du web seacutemantique

W3Creg16

Preacutesentateur
Commentaires de preacutesentation
Si lrsquoon regarde de plus pregraves la moitieacute de cette pile est maintenant standardiseacutee13RDF pour repreacutesenter des donneacutees et meacutetadonneacutees en ligne13SPARQL un langage de requecircte pour interroger des entrepocircts de RDF13RDF-S pour repreacutesenter des ontologies leacutegegraveres13OWL pour des ontologies plus lourdes13Et drsquoici quelques mois RIF pour repreacutesenter et eacutechanger des regravegles

RDF toute connaissance est deacutecomposeacutee entriplets ( sujet preacutedicat objet )

arcs ( nœud arecircte nœud )

17

ex dochtml a pour auteur Fabienet a pour thegraveme la Musique

18

dochtml a pour auteur Fabiendochtml a pour thegraveme Musique

19

Fabien

auteur

dochtml

thegraveme

Musique

20

graphesdu web seacutemantique

21

Preacutesentateur
Commentaires de preacutesentation
La structure de graphes de RDF est omnipreacutesente dans toute la pile du web seacutemantique qui se construit au-dessus de RDF13Par exemple cette petite ontologie a pour repreacutesentation en RDFS le graphe en fond drsquoeacutecran13Nous nous inteacuteressons donc systeacutematiquement aux structures graphes dans le web seacutemantiques et aux opeacuterateurs sur ces graphes qui permettent de les exploiter pour la recherche drsquoinformation et le raisonnement13

GRIWESGraphes dans les Repreacutesentations et les Infeacuterences sur le Web et Systegravemes symboliques

[COLOR LIRMM I3S]

22

Preacutesentateur
Commentaires de preacutesentation
Pour coordonner nos efforts sur ce sujet jrsquoai porteacute un projet entre lrsquoINRIA le LIRMM et lrsquoI3S ou nous avons eacutetudieacute les caracteacuteristiques communes des graphes et des traitements que nous utilisons dans nos projets de recherche

ERGraphG=(EG RG nG lG)bull EG entiteacutes bull RG hyperarcsbull nG RG rarr EG argumentsbull lG EG cup RG rarr L eacutetiquettes

23

Preacutesentateur
Commentaires de preacutesentation
Premier exemple drsquoabstraction commune agrave nos projets la notion de graphe eacutetiqueteacute orienteacute ou appeleacute graphe entiteacute-relation

EMappingune relation binaire qui associe chaque eacuteleacutement drsquoun ERGraph EHavec au plus un

eacuteleacutement drsquoun ERGraph EG24

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme exemple drsquoabstraction le mapping entre deux graphes crsquoest-agrave-dire une relation binaire qui associe chaque eacuteleacutement drsquoun graphe avec au plus un eacuteleacutement drsquoun autre graphe

visseacutes visseacutesx

z

visseacutes(xy)visseacutes(yz)

soudeacutes(zv)soudeacutes(zu)soudeacutes(uv)

visseacutes(xp) visseacutes(pz)

25

soudeacutesx

y

z

u vsoudeacutes

visseacutes visseacutes

Preacutesentateur
Commentaires de preacutesentation
Quel est lrsquointeacuterecirct drsquoun mapping il va nous permettre en premier lieu de retrouver la deacuterivation logique dans les graphes13Si je prends les assertions agrave gauche je peux les repreacutesenter par ce graphe agrave droite13Jrsquoai la mecircme eacutequivalence entre une requecircte ou des assertions agrave prouver et un graphe requecircte13Et la deacuterivation logique ici est eacutequivalente agrave un homorphisme de graphe ici un type particulier de mapping13

langage de requecircte

SPARQLSELECT FROM WHERE

26

Preacutesentateur
Commentaires de preacutesentation
La premiegravere application crsquoest de pouvoir implanter un langage de requecircte comme SPARQL sur des graphes RDF13La reacutesolution drsquoune requecircte revient agrave la recherche drsquohomomorphismes de graphes13

RDFS pour deacutefinir les classes de ressources et organiser leur hieacuterarchie Document

Rapport

27

Preacutesentateur
Commentaires de preacutesentation
RDFs va nous permettre drsquoajouter des nos meacutemoires des ontologies leacutegegraveres notamment pourhellip

RDFS pour deacutefinir les relations leur hieacuterarchie et leurs signatures creacuteateur

auteurDocument Personne

28

Preacutesentateur
Commentaires de preacutesentation
et pourhellip

FandO rarr R hArr GF le GRmapping modulo une ontologie

voiture

veacutehicule

voiture(x)rArrveacutehicule(x)

29

GF

GRveacutehicule

voiture

O

Preacutesentateur
Commentaires de preacutesentation
13Degraves lors on va complexifier notre mapping pour prendre en compte non seulement la connaissance capturer dans les graphes requecirctes et les graphes faits mais aussi la connaissance drsquoune ontologie13Notamment lorsque je dois veacuterifier que les eacutetiquettes de mon graphe requecircte et de mon graphe cible sont compatibles je vais le faire modulo une ontologie13Mecircme si veacutehicule et voiture ne sont pas les mecircme eacutetiquettes si mon ontologie dit que voiture est un sous-type de veacutehicule alors mon homomorphisme est valide13

EMappingopeacuteration centrale interroger

raisonner

visualiser

hellip

30

Preacutesentateur
Commentaires de preacutesentation
ce type drsquoopeacuteration est central pourhellip

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

31

Preacutesentateur
Commentaires de preacutesentation
La relation standard du web seacutemantique et graphes nrsquoest pas agrave sens unique On peut aussi utiliser des travaux sur les graphes pour suggeacuterer des solutions agrave des problegravemes dans les standards13Par exemple le problegraveme de la provenance des arcs drsquoun graphes RDF Il nrsquoy a pas de moyen actuellement de speacutecifier drsquoougrave viennent les diffeacuterents morceaux de mon graphe RDF

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

httpwwww3org

http wwwinriafrhttp wwwinriafrhttp wwwinriafr

httpwwww3org

32

Preacutesentateur
Commentaires de preacutesentation
En srsquoinspirant des graphes nommeacutes on peut suggeacuterer une extension de la syntaxe RDFXML pour indiquer la provenance et crsquoest ce que jrsquoai conduit en reacutedigeant une soumission drsquoextension du standard RDF au W3C13

3 espaces meacutetriques des graphes de connaissances

33

Preacutesentateur
Commentaires de preacutesentation
Nous avons donc des meacutemoires qui utilisent les formalismes du web seacutemantique et leurs structures de graphe13La structure et les manipulations de graphe ne sont pas uniquement une autre faccedilon de faire des repreacutesentations et des raisonnements logiques13Les graphes ont des caracteacuteristiques propres inteacuteressantes pour nos sceacutenarios drsquousage et crsquoest ce que nous allons voir dans cette troisiegraveme partie13

distances seacutemantiquesmeacutetaphore matheacutematique pour une comparaison intuitive

34

Preacutesentateur
Commentaires de preacutesentation
Je vais me focaliser ici sur un exemple drsquoinfeacuterence particulier les distances seacutemantiques13Il srsquoagit drsquoune meacutetaphore matheacutematique pour une comparaison intuitive13Si je considegravere un coupeacute un break et un avion naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche du break que de lrsquoavion13Cependant si maintenant je considegravere un coupeacute un avion et un livre naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche de lrsquoavion que du livre13Ces raisonnements nous les utilisons tous les jours pour comparer et eacutevaluer les diffeacuterences que nous percevons 13

simuler la meacutemoireseacutemantique est une ideacutee ancienne(Quillian 1968) (Collins amp Loftus 1975)

mais avec de nouveaux besoins

35

Preacutesentateur
Commentaires de preacutesentation
hellip nous allons voir certains de ces besoins

de linteacuterecirct dun agrave peu pregraves

ma montre na quune aiguillemais elle nest pas casseacutee

36

Preacutesentateur
Commentaires de preacutesentation
Ceci est ma montre Elle na quune aiguille mais elle nest pas casseacutee Elle se lit comme un chronomegravetre Elle donne lrsquoheure en une seule lecture donc tregraves rapidement mais en contrepartie elle est moins preacutecise les gens commettent en moyenne une erreur de lecture de 3 min13En recherche drsquoinformation aussi il peut ecirctre inteacuteressant de pouvoir obtenir une reacuteponse approcheacutee mais plus rapidement ou agrave deacutefaut de bonne reacuteponse13Crsquoest lagrave que les distances entrent en jeu

projection classique

voiture

veacutehicule

t1 lt t2 ie t1(x)rArrt2(x) T1 sub T2

voiture(x)rArrveacutehicule(x)

37

Preacutesentateur
Commentaires de preacutesentation
Reprenons notre projection modulo une ontologie fournissant des relations logiques entre les eacutetiquettes de mes graphes13

relaxer une contrainte de typage

camion

voiture

voiture(x) camion(x)

t1(x)rArrt2(x) rarr d(t1t2)ltseuil

sum neisin ⎥⎦⎤

⎢⎣⎡=leisinforall

121 )(21212

21 21)( aon )(

ttttt tdepthHc ttlttHttc

( ))()(min)( aon )( 21212

21 21ttlttlttdistHtt

cc HHttttc +=isinforall gege

38

Preacutesentateur
Commentaires de preacutesentation
Srsquoil nrsquoexiste pas de reacuteponse exacte on peut srsquointeacuteresser agrave remplacer les contraintes logiques entre les types par des contraintes numeacuteriques sur une distance entre ces types13Ici par exemple on considegravere un arbre de types et la longueur minimal des chemins seacuteparant les deux types sachant que les arcs sont exponentiellement plus courts qursquoils sont profonds dans lrsquoarbre13Et en fixant un seuil on va pouvoir controcircler les approximations que lrsquoon fait sur les types13

organiserun tas dobjets

39

Preacutesentateur
Commentaires de preacutesentation
deuxiegraveme exemple de besoin pour ces distances pour organiser et grouper des descriptions lorsque nos bases de graphes deviennent grandes et que lrsquoon veut avoir une ideacutee de ce qursquoelles contiennent

organiserdes compeacutetences

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

40

Preacutesentateur
Commentaires de preacutesentation
Dans le projet KmP preacutesenteacute au deacutebut les entreprises deacutecrivent leurs compeacutetences agrave lrsquoaide drsquoune ontologie13A lrsquoautre bout de la chaine les deacutecideurs et la reacutegion aimeraient savoir qursquoelles sont les compeacutetences preacutesentes sur Sophia13Pour cela nos collegravegues en gestion construisent des repreacutesentations comme celle-ci des groupes ou clusters des compeacutetences compleacutementaires ou similaires sur Sophia13Question avec quoi peut-on construire ces groupes13Reacuteponse avec une distance permettant de savoir lesquelles sont proches et lesquelles ne le sont pas13

organiserdes compeacutetences

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

1)(1)(2))((21 2121 21

21

21)( minusminusminus minusminus= tdepthtdepthttlcstdepthttdist

( )( ) 2121)(21 quand )(max)(21

ttttlcststdistttdistttlcststCH ne=

leforall

2121 quand 0)( ttttdistCH ==

A B C D H IGFE M NLKJ255

75

175

0

41

Preacutesentateur
Commentaires de preacutesentation
Derriegravere ces cluster il y a une structure que lrsquoon appelle un dendrogramme qui permet de choisir le niveau de regroupement souhaiteacute13Ce dendrograme correspond agrave une ultra-meacutetrique crsquoest-agrave-dire une distance pour laquelle lrsquoineacutegaliteacute triangulaire est sur-contrainte13Ce que jrsquoai proposeacute ici crsquoest une transformation de la distance sur un arbre de types dans lrsquoontologie agrave une ultra meacutetrique permettant de reproduire les groupements faits par les gestionnaires13

42

Preacutesentateur
Commentaires de preacutesentation
Voilagrave alors ce que lrsquoon peut produire en choisissant un niveau de deacutetail une vue radar des compeacutetences sur Sophia ici dans le domaine du logiciel avec un zoom sur les compeacutetences cœurs qui sont eacutevidemment proche du domaine des reacuteseaux

seacuteparer deux aspects

meacutetaphore matheacutematiqueles laquo distances raquo au naturel

simulations informatiquesespaces amp meacutetriques double conception

43

Preacutesentateur
Commentaires de preacutesentation
agrave ce stade jrsquoai voulu seacuteparer et travailler en parallegravele sur deux aspects des distances13le fait que lrsquoon utilise peut-ecirctre abusivement de terme distance et que cette meacutetaphore a peut-ecirctre ses limites13le fait ce que lrsquoon construit vraiment ce sont des espaces meacutetriques et qursquoil srsquoagit donc drsquoune double conception

tester les laquo distances raquo au naturel

44

Preacutesentateur
Commentaires de preacutesentation
Pour comprendre un peu mieux les distances je donne ici un exemple drsquoexpeacuterience simple que jrsquoai encadreacutee on demande ici agrave lrsquoutilisateur de positionner des concepts de faccedilon agrave ce qursquoils soient geacuteomeacutetriquement proches srsquoils sont seacutemantiquement proches Lrsquoexpeacuterience a eacuteteacute faite avec plus drsquoune trentaine de personnes de tous horizons13

tester les distances au naturel

camion

45

Preacutesentateur
Commentaires de preacutesentation
En suite si lrsquoon regarde par exemple la distance moyenne entre le concept de camion et le concept drsquoavion de bus de camionnettehellip on voit une chose inteacuteressante crsquoest que veacutehicule qui serait typiquement un pegravere des autres nrsquoest pourtant est plus loin de camion que certains de ses fregraveres et plus proche que drsquoautres sur un arbre simple avec seulement ces concepts crsquoest impossible agrave faire il faut soit modifier les concepts pour mettre des classes abstraites soit modifier les liens pour permettre drsquoautres parcours par exemple en reacuteifiant les liens aux fregraveres13

intension amp intention dusageutilisables dans un mecircme graphe concis

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

Technologie

AppareilReacuteseau

Sans-fil

WifiGSM

Teacuteleacutephone

Cellulaire

connexion

sous‐type‐et‐signature

46

Preacutesentateur
Commentaires de preacutesentation
concernant la double conception espace et meacutetrique je donne ici un exemple drsquoune approche que jrsquoessaie de systeacutematiser ougrave lrsquoon donne deux deacutefinitions formelles13une deacutefinition formelle de lrsquoespace13une deacutefinition formelle de la meacutetrique13Ici je mrsquointeacuteresse agrave eacutelargir les parcours possibles dans lrsquoontologie agrave drsquoautres graphes que celui de la hieacuterarchie des types et dans cette exemple jrsquoinclus les signatures des relations crsquoest-agrave-dire les types drsquoobjets qui peuvent ecirctre relieacutes par une relation13La meacutetrique reste la mecircme

intension amp intention dusagedeacutesambiguumliser lextraction de termes

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

5000

6000

7000

8000

9000

[Khelif et al]wclass 02wprop 04wsig 04

47

Preacutesentateur
Commentaires de preacutesentation
En incluant des poids dans la deacutefinition de lrsquoespace on peut passer progressivement drsquoune distance nrsquoutilisant que la hieacuterarchie agrave une distance nrsquoutilisant que les signatures13En appliquant cette distance agrave la deacutesambiguumlisation de termes extraits drsquoun texte (ie pour retrouver le sens dans lequel un terme est utiliseacute) on voit ici qursquoune distance hybride capable de combiner les deux espaces se comporte mieux que lrsquoune ou lrsquoautre des distances extrecircmes

4 le

ressources

des

distribueacutees

problegraveme

48

Preacutesentateur
Commentaires de preacutesentation
Nous avons vu que nous travaillons sur des meacutemoires qui utilisent le web seacutemantique dans leur mateacuterialisation et pour lesquelles la repreacutesentation et le traitement agrave base de graphes fournissaient eacutenormeacutement drsquoatouts13Cependant le contenu et les traitements de ces meacutemoires ne sont pas forceacutement sur la mecircme machine

graphesdistribueacutes

49

Preacutesentateur
Commentaires de preacutesentation
Le premier problegraveme qui peut se poser crsquoest si mes graphes ne sont pas sur la mecircme machine13Si mes triplets RDF mes arcs viennent de diffeacuterents endroits

serveursquelques

RDF

RDF

RDF

RDF

SPARQL

application web

service web

identiques

service web

service web

50

Preacutesentateur
Commentaires de preacutesentation
Nous avons consideacutereacute un cas classique en entreprise ou il y a une liste connue restreinte et stable de serveurs

broadcasteacuteviter le

51

52

index de serveurcaracteacuteriser son contenu les eacutetoiles et les chemins

53

annotation

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

54

Preacutesentateur
Commentaires de preacutesentation
voici une annotation simplifieacutee drsquoun document dans le projet SevenPro concernant la conception drsquoune voiture

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 11: HDR

Knowledge Management Platformpour la gestion des partenariats sur Sophia

[RNRT]

11

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple celui drsquoune meacutemoire drsquoune communauteacute un club drsquoentreprises sur sophia Les utilisateurs sont des entreprises qui recherchent des partenariats dans la Telecom Valley13

12

Preacutesentateur
Commentaires de preacutesentation
Ici on voit comment en utilisant les descriptions de chaque entreprise on peut analyser les eacutechanges sur la chaine de valeur de Sophia et utiliser lrsquoontologie pour typer et comparer les eacutechnages

2 repreacutesenterdes connaissances et les doter drsquoune inscription numeacuterique

13

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir 3 exemples de meacutemoires agrave base drsquoontologies13La question qui se pose immeacutediatement est celle de la repreacutesentation en machine de ces meacutemoires

W3Ccopy

14

Preacutesentateur
Commentaires de preacutesentation
Nous utilisons systeacutematiquement les standards du Web dans nos repreacutesentations et nos impleacutementations13Et je participe agrave un certain nombre de groupes du W3C

W3Ccopy

15

Preacutesentateur
Commentaires de preacutesentation
La pile qui nous permet de repreacutesenter des connaissances formaliseacutees est celle du web seacutemantique

W3Creg16

Preacutesentateur
Commentaires de preacutesentation
Si lrsquoon regarde de plus pregraves la moitieacute de cette pile est maintenant standardiseacutee13RDF pour repreacutesenter des donneacutees et meacutetadonneacutees en ligne13SPARQL un langage de requecircte pour interroger des entrepocircts de RDF13RDF-S pour repreacutesenter des ontologies leacutegegraveres13OWL pour des ontologies plus lourdes13Et drsquoici quelques mois RIF pour repreacutesenter et eacutechanger des regravegles

RDF toute connaissance est deacutecomposeacutee entriplets ( sujet preacutedicat objet )

arcs ( nœud arecircte nœud )

17

ex dochtml a pour auteur Fabienet a pour thegraveme la Musique

18

dochtml a pour auteur Fabiendochtml a pour thegraveme Musique

19

Fabien

auteur

dochtml

thegraveme

Musique

20

graphesdu web seacutemantique

21

Preacutesentateur
Commentaires de preacutesentation
La structure de graphes de RDF est omnipreacutesente dans toute la pile du web seacutemantique qui se construit au-dessus de RDF13Par exemple cette petite ontologie a pour repreacutesentation en RDFS le graphe en fond drsquoeacutecran13Nous nous inteacuteressons donc systeacutematiquement aux structures graphes dans le web seacutemantiques et aux opeacuterateurs sur ces graphes qui permettent de les exploiter pour la recherche drsquoinformation et le raisonnement13

GRIWESGraphes dans les Repreacutesentations et les Infeacuterences sur le Web et Systegravemes symboliques

[COLOR LIRMM I3S]

22

Preacutesentateur
Commentaires de preacutesentation
Pour coordonner nos efforts sur ce sujet jrsquoai porteacute un projet entre lrsquoINRIA le LIRMM et lrsquoI3S ou nous avons eacutetudieacute les caracteacuteristiques communes des graphes et des traitements que nous utilisons dans nos projets de recherche

ERGraphG=(EG RG nG lG)bull EG entiteacutes bull RG hyperarcsbull nG RG rarr EG argumentsbull lG EG cup RG rarr L eacutetiquettes

23

Preacutesentateur
Commentaires de preacutesentation
Premier exemple drsquoabstraction commune agrave nos projets la notion de graphe eacutetiqueteacute orienteacute ou appeleacute graphe entiteacute-relation

EMappingune relation binaire qui associe chaque eacuteleacutement drsquoun ERGraph EHavec au plus un

eacuteleacutement drsquoun ERGraph EG24

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme exemple drsquoabstraction le mapping entre deux graphes crsquoest-agrave-dire une relation binaire qui associe chaque eacuteleacutement drsquoun graphe avec au plus un eacuteleacutement drsquoun autre graphe

visseacutes visseacutesx

z

visseacutes(xy)visseacutes(yz)

soudeacutes(zv)soudeacutes(zu)soudeacutes(uv)

visseacutes(xp) visseacutes(pz)

25

soudeacutesx

y

z

u vsoudeacutes

visseacutes visseacutes

Preacutesentateur
Commentaires de preacutesentation
Quel est lrsquointeacuterecirct drsquoun mapping il va nous permettre en premier lieu de retrouver la deacuterivation logique dans les graphes13Si je prends les assertions agrave gauche je peux les repreacutesenter par ce graphe agrave droite13Jrsquoai la mecircme eacutequivalence entre une requecircte ou des assertions agrave prouver et un graphe requecircte13Et la deacuterivation logique ici est eacutequivalente agrave un homorphisme de graphe ici un type particulier de mapping13

langage de requecircte

SPARQLSELECT FROM WHERE

26

Preacutesentateur
Commentaires de preacutesentation
La premiegravere application crsquoest de pouvoir implanter un langage de requecircte comme SPARQL sur des graphes RDF13La reacutesolution drsquoune requecircte revient agrave la recherche drsquohomomorphismes de graphes13

RDFS pour deacutefinir les classes de ressources et organiser leur hieacuterarchie Document

Rapport

27

Preacutesentateur
Commentaires de preacutesentation
RDFs va nous permettre drsquoajouter des nos meacutemoires des ontologies leacutegegraveres notamment pourhellip

RDFS pour deacutefinir les relations leur hieacuterarchie et leurs signatures creacuteateur

auteurDocument Personne

28

Preacutesentateur
Commentaires de preacutesentation
et pourhellip

FandO rarr R hArr GF le GRmapping modulo une ontologie

voiture

veacutehicule

voiture(x)rArrveacutehicule(x)

29

GF

GRveacutehicule

voiture

O

Preacutesentateur
Commentaires de preacutesentation
13Degraves lors on va complexifier notre mapping pour prendre en compte non seulement la connaissance capturer dans les graphes requecirctes et les graphes faits mais aussi la connaissance drsquoune ontologie13Notamment lorsque je dois veacuterifier que les eacutetiquettes de mon graphe requecircte et de mon graphe cible sont compatibles je vais le faire modulo une ontologie13Mecircme si veacutehicule et voiture ne sont pas les mecircme eacutetiquettes si mon ontologie dit que voiture est un sous-type de veacutehicule alors mon homomorphisme est valide13

EMappingopeacuteration centrale interroger

raisonner

visualiser

hellip

30

Preacutesentateur
Commentaires de preacutesentation
ce type drsquoopeacuteration est central pourhellip

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

31

Preacutesentateur
Commentaires de preacutesentation
La relation standard du web seacutemantique et graphes nrsquoest pas agrave sens unique On peut aussi utiliser des travaux sur les graphes pour suggeacuterer des solutions agrave des problegravemes dans les standards13Par exemple le problegraveme de la provenance des arcs drsquoun graphes RDF Il nrsquoy a pas de moyen actuellement de speacutecifier drsquoougrave viennent les diffeacuterents morceaux de mon graphe RDF

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

httpwwww3org

http wwwinriafrhttp wwwinriafrhttp wwwinriafr

httpwwww3org

32

Preacutesentateur
Commentaires de preacutesentation
En srsquoinspirant des graphes nommeacutes on peut suggeacuterer une extension de la syntaxe RDFXML pour indiquer la provenance et crsquoest ce que jrsquoai conduit en reacutedigeant une soumission drsquoextension du standard RDF au W3C13

3 espaces meacutetriques des graphes de connaissances

33

Preacutesentateur
Commentaires de preacutesentation
Nous avons donc des meacutemoires qui utilisent les formalismes du web seacutemantique et leurs structures de graphe13La structure et les manipulations de graphe ne sont pas uniquement une autre faccedilon de faire des repreacutesentations et des raisonnements logiques13Les graphes ont des caracteacuteristiques propres inteacuteressantes pour nos sceacutenarios drsquousage et crsquoest ce que nous allons voir dans cette troisiegraveme partie13

distances seacutemantiquesmeacutetaphore matheacutematique pour une comparaison intuitive

34

Preacutesentateur
Commentaires de preacutesentation
Je vais me focaliser ici sur un exemple drsquoinfeacuterence particulier les distances seacutemantiques13Il srsquoagit drsquoune meacutetaphore matheacutematique pour une comparaison intuitive13Si je considegravere un coupeacute un break et un avion naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche du break que de lrsquoavion13Cependant si maintenant je considegravere un coupeacute un avion et un livre naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche de lrsquoavion que du livre13Ces raisonnements nous les utilisons tous les jours pour comparer et eacutevaluer les diffeacuterences que nous percevons 13

simuler la meacutemoireseacutemantique est une ideacutee ancienne(Quillian 1968) (Collins amp Loftus 1975)

mais avec de nouveaux besoins

35

Preacutesentateur
Commentaires de preacutesentation
hellip nous allons voir certains de ces besoins

de linteacuterecirct dun agrave peu pregraves

ma montre na quune aiguillemais elle nest pas casseacutee

36

Preacutesentateur
Commentaires de preacutesentation
Ceci est ma montre Elle na quune aiguille mais elle nest pas casseacutee Elle se lit comme un chronomegravetre Elle donne lrsquoheure en une seule lecture donc tregraves rapidement mais en contrepartie elle est moins preacutecise les gens commettent en moyenne une erreur de lecture de 3 min13En recherche drsquoinformation aussi il peut ecirctre inteacuteressant de pouvoir obtenir une reacuteponse approcheacutee mais plus rapidement ou agrave deacutefaut de bonne reacuteponse13Crsquoest lagrave que les distances entrent en jeu

projection classique

voiture

veacutehicule

t1 lt t2 ie t1(x)rArrt2(x) T1 sub T2

voiture(x)rArrveacutehicule(x)

37

Preacutesentateur
Commentaires de preacutesentation
Reprenons notre projection modulo une ontologie fournissant des relations logiques entre les eacutetiquettes de mes graphes13

relaxer une contrainte de typage

camion

voiture

voiture(x) camion(x)

t1(x)rArrt2(x) rarr d(t1t2)ltseuil

sum neisin ⎥⎦⎤

⎢⎣⎡=leisinforall

121 )(21212

21 21)( aon )(

ttttt tdepthHc ttlttHttc

( ))()(min)( aon )( 21212

21 21ttlttlttdistHtt

cc HHttttc +=isinforall gege

38

Preacutesentateur
Commentaires de preacutesentation
Srsquoil nrsquoexiste pas de reacuteponse exacte on peut srsquointeacuteresser agrave remplacer les contraintes logiques entre les types par des contraintes numeacuteriques sur une distance entre ces types13Ici par exemple on considegravere un arbre de types et la longueur minimal des chemins seacuteparant les deux types sachant que les arcs sont exponentiellement plus courts qursquoils sont profonds dans lrsquoarbre13Et en fixant un seuil on va pouvoir controcircler les approximations que lrsquoon fait sur les types13

organiserun tas dobjets

39

Preacutesentateur
Commentaires de preacutesentation
deuxiegraveme exemple de besoin pour ces distances pour organiser et grouper des descriptions lorsque nos bases de graphes deviennent grandes et que lrsquoon veut avoir une ideacutee de ce qursquoelles contiennent

organiserdes compeacutetences

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

40

Preacutesentateur
Commentaires de preacutesentation
Dans le projet KmP preacutesenteacute au deacutebut les entreprises deacutecrivent leurs compeacutetences agrave lrsquoaide drsquoune ontologie13A lrsquoautre bout de la chaine les deacutecideurs et la reacutegion aimeraient savoir qursquoelles sont les compeacutetences preacutesentes sur Sophia13Pour cela nos collegravegues en gestion construisent des repreacutesentations comme celle-ci des groupes ou clusters des compeacutetences compleacutementaires ou similaires sur Sophia13Question avec quoi peut-on construire ces groupes13Reacuteponse avec une distance permettant de savoir lesquelles sont proches et lesquelles ne le sont pas13

organiserdes compeacutetences

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

1)(1)(2))((21 2121 21

21

21)( minusminusminus minusminus= tdepthtdepthttlcstdepthttdist

( )( ) 2121)(21 quand )(max)(21

ttttlcststdistttdistttlcststCH ne=

leforall

2121 quand 0)( ttttdistCH ==

A B C D H IGFE M NLKJ255

75

175

0

41

Preacutesentateur
Commentaires de preacutesentation
Derriegravere ces cluster il y a une structure que lrsquoon appelle un dendrogramme qui permet de choisir le niveau de regroupement souhaiteacute13Ce dendrograme correspond agrave une ultra-meacutetrique crsquoest-agrave-dire une distance pour laquelle lrsquoineacutegaliteacute triangulaire est sur-contrainte13Ce que jrsquoai proposeacute ici crsquoest une transformation de la distance sur un arbre de types dans lrsquoontologie agrave une ultra meacutetrique permettant de reproduire les groupements faits par les gestionnaires13

42

Preacutesentateur
Commentaires de preacutesentation
Voilagrave alors ce que lrsquoon peut produire en choisissant un niveau de deacutetail une vue radar des compeacutetences sur Sophia ici dans le domaine du logiciel avec un zoom sur les compeacutetences cœurs qui sont eacutevidemment proche du domaine des reacuteseaux

seacuteparer deux aspects

meacutetaphore matheacutematiqueles laquo distances raquo au naturel

simulations informatiquesespaces amp meacutetriques double conception

43

Preacutesentateur
Commentaires de preacutesentation
agrave ce stade jrsquoai voulu seacuteparer et travailler en parallegravele sur deux aspects des distances13le fait que lrsquoon utilise peut-ecirctre abusivement de terme distance et que cette meacutetaphore a peut-ecirctre ses limites13le fait ce que lrsquoon construit vraiment ce sont des espaces meacutetriques et qursquoil srsquoagit donc drsquoune double conception

tester les laquo distances raquo au naturel

44

Preacutesentateur
Commentaires de preacutesentation
Pour comprendre un peu mieux les distances je donne ici un exemple drsquoexpeacuterience simple que jrsquoai encadreacutee on demande ici agrave lrsquoutilisateur de positionner des concepts de faccedilon agrave ce qursquoils soient geacuteomeacutetriquement proches srsquoils sont seacutemantiquement proches Lrsquoexpeacuterience a eacuteteacute faite avec plus drsquoune trentaine de personnes de tous horizons13

tester les distances au naturel

camion

45

Preacutesentateur
Commentaires de preacutesentation
En suite si lrsquoon regarde par exemple la distance moyenne entre le concept de camion et le concept drsquoavion de bus de camionnettehellip on voit une chose inteacuteressante crsquoest que veacutehicule qui serait typiquement un pegravere des autres nrsquoest pourtant est plus loin de camion que certains de ses fregraveres et plus proche que drsquoautres sur un arbre simple avec seulement ces concepts crsquoest impossible agrave faire il faut soit modifier les concepts pour mettre des classes abstraites soit modifier les liens pour permettre drsquoautres parcours par exemple en reacuteifiant les liens aux fregraveres13

intension amp intention dusageutilisables dans un mecircme graphe concis

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

Technologie

AppareilReacuteseau

Sans-fil

WifiGSM

Teacuteleacutephone

Cellulaire

connexion

sous‐type‐et‐signature

46

Preacutesentateur
Commentaires de preacutesentation
concernant la double conception espace et meacutetrique je donne ici un exemple drsquoune approche que jrsquoessaie de systeacutematiser ougrave lrsquoon donne deux deacutefinitions formelles13une deacutefinition formelle de lrsquoespace13une deacutefinition formelle de la meacutetrique13Ici je mrsquointeacuteresse agrave eacutelargir les parcours possibles dans lrsquoontologie agrave drsquoautres graphes que celui de la hieacuterarchie des types et dans cette exemple jrsquoinclus les signatures des relations crsquoest-agrave-dire les types drsquoobjets qui peuvent ecirctre relieacutes par une relation13La meacutetrique reste la mecircme

intension amp intention dusagedeacutesambiguumliser lextraction de termes

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

5000

6000

7000

8000

9000

[Khelif et al]wclass 02wprop 04wsig 04

47

Preacutesentateur
Commentaires de preacutesentation
En incluant des poids dans la deacutefinition de lrsquoespace on peut passer progressivement drsquoune distance nrsquoutilisant que la hieacuterarchie agrave une distance nrsquoutilisant que les signatures13En appliquant cette distance agrave la deacutesambiguumlisation de termes extraits drsquoun texte (ie pour retrouver le sens dans lequel un terme est utiliseacute) on voit ici qursquoune distance hybride capable de combiner les deux espaces se comporte mieux que lrsquoune ou lrsquoautre des distances extrecircmes

4 le

ressources

des

distribueacutees

problegraveme

48

Preacutesentateur
Commentaires de preacutesentation
Nous avons vu que nous travaillons sur des meacutemoires qui utilisent le web seacutemantique dans leur mateacuterialisation et pour lesquelles la repreacutesentation et le traitement agrave base de graphes fournissaient eacutenormeacutement drsquoatouts13Cependant le contenu et les traitements de ces meacutemoires ne sont pas forceacutement sur la mecircme machine

graphesdistribueacutes

49

Preacutesentateur
Commentaires de preacutesentation
Le premier problegraveme qui peut se poser crsquoest si mes graphes ne sont pas sur la mecircme machine13Si mes triplets RDF mes arcs viennent de diffeacuterents endroits

serveursquelques

RDF

RDF

RDF

RDF

SPARQL

application web

service web

identiques

service web

service web

50

Preacutesentateur
Commentaires de preacutesentation
Nous avons consideacutereacute un cas classique en entreprise ou il y a une liste connue restreinte et stable de serveurs

broadcasteacuteviter le

51

52

index de serveurcaracteacuteriser son contenu les eacutetoiles et les chemins

53

annotation

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

54

Preacutesentateur
Commentaires de preacutesentation
voici une annotation simplifieacutee drsquoun document dans le projet SevenPro concernant la conception drsquoune voiture

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 12: HDR

12

Preacutesentateur
Commentaires de preacutesentation
Ici on voit comment en utilisant les descriptions de chaque entreprise on peut analyser les eacutechanges sur la chaine de valeur de Sophia et utiliser lrsquoontologie pour typer et comparer les eacutechnages

2 repreacutesenterdes connaissances et les doter drsquoune inscription numeacuterique

13

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir 3 exemples de meacutemoires agrave base drsquoontologies13La question qui se pose immeacutediatement est celle de la repreacutesentation en machine de ces meacutemoires

W3Ccopy

14

Preacutesentateur
Commentaires de preacutesentation
Nous utilisons systeacutematiquement les standards du Web dans nos repreacutesentations et nos impleacutementations13Et je participe agrave un certain nombre de groupes du W3C

W3Ccopy

15

Preacutesentateur
Commentaires de preacutesentation
La pile qui nous permet de repreacutesenter des connaissances formaliseacutees est celle du web seacutemantique

W3Creg16

Preacutesentateur
Commentaires de preacutesentation
Si lrsquoon regarde de plus pregraves la moitieacute de cette pile est maintenant standardiseacutee13RDF pour repreacutesenter des donneacutees et meacutetadonneacutees en ligne13SPARQL un langage de requecircte pour interroger des entrepocircts de RDF13RDF-S pour repreacutesenter des ontologies leacutegegraveres13OWL pour des ontologies plus lourdes13Et drsquoici quelques mois RIF pour repreacutesenter et eacutechanger des regravegles

RDF toute connaissance est deacutecomposeacutee entriplets ( sujet preacutedicat objet )

arcs ( nœud arecircte nœud )

17

ex dochtml a pour auteur Fabienet a pour thegraveme la Musique

18

dochtml a pour auteur Fabiendochtml a pour thegraveme Musique

19

Fabien

auteur

dochtml

thegraveme

Musique

20

graphesdu web seacutemantique

21

Preacutesentateur
Commentaires de preacutesentation
La structure de graphes de RDF est omnipreacutesente dans toute la pile du web seacutemantique qui se construit au-dessus de RDF13Par exemple cette petite ontologie a pour repreacutesentation en RDFS le graphe en fond drsquoeacutecran13Nous nous inteacuteressons donc systeacutematiquement aux structures graphes dans le web seacutemantiques et aux opeacuterateurs sur ces graphes qui permettent de les exploiter pour la recherche drsquoinformation et le raisonnement13

GRIWESGraphes dans les Repreacutesentations et les Infeacuterences sur le Web et Systegravemes symboliques

[COLOR LIRMM I3S]

22

Preacutesentateur
Commentaires de preacutesentation
Pour coordonner nos efforts sur ce sujet jrsquoai porteacute un projet entre lrsquoINRIA le LIRMM et lrsquoI3S ou nous avons eacutetudieacute les caracteacuteristiques communes des graphes et des traitements que nous utilisons dans nos projets de recherche

ERGraphG=(EG RG nG lG)bull EG entiteacutes bull RG hyperarcsbull nG RG rarr EG argumentsbull lG EG cup RG rarr L eacutetiquettes

23

Preacutesentateur
Commentaires de preacutesentation
Premier exemple drsquoabstraction commune agrave nos projets la notion de graphe eacutetiqueteacute orienteacute ou appeleacute graphe entiteacute-relation

EMappingune relation binaire qui associe chaque eacuteleacutement drsquoun ERGraph EHavec au plus un

eacuteleacutement drsquoun ERGraph EG24

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme exemple drsquoabstraction le mapping entre deux graphes crsquoest-agrave-dire une relation binaire qui associe chaque eacuteleacutement drsquoun graphe avec au plus un eacuteleacutement drsquoun autre graphe

visseacutes visseacutesx

z

visseacutes(xy)visseacutes(yz)

soudeacutes(zv)soudeacutes(zu)soudeacutes(uv)

visseacutes(xp) visseacutes(pz)

25

soudeacutesx

y

z

u vsoudeacutes

visseacutes visseacutes

Preacutesentateur
Commentaires de preacutesentation
Quel est lrsquointeacuterecirct drsquoun mapping il va nous permettre en premier lieu de retrouver la deacuterivation logique dans les graphes13Si je prends les assertions agrave gauche je peux les repreacutesenter par ce graphe agrave droite13Jrsquoai la mecircme eacutequivalence entre une requecircte ou des assertions agrave prouver et un graphe requecircte13Et la deacuterivation logique ici est eacutequivalente agrave un homorphisme de graphe ici un type particulier de mapping13

langage de requecircte

SPARQLSELECT FROM WHERE

26

Preacutesentateur
Commentaires de preacutesentation
La premiegravere application crsquoest de pouvoir implanter un langage de requecircte comme SPARQL sur des graphes RDF13La reacutesolution drsquoune requecircte revient agrave la recherche drsquohomomorphismes de graphes13

RDFS pour deacutefinir les classes de ressources et organiser leur hieacuterarchie Document

Rapport

27

Preacutesentateur
Commentaires de preacutesentation
RDFs va nous permettre drsquoajouter des nos meacutemoires des ontologies leacutegegraveres notamment pourhellip

RDFS pour deacutefinir les relations leur hieacuterarchie et leurs signatures creacuteateur

auteurDocument Personne

28

Preacutesentateur
Commentaires de preacutesentation
et pourhellip

FandO rarr R hArr GF le GRmapping modulo une ontologie

voiture

veacutehicule

voiture(x)rArrveacutehicule(x)

29

GF

GRveacutehicule

voiture

O

Preacutesentateur
Commentaires de preacutesentation
13Degraves lors on va complexifier notre mapping pour prendre en compte non seulement la connaissance capturer dans les graphes requecirctes et les graphes faits mais aussi la connaissance drsquoune ontologie13Notamment lorsque je dois veacuterifier que les eacutetiquettes de mon graphe requecircte et de mon graphe cible sont compatibles je vais le faire modulo une ontologie13Mecircme si veacutehicule et voiture ne sont pas les mecircme eacutetiquettes si mon ontologie dit que voiture est un sous-type de veacutehicule alors mon homomorphisme est valide13

EMappingopeacuteration centrale interroger

raisonner

visualiser

hellip

30

Preacutesentateur
Commentaires de preacutesentation
ce type drsquoopeacuteration est central pourhellip

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

31

Preacutesentateur
Commentaires de preacutesentation
La relation standard du web seacutemantique et graphes nrsquoest pas agrave sens unique On peut aussi utiliser des travaux sur les graphes pour suggeacuterer des solutions agrave des problegravemes dans les standards13Par exemple le problegraveme de la provenance des arcs drsquoun graphes RDF Il nrsquoy a pas de moyen actuellement de speacutecifier drsquoougrave viennent les diffeacuterents morceaux de mon graphe RDF

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

httpwwww3org

http wwwinriafrhttp wwwinriafrhttp wwwinriafr

httpwwww3org

32

Preacutesentateur
Commentaires de preacutesentation
En srsquoinspirant des graphes nommeacutes on peut suggeacuterer une extension de la syntaxe RDFXML pour indiquer la provenance et crsquoest ce que jrsquoai conduit en reacutedigeant une soumission drsquoextension du standard RDF au W3C13

3 espaces meacutetriques des graphes de connaissances

33

Preacutesentateur
Commentaires de preacutesentation
Nous avons donc des meacutemoires qui utilisent les formalismes du web seacutemantique et leurs structures de graphe13La structure et les manipulations de graphe ne sont pas uniquement une autre faccedilon de faire des repreacutesentations et des raisonnements logiques13Les graphes ont des caracteacuteristiques propres inteacuteressantes pour nos sceacutenarios drsquousage et crsquoest ce que nous allons voir dans cette troisiegraveme partie13

distances seacutemantiquesmeacutetaphore matheacutematique pour une comparaison intuitive

34

Preacutesentateur
Commentaires de preacutesentation
Je vais me focaliser ici sur un exemple drsquoinfeacuterence particulier les distances seacutemantiques13Il srsquoagit drsquoune meacutetaphore matheacutematique pour une comparaison intuitive13Si je considegravere un coupeacute un break et un avion naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche du break que de lrsquoavion13Cependant si maintenant je considegravere un coupeacute un avion et un livre naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche de lrsquoavion que du livre13Ces raisonnements nous les utilisons tous les jours pour comparer et eacutevaluer les diffeacuterences que nous percevons 13

simuler la meacutemoireseacutemantique est une ideacutee ancienne(Quillian 1968) (Collins amp Loftus 1975)

mais avec de nouveaux besoins

35

Preacutesentateur
Commentaires de preacutesentation
hellip nous allons voir certains de ces besoins

de linteacuterecirct dun agrave peu pregraves

ma montre na quune aiguillemais elle nest pas casseacutee

36

Preacutesentateur
Commentaires de preacutesentation
Ceci est ma montre Elle na quune aiguille mais elle nest pas casseacutee Elle se lit comme un chronomegravetre Elle donne lrsquoheure en une seule lecture donc tregraves rapidement mais en contrepartie elle est moins preacutecise les gens commettent en moyenne une erreur de lecture de 3 min13En recherche drsquoinformation aussi il peut ecirctre inteacuteressant de pouvoir obtenir une reacuteponse approcheacutee mais plus rapidement ou agrave deacutefaut de bonne reacuteponse13Crsquoest lagrave que les distances entrent en jeu

projection classique

voiture

veacutehicule

t1 lt t2 ie t1(x)rArrt2(x) T1 sub T2

voiture(x)rArrveacutehicule(x)

37

Preacutesentateur
Commentaires de preacutesentation
Reprenons notre projection modulo une ontologie fournissant des relations logiques entre les eacutetiquettes de mes graphes13

relaxer une contrainte de typage

camion

voiture

voiture(x) camion(x)

t1(x)rArrt2(x) rarr d(t1t2)ltseuil

sum neisin ⎥⎦⎤

⎢⎣⎡=leisinforall

121 )(21212

21 21)( aon )(

ttttt tdepthHc ttlttHttc

( ))()(min)( aon )( 21212

21 21ttlttlttdistHtt

cc HHttttc +=isinforall gege

38

Preacutesentateur
Commentaires de preacutesentation
Srsquoil nrsquoexiste pas de reacuteponse exacte on peut srsquointeacuteresser agrave remplacer les contraintes logiques entre les types par des contraintes numeacuteriques sur une distance entre ces types13Ici par exemple on considegravere un arbre de types et la longueur minimal des chemins seacuteparant les deux types sachant que les arcs sont exponentiellement plus courts qursquoils sont profonds dans lrsquoarbre13Et en fixant un seuil on va pouvoir controcircler les approximations que lrsquoon fait sur les types13

organiserun tas dobjets

39

Preacutesentateur
Commentaires de preacutesentation
deuxiegraveme exemple de besoin pour ces distances pour organiser et grouper des descriptions lorsque nos bases de graphes deviennent grandes et que lrsquoon veut avoir une ideacutee de ce qursquoelles contiennent

organiserdes compeacutetences

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

40

Preacutesentateur
Commentaires de preacutesentation
Dans le projet KmP preacutesenteacute au deacutebut les entreprises deacutecrivent leurs compeacutetences agrave lrsquoaide drsquoune ontologie13A lrsquoautre bout de la chaine les deacutecideurs et la reacutegion aimeraient savoir qursquoelles sont les compeacutetences preacutesentes sur Sophia13Pour cela nos collegravegues en gestion construisent des repreacutesentations comme celle-ci des groupes ou clusters des compeacutetences compleacutementaires ou similaires sur Sophia13Question avec quoi peut-on construire ces groupes13Reacuteponse avec une distance permettant de savoir lesquelles sont proches et lesquelles ne le sont pas13

organiserdes compeacutetences

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

1)(1)(2))((21 2121 21

21

21)( minusminusminus minusminus= tdepthtdepthttlcstdepthttdist

( )( ) 2121)(21 quand )(max)(21

ttttlcststdistttdistttlcststCH ne=

leforall

2121 quand 0)( ttttdistCH ==

A B C D H IGFE M NLKJ255

75

175

0

41

Preacutesentateur
Commentaires de preacutesentation
Derriegravere ces cluster il y a une structure que lrsquoon appelle un dendrogramme qui permet de choisir le niveau de regroupement souhaiteacute13Ce dendrograme correspond agrave une ultra-meacutetrique crsquoest-agrave-dire une distance pour laquelle lrsquoineacutegaliteacute triangulaire est sur-contrainte13Ce que jrsquoai proposeacute ici crsquoest une transformation de la distance sur un arbre de types dans lrsquoontologie agrave une ultra meacutetrique permettant de reproduire les groupements faits par les gestionnaires13

42

Preacutesentateur
Commentaires de preacutesentation
Voilagrave alors ce que lrsquoon peut produire en choisissant un niveau de deacutetail une vue radar des compeacutetences sur Sophia ici dans le domaine du logiciel avec un zoom sur les compeacutetences cœurs qui sont eacutevidemment proche du domaine des reacuteseaux

seacuteparer deux aspects

meacutetaphore matheacutematiqueles laquo distances raquo au naturel

simulations informatiquesespaces amp meacutetriques double conception

43

Preacutesentateur
Commentaires de preacutesentation
agrave ce stade jrsquoai voulu seacuteparer et travailler en parallegravele sur deux aspects des distances13le fait que lrsquoon utilise peut-ecirctre abusivement de terme distance et que cette meacutetaphore a peut-ecirctre ses limites13le fait ce que lrsquoon construit vraiment ce sont des espaces meacutetriques et qursquoil srsquoagit donc drsquoune double conception

tester les laquo distances raquo au naturel

44

Preacutesentateur
Commentaires de preacutesentation
Pour comprendre un peu mieux les distances je donne ici un exemple drsquoexpeacuterience simple que jrsquoai encadreacutee on demande ici agrave lrsquoutilisateur de positionner des concepts de faccedilon agrave ce qursquoils soient geacuteomeacutetriquement proches srsquoils sont seacutemantiquement proches Lrsquoexpeacuterience a eacuteteacute faite avec plus drsquoune trentaine de personnes de tous horizons13

tester les distances au naturel

camion

45

Preacutesentateur
Commentaires de preacutesentation
En suite si lrsquoon regarde par exemple la distance moyenne entre le concept de camion et le concept drsquoavion de bus de camionnettehellip on voit une chose inteacuteressante crsquoest que veacutehicule qui serait typiquement un pegravere des autres nrsquoest pourtant est plus loin de camion que certains de ses fregraveres et plus proche que drsquoautres sur un arbre simple avec seulement ces concepts crsquoest impossible agrave faire il faut soit modifier les concepts pour mettre des classes abstraites soit modifier les liens pour permettre drsquoautres parcours par exemple en reacuteifiant les liens aux fregraveres13

intension amp intention dusageutilisables dans un mecircme graphe concis

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

Technologie

AppareilReacuteseau

Sans-fil

WifiGSM

Teacuteleacutephone

Cellulaire

connexion

sous‐type‐et‐signature

46

Preacutesentateur
Commentaires de preacutesentation
concernant la double conception espace et meacutetrique je donne ici un exemple drsquoune approche que jrsquoessaie de systeacutematiser ougrave lrsquoon donne deux deacutefinitions formelles13une deacutefinition formelle de lrsquoespace13une deacutefinition formelle de la meacutetrique13Ici je mrsquointeacuteresse agrave eacutelargir les parcours possibles dans lrsquoontologie agrave drsquoautres graphes que celui de la hieacuterarchie des types et dans cette exemple jrsquoinclus les signatures des relations crsquoest-agrave-dire les types drsquoobjets qui peuvent ecirctre relieacutes par une relation13La meacutetrique reste la mecircme

intension amp intention dusagedeacutesambiguumliser lextraction de termes

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

5000

6000

7000

8000

9000

[Khelif et al]wclass 02wprop 04wsig 04

47

Preacutesentateur
Commentaires de preacutesentation
En incluant des poids dans la deacutefinition de lrsquoespace on peut passer progressivement drsquoune distance nrsquoutilisant que la hieacuterarchie agrave une distance nrsquoutilisant que les signatures13En appliquant cette distance agrave la deacutesambiguumlisation de termes extraits drsquoun texte (ie pour retrouver le sens dans lequel un terme est utiliseacute) on voit ici qursquoune distance hybride capable de combiner les deux espaces se comporte mieux que lrsquoune ou lrsquoautre des distances extrecircmes

4 le

ressources

des

distribueacutees

problegraveme

48

Preacutesentateur
Commentaires de preacutesentation
Nous avons vu que nous travaillons sur des meacutemoires qui utilisent le web seacutemantique dans leur mateacuterialisation et pour lesquelles la repreacutesentation et le traitement agrave base de graphes fournissaient eacutenormeacutement drsquoatouts13Cependant le contenu et les traitements de ces meacutemoires ne sont pas forceacutement sur la mecircme machine

graphesdistribueacutes

49

Preacutesentateur
Commentaires de preacutesentation
Le premier problegraveme qui peut se poser crsquoest si mes graphes ne sont pas sur la mecircme machine13Si mes triplets RDF mes arcs viennent de diffeacuterents endroits

serveursquelques

RDF

RDF

RDF

RDF

SPARQL

application web

service web

identiques

service web

service web

50

Preacutesentateur
Commentaires de preacutesentation
Nous avons consideacutereacute un cas classique en entreprise ou il y a une liste connue restreinte et stable de serveurs

broadcasteacuteviter le

51

52

index de serveurcaracteacuteriser son contenu les eacutetoiles et les chemins

53

annotation

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

54

Preacutesentateur
Commentaires de preacutesentation
voici une annotation simplifieacutee drsquoun document dans le projet SevenPro concernant la conception drsquoune voiture

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 13: HDR

2 repreacutesenterdes connaissances et les doter drsquoune inscription numeacuterique

13

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir 3 exemples de meacutemoires agrave base drsquoontologies13La question qui se pose immeacutediatement est celle de la repreacutesentation en machine de ces meacutemoires

W3Ccopy

14

Preacutesentateur
Commentaires de preacutesentation
Nous utilisons systeacutematiquement les standards du Web dans nos repreacutesentations et nos impleacutementations13Et je participe agrave un certain nombre de groupes du W3C

W3Ccopy

15

Preacutesentateur
Commentaires de preacutesentation
La pile qui nous permet de repreacutesenter des connaissances formaliseacutees est celle du web seacutemantique

W3Creg16

Preacutesentateur
Commentaires de preacutesentation
Si lrsquoon regarde de plus pregraves la moitieacute de cette pile est maintenant standardiseacutee13RDF pour repreacutesenter des donneacutees et meacutetadonneacutees en ligne13SPARQL un langage de requecircte pour interroger des entrepocircts de RDF13RDF-S pour repreacutesenter des ontologies leacutegegraveres13OWL pour des ontologies plus lourdes13Et drsquoici quelques mois RIF pour repreacutesenter et eacutechanger des regravegles

RDF toute connaissance est deacutecomposeacutee entriplets ( sujet preacutedicat objet )

arcs ( nœud arecircte nœud )

17

ex dochtml a pour auteur Fabienet a pour thegraveme la Musique

18

dochtml a pour auteur Fabiendochtml a pour thegraveme Musique

19

Fabien

auteur

dochtml

thegraveme

Musique

20

graphesdu web seacutemantique

21

Preacutesentateur
Commentaires de preacutesentation
La structure de graphes de RDF est omnipreacutesente dans toute la pile du web seacutemantique qui se construit au-dessus de RDF13Par exemple cette petite ontologie a pour repreacutesentation en RDFS le graphe en fond drsquoeacutecran13Nous nous inteacuteressons donc systeacutematiquement aux structures graphes dans le web seacutemantiques et aux opeacuterateurs sur ces graphes qui permettent de les exploiter pour la recherche drsquoinformation et le raisonnement13

GRIWESGraphes dans les Repreacutesentations et les Infeacuterences sur le Web et Systegravemes symboliques

[COLOR LIRMM I3S]

22

Preacutesentateur
Commentaires de preacutesentation
Pour coordonner nos efforts sur ce sujet jrsquoai porteacute un projet entre lrsquoINRIA le LIRMM et lrsquoI3S ou nous avons eacutetudieacute les caracteacuteristiques communes des graphes et des traitements que nous utilisons dans nos projets de recherche

ERGraphG=(EG RG nG lG)bull EG entiteacutes bull RG hyperarcsbull nG RG rarr EG argumentsbull lG EG cup RG rarr L eacutetiquettes

23

Preacutesentateur
Commentaires de preacutesentation
Premier exemple drsquoabstraction commune agrave nos projets la notion de graphe eacutetiqueteacute orienteacute ou appeleacute graphe entiteacute-relation

EMappingune relation binaire qui associe chaque eacuteleacutement drsquoun ERGraph EHavec au plus un

eacuteleacutement drsquoun ERGraph EG24

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme exemple drsquoabstraction le mapping entre deux graphes crsquoest-agrave-dire une relation binaire qui associe chaque eacuteleacutement drsquoun graphe avec au plus un eacuteleacutement drsquoun autre graphe

visseacutes visseacutesx

z

visseacutes(xy)visseacutes(yz)

soudeacutes(zv)soudeacutes(zu)soudeacutes(uv)

visseacutes(xp) visseacutes(pz)

25

soudeacutesx

y

z

u vsoudeacutes

visseacutes visseacutes

Preacutesentateur
Commentaires de preacutesentation
Quel est lrsquointeacuterecirct drsquoun mapping il va nous permettre en premier lieu de retrouver la deacuterivation logique dans les graphes13Si je prends les assertions agrave gauche je peux les repreacutesenter par ce graphe agrave droite13Jrsquoai la mecircme eacutequivalence entre une requecircte ou des assertions agrave prouver et un graphe requecircte13Et la deacuterivation logique ici est eacutequivalente agrave un homorphisme de graphe ici un type particulier de mapping13

langage de requecircte

SPARQLSELECT FROM WHERE

26

Preacutesentateur
Commentaires de preacutesentation
La premiegravere application crsquoest de pouvoir implanter un langage de requecircte comme SPARQL sur des graphes RDF13La reacutesolution drsquoune requecircte revient agrave la recherche drsquohomomorphismes de graphes13

RDFS pour deacutefinir les classes de ressources et organiser leur hieacuterarchie Document

Rapport

27

Preacutesentateur
Commentaires de preacutesentation
RDFs va nous permettre drsquoajouter des nos meacutemoires des ontologies leacutegegraveres notamment pourhellip

RDFS pour deacutefinir les relations leur hieacuterarchie et leurs signatures creacuteateur

auteurDocument Personne

28

Preacutesentateur
Commentaires de preacutesentation
et pourhellip

FandO rarr R hArr GF le GRmapping modulo une ontologie

voiture

veacutehicule

voiture(x)rArrveacutehicule(x)

29

GF

GRveacutehicule

voiture

O

Preacutesentateur
Commentaires de preacutesentation
13Degraves lors on va complexifier notre mapping pour prendre en compte non seulement la connaissance capturer dans les graphes requecirctes et les graphes faits mais aussi la connaissance drsquoune ontologie13Notamment lorsque je dois veacuterifier que les eacutetiquettes de mon graphe requecircte et de mon graphe cible sont compatibles je vais le faire modulo une ontologie13Mecircme si veacutehicule et voiture ne sont pas les mecircme eacutetiquettes si mon ontologie dit que voiture est un sous-type de veacutehicule alors mon homomorphisme est valide13

EMappingopeacuteration centrale interroger

raisonner

visualiser

hellip

30

Preacutesentateur
Commentaires de preacutesentation
ce type drsquoopeacuteration est central pourhellip

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

31

Preacutesentateur
Commentaires de preacutesentation
La relation standard du web seacutemantique et graphes nrsquoest pas agrave sens unique On peut aussi utiliser des travaux sur les graphes pour suggeacuterer des solutions agrave des problegravemes dans les standards13Par exemple le problegraveme de la provenance des arcs drsquoun graphes RDF Il nrsquoy a pas de moyen actuellement de speacutecifier drsquoougrave viennent les diffeacuterents morceaux de mon graphe RDF

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

httpwwww3org

http wwwinriafrhttp wwwinriafrhttp wwwinriafr

httpwwww3org

32

Preacutesentateur
Commentaires de preacutesentation
En srsquoinspirant des graphes nommeacutes on peut suggeacuterer une extension de la syntaxe RDFXML pour indiquer la provenance et crsquoest ce que jrsquoai conduit en reacutedigeant une soumission drsquoextension du standard RDF au W3C13

3 espaces meacutetriques des graphes de connaissances

33

Preacutesentateur
Commentaires de preacutesentation
Nous avons donc des meacutemoires qui utilisent les formalismes du web seacutemantique et leurs structures de graphe13La structure et les manipulations de graphe ne sont pas uniquement une autre faccedilon de faire des repreacutesentations et des raisonnements logiques13Les graphes ont des caracteacuteristiques propres inteacuteressantes pour nos sceacutenarios drsquousage et crsquoest ce que nous allons voir dans cette troisiegraveme partie13

distances seacutemantiquesmeacutetaphore matheacutematique pour une comparaison intuitive

34

Preacutesentateur
Commentaires de preacutesentation
Je vais me focaliser ici sur un exemple drsquoinfeacuterence particulier les distances seacutemantiques13Il srsquoagit drsquoune meacutetaphore matheacutematique pour une comparaison intuitive13Si je considegravere un coupeacute un break et un avion naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche du break que de lrsquoavion13Cependant si maintenant je considegravere un coupeacute un avion et un livre naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche de lrsquoavion que du livre13Ces raisonnements nous les utilisons tous les jours pour comparer et eacutevaluer les diffeacuterences que nous percevons 13

simuler la meacutemoireseacutemantique est une ideacutee ancienne(Quillian 1968) (Collins amp Loftus 1975)

mais avec de nouveaux besoins

35

Preacutesentateur
Commentaires de preacutesentation
hellip nous allons voir certains de ces besoins

de linteacuterecirct dun agrave peu pregraves

ma montre na quune aiguillemais elle nest pas casseacutee

36

Preacutesentateur
Commentaires de preacutesentation
Ceci est ma montre Elle na quune aiguille mais elle nest pas casseacutee Elle se lit comme un chronomegravetre Elle donne lrsquoheure en une seule lecture donc tregraves rapidement mais en contrepartie elle est moins preacutecise les gens commettent en moyenne une erreur de lecture de 3 min13En recherche drsquoinformation aussi il peut ecirctre inteacuteressant de pouvoir obtenir une reacuteponse approcheacutee mais plus rapidement ou agrave deacutefaut de bonne reacuteponse13Crsquoest lagrave que les distances entrent en jeu

projection classique

voiture

veacutehicule

t1 lt t2 ie t1(x)rArrt2(x) T1 sub T2

voiture(x)rArrveacutehicule(x)

37

Preacutesentateur
Commentaires de preacutesentation
Reprenons notre projection modulo une ontologie fournissant des relations logiques entre les eacutetiquettes de mes graphes13

relaxer une contrainte de typage

camion

voiture

voiture(x) camion(x)

t1(x)rArrt2(x) rarr d(t1t2)ltseuil

sum neisin ⎥⎦⎤

⎢⎣⎡=leisinforall

121 )(21212

21 21)( aon )(

ttttt tdepthHc ttlttHttc

( ))()(min)( aon )( 21212

21 21ttlttlttdistHtt

cc HHttttc +=isinforall gege

38

Preacutesentateur
Commentaires de preacutesentation
Srsquoil nrsquoexiste pas de reacuteponse exacte on peut srsquointeacuteresser agrave remplacer les contraintes logiques entre les types par des contraintes numeacuteriques sur une distance entre ces types13Ici par exemple on considegravere un arbre de types et la longueur minimal des chemins seacuteparant les deux types sachant que les arcs sont exponentiellement plus courts qursquoils sont profonds dans lrsquoarbre13Et en fixant un seuil on va pouvoir controcircler les approximations que lrsquoon fait sur les types13

organiserun tas dobjets

39

Preacutesentateur
Commentaires de preacutesentation
deuxiegraveme exemple de besoin pour ces distances pour organiser et grouper des descriptions lorsque nos bases de graphes deviennent grandes et que lrsquoon veut avoir une ideacutee de ce qursquoelles contiennent

organiserdes compeacutetences

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

40

Preacutesentateur
Commentaires de preacutesentation
Dans le projet KmP preacutesenteacute au deacutebut les entreprises deacutecrivent leurs compeacutetences agrave lrsquoaide drsquoune ontologie13A lrsquoautre bout de la chaine les deacutecideurs et la reacutegion aimeraient savoir qursquoelles sont les compeacutetences preacutesentes sur Sophia13Pour cela nos collegravegues en gestion construisent des repreacutesentations comme celle-ci des groupes ou clusters des compeacutetences compleacutementaires ou similaires sur Sophia13Question avec quoi peut-on construire ces groupes13Reacuteponse avec une distance permettant de savoir lesquelles sont proches et lesquelles ne le sont pas13

organiserdes compeacutetences

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

1)(1)(2))((21 2121 21

21

21)( minusminusminus minusminus= tdepthtdepthttlcstdepthttdist

( )( ) 2121)(21 quand )(max)(21

ttttlcststdistttdistttlcststCH ne=

leforall

2121 quand 0)( ttttdistCH ==

A B C D H IGFE M NLKJ255

75

175

0

41

Preacutesentateur
Commentaires de preacutesentation
Derriegravere ces cluster il y a une structure que lrsquoon appelle un dendrogramme qui permet de choisir le niveau de regroupement souhaiteacute13Ce dendrograme correspond agrave une ultra-meacutetrique crsquoest-agrave-dire une distance pour laquelle lrsquoineacutegaliteacute triangulaire est sur-contrainte13Ce que jrsquoai proposeacute ici crsquoest une transformation de la distance sur un arbre de types dans lrsquoontologie agrave une ultra meacutetrique permettant de reproduire les groupements faits par les gestionnaires13

42

Preacutesentateur
Commentaires de preacutesentation
Voilagrave alors ce que lrsquoon peut produire en choisissant un niveau de deacutetail une vue radar des compeacutetences sur Sophia ici dans le domaine du logiciel avec un zoom sur les compeacutetences cœurs qui sont eacutevidemment proche du domaine des reacuteseaux

seacuteparer deux aspects

meacutetaphore matheacutematiqueles laquo distances raquo au naturel

simulations informatiquesespaces amp meacutetriques double conception

43

Preacutesentateur
Commentaires de preacutesentation
agrave ce stade jrsquoai voulu seacuteparer et travailler en parallegravele sur deux aspects des distances13le fait que lrsquoon utilise peut-ecirctre abusivement de terme distance et que cette meacutetaphore a peut-ecirctre ses limites13le fait ce que lrsquoon construit vraiment ce sont des espaces meacutetriques et qursquoil srsquoagit donc drsquoune double conception

tester les laquo distances raquo au naturel

44

Preacutesentateur
Commentaires de preacutesentation
Pour comprendre un peu mieux les distances je donne ici un exemple drsquoexpeacuterience simple que jrsquoai encadreacutee on demande ici agrave lrsquoutilisateur de positionner des concepts de faccedilon agrave ce qursquoils soient geacuteomeacutetriquement proches srsquoils sont seacutemantiquement proches Lrsquoexpeacuterience a eacuteteacute faite avec plus drsquoune trentaine de personnes de tous horizons13

tester les distances au naturel

camion

45

Preacutesentateur
Commentaires de preacutesentation
En suite si lrsquoon regarde par exemple la distance moyenne entre le concept de camion et le concept drsquoavion de bus de camionnettehellip on voit une chose inteacuteressante crsquoest que veacutehicule qui serait typiquement un pegravere des autres nrsquoest pourtant est plus loin de camion que certains de ses fregraveres et plus proche que drsquoautres sur un arbre simple avec seulement ces concepts crsquoest impossible agrave faire il faut soit modifier les concepts pour mettre des classes abstraites soit modifier les liens pour permettre drsquoautres parcours par exemple en reacuteifiant les liens aux fregraveres13

intension amp intention dusageutilisables dans un mecircme graphe concis

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

Technologie

AppareilReacuteseau

Sans-fil

WifiGSM

Teacuteleacutephone

Cellulaire

connexion

sous‐type‐et‐signature

46

Preacutesentateur
Commentaires de preacutesentation
concernant la double conception espace et meacutetrique je donne ici un exemple drsquoune approche que jrsquoessaie de systeacutematiser ougrave lrsquoon donne deux deacutefinitions formelles13une deacutefinition formelle de lrsquoespace13une deacutefinition formelle de la meacutetrique13Ici je mrsquointeacuteresse agrave eacutelargir les parcours possibles dans lrsquoontologie agrave drsquoautres graphes que celui de la hieacuterarchie des types et dans cette exemple jrsquoinclus les signatures des relations crsquoest-agrave-dire les types drsquoobjets qui peuvent ecirctre relieacutes par une relation13La meacutetrique reste la mecircme

intension amp intention dusagedeacutesambiguumliser lextraction de termes

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

5000

6000

7000

8000

9000

[Khelif et al]wclass 02wprop 04wsig 04

47

Preacutesentateur
Commentaires de preacutesentation
En incluant des poids dans la deacutefinition de lrsquoespace on peut passer progressivement drsquoune distance nrsquoutilisant que la hieacuterarchie agrave une distance nrsquoutilisant que les signatures13En appliquant cette distance agrave la deacutesambiguumlisation de termes extraits drsquoun texte (ie pour retrouver le sens dans lequel un terme est utiliseacute) on voit ici qursquoune distance hybride capable de combiner les deux espaces se comporte mieux que lrsquoune ou lrsquoautre des distances extrecircmes

4 le

ressources

des

distribueacutees

problegraveme

48

Preacutesentateur
Commentaires de preacutesentation
Nous avons vu que nous travaillons sur des meacutemoires qui utilisent le web seacutemantique dans leur mateacuterialisation et pour lesquelles la repreacutesentation et le traitement agrave base de graphes fournissaient eacutenormeacutement drsquoatouts13Cependant le contenu et les traitements de ces meacutemoires ne sont pas forceacutement sur la mecircme machine

graphesdistribueacutes

49

Preacutesentateur
Commentaires de preacutesentation
Le premier problegraveme qui peut se poser crsquoest si mes graphes ne sont pas sur la mecircme machine13Si mes triplets RDF mes arcs viennent de diffeacuterents endroits

serveursquelques

RDF

RDF

RDF

RDF

SPARQL

application web

service web

identiques

service web

service web

50

Preacutesentateur
Commentaires de preacutesentation
Nous avons consideacutereacute un cas classique en entreprise ou il y a une liste connue restreinte et stable de serveurs

broadcasteacuteviter le

51

52

index de serveurcaracteacuteriser son contenu les eacutetoiles et les chemins

53

annotation

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

54

Preacutesentateur
Commentaires de preacutesentation
voici une annotation simplifieacutee drsquoun document dans le projet SevenPro concernant la conception drsquoune voiture

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 14: HDR

W3Ccopy

14

Preacutesentateur
Commentaires de preacutesentation
Nous utilisons systeacutematiquement les standards du Web dans nos repreacutesentations et nos impleacutementations13Et je participe agrave un certain nombre de groupes du W3C

W3Ccopy

15

Preacutesentateur
Commentaires de preacutesentation
La pile qui nous permet de repreacutesenter des connaissances formaliseacutees est celle du web seacutemantique

W3Creg16

Preacutesentateur
Commentaires de preacutesentation
Si lrsquoon regarde de plus pregraves la moitieacute de cette pile est maintenant standardiseacutee13RDF pour repreacutesenter des donneacutees et meacutetadonneacutees en ligne13SPARQL un langage de requecircte pour interroger des entrepocircts de RDF13RDF-S pour repreacutesenter des ontologies leacutegegraveres13OWL pour des ontologies plus lourdes13Et drsquoici quelques mois RIF pour repreacutesenter et eacutechanger des regravegles

RDF toute connaissance est deacutecomposeacutee entriplets ( sujet preacutedicat objet )

arcs ( nœud arecircte nœud )

17

ex dochtml a pour auteur Fabienet a pour thegraveme la Musique

18

dochtml a pour auteur Fabiendochtml a pour thegraveme Musique

19

Fabien

auteur

dochtml

thegraveme

Musique

20

graphesdu web seacutemantique

21

Preacutesentateur
Commentaires de preacutesentation
La structure de graphes de RDF est omnipreacutesente dans toute la pile du web seacutemantique qui se construit au-dessus de RDF13Par exemple cette petite ontologie a pour repreacutesentation en RDFS le graphe en fond drsquoeacutecran13Nous nous inteacuteressons donc systeacutematiquement aux structures graphes dans le web seacutemantiques et aux opeacuterateurs sur ces graphes qui permettent de les exploiter pour la recherche drsquoinformation et le raisonnement13

GRIWESGraphes dans les Repreacutesentations et les Infeacuterences sur le Web et Systegravemes symboliques

[COLOR LIRMM I3S]

22

Preacutesentateur
Commentaires de preacutesentation
Pour coordonner nos efforts sur ce sujet jrsquoai porteacute un projet entre lrsquoINRIA le LIRMM et lrsquoI3S ou nous avons eacutetudieacute les caracteacuteristiques communes des graphes et des traitements que nous utilisons dans nos projets de recherche

ERGraphG=(EG RG nG lG)bull EG entiteacutes bull RG hyperarcsbull nG RG rarr EG argumentsbull lG EG cup RG rarr L eacutetiquettes

23

Preacutesentateur
Commentaires de preacutesentation
Premier exemple drsquoabstraction commune agrave nos projets la notion de graphe eacutetiqueteacute orienteacute ou appeleacute graphe entiteacute-relation

EMappingune relation binaire qui associe chaque eacuteleacutement drsquoun ERGraph EHavec au plus un

eacuteleacutement drsquoun ERGraph EG24

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme exemple drsquoabstraction le mapping entre deux graphes crsquoest-agrave-dire une relation binaire qui associe chaque eacuteleacutement drsquoun graphe avec au plus un eacuteleacutement drsquoun autre graphe

visseacutes visseacutesx

z

visseacutes(xy)visseacutes(yz)

soudeacutes(zv)soudeacutes(zu)soudeacutes(uv)

visseacutes(xp) visseacutes(pz)

25

soudeacutesx

y

z

u vsoudeacutes

visseacutes visseacutes

Preacutesentateur
Commentaires de preacutesentation
Quel est lrsquointeacuterecirct drsquoun mapping il va nous permettre en premier lieu de retrouver la deacuterivation logique dans les graphes13Si je prends les assertions agrave gauche je peux les repreacutesenter par ce graphe agrave droite13Jrsquoai la mecircme eacutequivalence entre une requecircte ou des assertions agrave prouver et un graphe requecircte13Et la deacuterivation logique ici est eacutequivalente agrave un homorphisme de graphe ici un type particulier de mapping13

langage de requecircte

SPARQLSELECT FROM WHERE

26

Preacutesentateur
Commentaires de preacutesentation
La premiegravere application crsquoest de pouvoir implanter un langage de requecircte comme SPARQL sur des graphes RDF13La reacutesolution drsquoune requecircte revient agrave la recherche drsquohomomorphismes de graphes13

RDFS pour deacutefinir les classes de ressources et organiser leur hieacuterarchie Document

Rapport

27

Preacutesentateur
Commentaires de preacutesentation
RDFs va nous permettre drsquoajouter des nos meacutemoires des ontologies leacutegegraveres notamment pourhellip

RDFS pour deacutefinir les relations leur hieacuterarchie et leurs signatures creacuteateur

auteurDocument Personne

28

Preacutesentateur
Commentaires de preacutesentation
et pourhellip

FandO rarr R hArr GF le GRmapping modulo une ontologie

voiture

veacutehicule

voiture(x)rArrveacutehicule(x)

29

GF

GRveacutehicule

voiture

O

Preacutesentateur
Commentaires de preacutesentation
13Degraves lors on va complexifier notre mapping pour prendre en compte non seulement la connaissance capturer dans les graphes requecirctes et les graphes faits mais aussi la connaissance drsquoune ontologie13Notamment lorsque je dois veacuterifier que les eacutetiquettes de mon graphe requecircte et de mon graphe cible sont compatibles je vais le faire modulo une ontologie13Mecircme si veacutehicule et voiture ne sont pas les mecircme eacutetiquettes si mon ontologie dit que voiture est un sous-type de veacutehicule alors mon homomorphisme est valide13

EMappingopeacuteration centrale interroger

raisonner

visualiser

hellip

30

Preacutesentateur
Commentaires de preacutesentation
ce type drsquoopeacuteration est central pourhellip

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

31

Preacutesentateur
Commentaires de preacutesentation
La relation standard du web seacutemantique et graphes nrsquoest pas agrave sens unique On peut aussi utiliser des travaux sur les graphes pour suggeacuterer des solutions agrave des problegravemes dans les standards13Par exemple le problegraveme de la provenance des arcs drsquoun graphes RDF Il nrsquoy a pas de moyen actuellement de speacutecifier drsquoougrave viennent les diffeacuterents morceaux de mon graphe RDF

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

httpwwww3org

http wwwinriafrhttp wwwinriafrhttp wwwinriafr

httpwwww3org

32

Preacutesentateur
Commentaires de preacutesentation
En srsquoinspirant des graphes nommeacutes on peut suggeacuterer une extension de la syntaxe RDFXML pour indiquer la provenance et crsquoest ce que jrsquoai conduit en reacutedigeant une soumission drsquoextension du standard RDF au W3C13

3 espaces meacutetriques des graphes de connaissances

33

Preacutesentateur
Commentaires de preacutesentation
Nous avons donc des meacutemoires qui utilisent les formalismes du web seacutemantique et leurs structures de graphe13La structure et les manipulations de graphe ne sont pas uniquement une autre faccedilon de faire des repreacutesentations et des raisonnements logiques13Les graphes ont des caracteacuteristiques propres inteacuteressantes pour nos sceacutenarios drsquousage et crsquoest ce que nous allons voir dans cette troisiegraveme partie13

distances seacutemantiquesmeacutetaphore matheacutematique pour une comparaison intuitive

34

Preacutesentateur
Commentaires de preacutesentation
Je vais me focaliser ici sur un exemple drsquoinfeacuterence particulier les distances seacutemantiques13Il srsquoagit drsquoune meacutetaphore matheacutematique pour une comparaison intuitive13Si je considegravere un coupeacute un break et un avion naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche du break que de lrsquoavion13Cependant si maintenant je considegravere un coupeacute un avion et un livre naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche de lrsquoavion que du livre13Ces raisonnements nous les utilisons tous les jours pour comparer et eacutevaluer les diffeacuterences que nous percevons 13

simuler la meacutemoireseacutemantique est une ideacutee ancienne(Quillian 1968) (Collins amp Loftus 1975)

mais avec de nouveaux besoins

35

Preacutesentateur
Commentaires de preacutesentation
hellip nous allons voir certains de ces besoins

de linteacuterecirct dun agrave peu pregraves

ma montre na quune aiguillemais elle nest pas casseacutee

36

Preacutesentateur
Commentaires de preacutesentation
Ceci est ma montre Elle na quune aiguille mais elle nest pas casseacutee Elle se lit comme un chronomegravetre Elle donne lrsquoheure en une seule lecture donc tregraves rapidement mais en contrepartie elle est moins preacutecise les gens commettent en moyenne une erreur de lecture de 3 min13En recherche drsquoinformation aussi il peut ecirctre inteacuteressant de pouvoir obtenir une reacuteponse approcheacutee mais plus rapidement ou agrave deacutefaut de bonne reacuteponse13Crsquoest lagrave que les distances entrent en jeu

projection classique

voiture

veacutehicule

t1 lt t2 ie t1(x)rArrt2(x) T1 sub T2

voiture(x)rArrveacutehicule(x)

37

Preacutesentateur
Commentaires de preacutesentation
Reprenons notre projection modulo une ontologie fournissant des relations logiques entre les eacutetiquettes de mes graphes13

relaxer une contrainte de typage

camion

voiture

voiture(x) camion(x)

t1(x)rArrt2(x) rarr d(t1t2)ltseuil

sum neisin ⎥⎦⎤

⎢⎣⎡=leisinforall

121 )(21212

21 21)( aon )(

ttttt tdepthHc ttlttHttc

( ))()(min)( aon )( 21212

21 21ttlttlttdistHtt

cc HHttttc +=isinforall gege

38

Preacutesentateur
Commentaires de preacutesentation
Srsquoil nrsquoexiste pas de reacuteponse exacte on peut srsquointeacuteresser agrave remplacer les contraintes logiques entre les types par des contraintes numeacuteriques sur une distance entre ces types13Ici par exemple on considegravere un arbre de types et la longueur minimal des chemins seacuteparant les deux types sachant que les arcs sont exponentiellement plus courts qursquoils sont profonds dans lrsquoarbre13Et en fixant un seuil on va pouvoir controcircler les approximations que lrsquoon fait sur les types13

organiserun tas dobjets

39

Preacutesentateur
Commentaires de preacutesentation
deuxiegraveme exemple de besoin pour ces distances pour organiser et grouper des descriptions lorsque nos bases de graphes deviennent grandes et que lrsquoon veut avoir une ideacutee de ce qursquoelles contiennent

organiserdes compeacutetences

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

40

Preacutesentateur
Commentaires de preacutesentation
Dans le projet KmP preacutesenteacute au deacutebut les entreprises deacutecrivent leurs compeacutetences agrave lrsquoaide drsquoune ontologie13A lrsquoautre bout de la chaine les deacutecideurs et la reacutegion aimeraient savoir qursquoelles sont les compeacutetences preacutesentes sur Sophia13Pour cela nos collegravegues en gestion construisent des repreacutesentations comme celle-ci des groupes ou clusters des compeacutetences compleacutementaires ou similaires sur Sophia13Question avec quoi peut-on construire ces groupes13Reacuteponse avec une distance permettant de savoir lesquelles sont proches et lesquelles ne le sont pas13

organiserdes compeacutetences

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

1)(1)(2))((21 2121 21

21

21)( minusminusminus minusminus= tdepthtdepthttlcstdepthttdist

( )( ) 2121)(21 quand )(max)(21

ttttlcststdistttdistttlcststCH ne=

leforall

2121 quand 0)( ttttdistCH ==

A B C D H IGFE M NLKJ255

75

175

0

41

Preacutesentateur
Commentaires de preacutesentation
Derriegravere ces cluster il y a une structure que lrsquoon appelle un dendrogramme qui permet de choisir le niveau de regroupement souhaiteacute13Ce dendrograme correspond agrave une ultra-meacutetrique crsquoest-agrave-dire une distance pour laquelle lrsquoineacutegaliteacute triangulaire est sur-contrainte13Ce que jrsquoai proposeacute ici crsquoest une transformation de la distance sur un arbre de types dans lrsquoontologie agrave une ultra meacutetrique permettant de reproduire les groupements faits par les gestionnaires13

42

Preacutesentateur
Commentaires de preacutesentation
Voilagrave alors ce que lrsquoon peut produire en choisissant un niveau de deacutetail une vue radar des compeacutetences sur Sophia ici dans le domaine du logiciel avec un zoom sur les compeacutetences cœurs qui sont eacutevidemment proche du domaine des reacuteseaux

seacuteparer deux aspects

meacutetaphore matheacutematiqueles laquo distances raquo au naturel

simulations informatiquesespaces amp meacutetriques double conception

43

Preacutesentateur
Commentaires de preacutesentation
agrave ce stade jrsquoai voulu seacuteparer et travailler en parallegravele sur deux aspects des distances13le fait que lrsquoon utilise peut-ecirctre abusivement de terme distance et que cette meacutetaphore a peut-ecirctre ses limites13le fait ce que lrsquoon construit vraiment ce sont des espaces meacutetriques et qursquoil srsquoagit donc drsquoune double conception

tester les laquo distances raquo au naturel

44

Preacutesentateur
Commentaires de preacutesentation
Pour comprendre un peu mieux les distances je donne ici un exemple drsquoexpeacuterience simple que jrsquoai encadreacutee on demande ici agrave lrsquoutilisateur de positionner des concepts de faccedilon agrave ce qursquoils soient geacuteomeacutetriquement proches srsquoils sont seacutemantiquement proches Lrsquoexpeacuterience a eacuteteacute faite avec plus drsquoune trentaine de personnes de tous horizons13

tester les distances au naturel

camion

45

Preacutesentateur
Commentaires de preacutesentation
En suite si lrsquoon regarde par exemple la distance moyenne entre le concept de camion et le concept drsquoavion de bus de camionnettehellip on voit une chose inteacuteressante crsquoest que veacutehicule qui serait typiquement un pegravere des autres nrsquoest pourtant est plus loin de camion que certains de ses fregraveres et plus proche que drsquoautres sur un arbre simple avec seulement ces concepts crsquoest impossible agrave faire il faut soit modifier les concepts pour mettre des classes abstraites soit modifier les liens pour permettre drsquoautres parcours par exemple en reacuteifiant les liens aux fregraveres13

intension amp intention dusageutilisables dans un mecircme graphe concis

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

Technologie

AppareilReacuteseau

Sans-fil

WifiGSM

Teacuteleacutephone

Cellulaire

connexion

sous‐type‐et‐signature

46

Preacutesentateur
Commentaires de preacutesentation
concernant la double conception espace et meacutetrique je donne ici un exemple drsquoune approche que jrsquoessaie de systeacutematiser ougrave lrsquoon donne deux deacutefinitions formelles13une deacutefinition formelle de lrsquoespace13une deacutefinition formelle de la meacutetrique13Ici je mrsquointeacuteresse agrave eacutelargir les parcours possibles dans lrsquoontologie agrave drsquoautres graphes que celui de la hieacuterarchie des types et dans cette exemple jrsquoinclus les signatures des relations crsquoest-agrave-dire les types drsquoobjets qui peuvent ecirctre relieacutes par une relation13La meacutetrique reste la mecircme

intension amp intention dusagedeacutesambiguumliser lextraction de termes

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

5000

6000

7000

8000

9000

[Khelif et al]wclass 02wprop 04wsig 04

47

Preacutesentateur
Commentaires de preacutesentation
En incluant des poids dans la deacutefinition de lrsquoespace on peut passer progressivement drsquoune distance nrsquoutilisant que la hieacuterarchie agrave une distance nrsquoutilisant que les signatures13En appliquant cette distance agrave la deacutesambiguumlisation de termes extraits drsquoun texte (ie pour retrouver le sens dans lequel un terme est utiliseacute) on voit ici qursquoune distance hybride capable de combiner les deux espaces se comporte mieux que lrsquoune ou lrsquoautre des distances extrecircmes

4 le

ressources

des

distribueacutees

problegraveme

48

Preacutesentateur
Commentaires de preacutesentation
Nous avons vu que nous travaillons sur des meacutemoires qui utilisent le web seacutemantique dans leur mateacuterialisation et pour lesquelles la repreacutesentation et le traitement agrave base de graphes fournissaient eacutenormeacutement drsquoatouts13Cependant le contenu et les traitements de ces meacutemoires ne sont pas forceacutement sur la mecircme machine

graphesdistribueacutes

49

Preacutesentateur
Commentaires de preacutesentation
Le premier problegraveme qui peut se poser crsquoest si mes graphes ne sont pas sur la mecircme machine13Si mes triplets RDF mes arcs viennent de diffeacuterents endroits

serveursquelques

RDF

RDF

RDF

RDF

SPARQL

application web

service web

identiques

service web

service web

50

Preacutesentateur
Commentaires de preacutesentation
Nous avons consideacutereacute un cas classique en entreprise ou il y a une liste connue restreinte et stable de serveurs

broadcasteacuteviter le

51

52

index de serveurcaracteacuteriser son contenu les eacutetoiles et les chemins

53

annotation

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

54

Preacutesentateur
Commentaires de preacutesentation
voici une annotation simplifieacutee drsquoun document dans le projet SevenPro concernant la conception drsquoune voiture

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 15: HDR

W3Ccopy

15

Preacutesentateur
Commentaires de preacutesentation
La pile qui nous permet de repreacutesenter des connaissances formaliseacutees est celle du web seacutemantique

W3Creg16

Preacutesentateur
Commentaires de preacutesentation
Si lrsquoon regarde de plus pregraves la moitieacute de cette pile est maintenant standardiseacutee13RDF pour repreacutesenter des donneacutees et meacutetadonneacutees en ligne13SPARQL un langage de requecircte pour interroger des entrepocircts de RDF13RDF-S pour repreacutesenter des ontologies leacutegegraveres13OWL pour des ontologies plus lourdes13Et drsquoici quelques mois RIF pour repreacutesenter et eacutechanger des regravegles

RDF toute connaissance est deacutecomposeacutee entriplets ( sujet preacutedicat objet )

arcs ( nœud arecircte nœud )

17

ex dochtml a pour auteur Fabienet a pour thegraveme la Musique

18

dochtml a pour auteur Fabiendochtml a pour thegraveme Musique

19

Fabien

auteur

dochtml

thegraveme

Musique

20

graphesdu web seacutemantique

21

Preacutesentateur
Commentaires de preacutesentation
La structure de graphes de RDF est omnipreacutesente dans toute la pile du web seacutemantique qui se construit au-dessus de RDF13Par exemple cette petite ontologie a pour repreacutesentation en RDFS le graphe en fond drsquoeacutecran13Nous nous inteacuteressons donc systeacutematiquement aux structures graphes dans le web seacutemantiques et aux opeacuterateurs sur ces graphes qui permettent de les exploiter pour la recherche drsquoinformation et le raisonnement13

GRIWESGraphes dans les Repreacutesentations et les Infeacuterences sur le Web et Systegravemes symboliques

[COLOR LIRMM I3S]

22

Preacutesentateur
Commentaires de preacutesentation
Pour coordonner nos efforts sur ce sujet jrsquoai porteacute un projet entre lrsquoINRIA le LIRMM et lrsquoI3S ou nous avons eacutetudieacute les caracteacuteristiques communes des graphes et des traitements que nous utilisons dans nos projets de recherche

ERGraphG=(EG RG nG lG)bull EG entiteacutes bull RG hyperarcsbull nG RG rarr EG argumentsbull lG EG cup RG rarr L eacutetiquettes

23

Preacutesentateur
Commentaires de preacutesentation
Premier exemple drsquoabstraction commune agrave nos projets la notion de graphe eacutetiqueteacute orienteacute ou appeleacute graphe entiteacute-relation

EMappingune relation binaire qui associe chaque eacuteleacutement drsquoun ERGraph EHavec au plus un

eacuteleacutement drsquoun ERGraph EG24

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme exemple drsquoabstraction le mapping entre deux graphes crsquoest-agrave-dire une relation binaire qui associe chaque eacuteleacutement drsquoun graphe avec au plus un eacuteleacutement drsquoun autre graphe

visseacutes visseacutesx

z

visseacutes(xy)visseacutes(yz)

soudeacutes(zv)soudeacutes(zu)soudeacutes(uv)

visseacutes(xp) visseacutes(pz)

25

soudeacutesx

y

z

u vsoudeacutes

visseacutes visseacutes

Preacutesentateur
Commentaires de preacutesentation
Quel est lrsquointeacuterecirct drsquoun mapping il va nous permettre en premier lieu de retrouver la deacuterivation logique dans les graphes13Si je prends les assertions agrave gauche je peux les repreacutesenter par ce graphe agrave droite13Jrsquoai la mecircme eacutequivalence entre une requecircte ou des assertions agrave prouver et un graphe requecircte13Et la deacuterivation logique ici est eacutequivalente agrave un homorphisme de graphe ici un type particulier de mapping13

langage de requecircte

SPARQLSELECT FROM WHERE

26

Preacutesentateur
Commentaires de preacutesentation
La premiegravere application crsquoest de pouvoir implanter un langage de requecircte comme SPARQL sur des graphes RDF13La reacutesolution drsquoune requecircte revient agrave la recherche drsquohomomorphismes de graphes13

RDFS pour deacutefinir les classes de ressources et organiser leur hieacuterarchie Document

Rapport

27

Preacutesentateur
Commentaires de preacutesentation
RDFs va nous permettre drsquoajouter des nos meacutemoires des ontologies leacutegegraveres notamment pourhellip

RDFS pour deacutefinir les relations leur hieacuterarchie et leurs signatures creacuteateur

auteurDocument Personne

28

Preacutesentateur
Commentaires de preacutesentation
et pourhellip

FandO rarr R hArr GF le GRmapping modulo une ontologie

voiture

veacutehicule

voiture(x)rArrveacutehicule(x)

29

GF

GRveacutehicule

voiture

O

Preacutesentateur
Commentaires de preacutesentation
13Degraves lors on va complexifier notre mapping pour prendre en compte non seulement la connaissance capturer dans les graphes requecirctes et les graphes faits mais aussi la connaissance drsquoune ontologie13Notamment lorsque je dois veacuterifier que les eacutetiquettes de mon graphe requecircte et de mon graphe cible sont compatibles je vais le faire modulo une ontologie13Mecircme si veacutehicule et voiture ne sont pas les mecircme eacutetiquettes si mon ontologie dit que voiture est un sous-type de veacutehicule alors mon homomorphisme est valide13

EMappingopeacuteration centrale interroger

raisonner

visualiser

hellip

30

Preacutesentateur
Commentaires de preacutesentation
ce type drsquoopeacuteration est central pourhellip

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

31

Preacutesentateur
Commentaires de preacutesentation
La relation standard du web seacutemantique et graphes nrsquoest pas agrave sens unique On peut aussi utiliser des travaux sur les graphes pour suggeacuterer des solutions agrave des problegravemes dans les standards13Par exemple le problegraveme de la provenance des arcs drsquoun graphes RDF Il nrsquoy a pas de moyen actuellement de speacutecifier drsquoougrave viennent les diffeacuterents morceaux de mon graphe RDF

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

httpwwww3org

http wwwinriafrhttp wwwinriafrhttp wwwinriafr

httpwwww3org

32

Preacutesentateur
Commentaires de preacutesentation
En srsquoinspirant des graphes nommeacutes on peut suggeacuterer une extension de la syntaxe RDFXML pour indiquer la provenance et crsquoest ce que jrsquoai conduit en reacutedigeant une soumission drsquoextension du standard RDF au W3C13

3 espaces meacutetriques des graphes de connaissances

33

Preacutesentateur
Commentaires de preacutesentation
Nous avons donc des meacutemoires qui utilisent les formalismes du web seacutemantique et leurs structures de graphe13La structure et les manipulations de graphe ne sont pas uniquement une autre faccedilon de faire des repreacutesentations et des raisonnements logiques13Les graphes ont des caracteacuteristiques propres inteacuteressantes pour nos sceacutenarios drsquousage et crsquoest ce que nous allons voir dans cette troisiegraveme partie13

distances seacutemantiquesmeacutetaphore matheacutematique pour une comparaison intuitive

34

Preacutesentateur
Commentaires de preacutesentation
Je vais me focaliser ici sur un exemple drsquoinfeacuterence particulier les distances seacutemantiques13Il srsquoagit drsquoune meacutetaphore matheacutematique pour une comparaison intuitive13Si je considegravere un coupeacute un break et un avion naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche du break que de lrsquoavion13Cependant si maintenant je considegravere un coupeacute un avion et un livre naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche de lrsquoavion que du livre13Ces raisonnements nous les utilisons tous les jours pour comparer et eacutevaluer les diffeacuterences que nous percevons 13

simuler la meacutemoireseacutemantique est une ideacutee ancienne(Quillian 1968) (Collins amp Loftus 1975)

mais avec de nouveaux besoins

35

Preacutesentateur
Commentaires de preacutesentation
hellip nous allons voir certains de ces besoins

de linteacuterecirct dun agrave peu pregraves

ma montre na quune aiguillemais elle nest pas casseacutee

36

Preacutesentateur
Commentaires de preacutesentation
Ceci est ma montre Elle na quune aiguille mais elle nest pas casseacutee Elle se lit comme un chronomegravetre Elle donne lrsquoheure en une seule lecture donc tregraves rapidement mais en contrepartie elle est moins preacutecise les gens commettent en moyenne une erreur de lecture de 3 min13En recherche drsquoinformation aussi il peut ecirctre inteacuteressant de pouvoir obtenir une reacuteponse approcheacutee mais plus rapidement ou agrave deacutefaut de bonne reacuteponse13Crsquoest lagrave que les distances entrent en jeu

projection classique

voiture

veacutehicule

t1 lt t2 ie t1(x)rArrt2(x) T1 sub T2

voiture(x)rArrveacutehicule(x)

37

Preacutesentateur
Commentaires de preacutesentation
Reprenons notre projection modulo une ontologie fournissant des relations logiques entre les eacutetiquettes de mes graphes13

relaxer une contrainte de typage

camion

voiture

voiture(x) camion(x)

t1(x)rArrt2(x) rarr d(t1t2)ltseuil

sum neisin ⎥⎦⎤

⎢⎣⎡=leisinforall

121 )(21212

21 21)( aon )(

ttttt tdepthHc ttlttHttc

( ))()(min)( aon )( 21212

21 21ttlttlttdistHtt

cc HHttttc +=isinforall gege

38

Preacutesentateur
Commentaires de preacutesentation
Srsquoil nrsquoexiste pas de reacuteponse exacte on peut srsquointeacuteresser agrave remplacer les contraintes logiques entre les types par des contraintes numeacuteriques sur une distance entre ces types13Ici par exemple on considegravere un arbre de types et la longueur minimal des chemins seacuteparant les deux types sachant que les arcs sont exponentiellement plus courts qursquoils sont profonds dans lrsquoarbre13Et en fixant un seuil on va pouvoir controcircler les approximations que lrsquoon fait sur les types13

organiserun tas dobjets

39

Preacutesentateur
Commentaires de preacutesentation
deuxiegraveme exemple de besoin pour ces distances pour organiser et grouper des descriptions lorsque nos bases de graphes deviennent grandes et que lrsquoon veut avoir une ideacutee de ce qursquoelles contiennent

organiserdes compeacutetences

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

40

Preacutesentateur
Commentaires de preacutesentation
Dans le projet KmP preacutesenteacute au deacutebut les entreprises deacutecrivent leurs compeacutetences agrave lrsquoaide drsquoune ontologie13A lrsquoautre bout de la chaine les deacutecideurs et la reacutegion aimeraient savoir qursquoelles sont les compeacutetences preacutesentes sur Sophia13Pour cela nos collegravegues en gestion construisent des repreacutesentations comme celle-ci des groupes ou clusters des compeacutetences compleacutementaires ou similaires sur Sophia13Question avec quoi peut-on construire ces groupes13Reacuteponse avec une distance permettant de savoir lesquelles sont proches et lesquelles ne le sont pas13

organiserdes compeacutetences

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

1)(1)(2))((21 2121 21

21

21)( minusminusminus minusminus= tdepthtdepthttlcstdepthttdist

( )( ) 2121)(21 quand )(max)(21

ttttlcststdistttdistttlcststCH ne=

leforall

2121 quand 0)( ttttdistCH ==

A B C D H IGFE M NLKJ255

75

175

0

41

Preacutesentateur
Commentaires de preacutesentation
Derriegravere ces cluster il y a une structure que lrsquoon appelle un dendrogramme qui permet de choisir le niveau de regroupement souhaiteacute13Ce dendrograme correspond agrave une ultra-meacutetrique crsquoest-agrave-dire une distance pour laquelle lrsquoineacutegaliteacute triangulaire est sur-contrainte13Ce que jrsquoai proposeacute ici crsquoest une transformation de la distance sur un arbre de types dans lrsquoontologie agrave une ultra meacutetrique permettant de reproduire les groupements faits par les gestionnaires13

42

Preacutesentateur
Commentaires de preacutesentation
Voilagrave alors ce que lrsquoon peut produire en choisissant un niveau de deacutetail une vue radar des compeacutetences sur Sophia ici dans le domaine du logiciel avec un zoom sur les compeacutetences cœurs qui sont eacutevidemment proche du domaine des reacuteseaux

seacuteparer deux aspects

meacutetaphore matheacutematiqueles laquo distances raquo au naturel

simulations informatiquesespaces amp meacutetriques double conception

43

Preacutesentateur
Commentaires de preacutesentation
agrave ce stade jrsquoai voulu seacuteparer et travailler en parallegravele sur deux aspects des distances13le fait que lrsquoon utilise peut-ecirctre abusivement de terme distance et que cette meacutetaphore a peut-ecirctre ses limites13le fait ce que lrsquoon construit vraiment ce sont des espaces meacutetriques et qursquoil srsquoagit donc drsquoune double conception

tester les laquo distances raquo au naturel

44

Preacutesentateur
Commentaires de preacutesentation
Pour comprendre un peu mieux les distances je donne ici un exemple drsquoexpeacuterience simple que jrsquoai encadreacutee on demande ici agrave lrsquoutilisateur de positionner des concepts de faccedilon agrave ce qursquoils soient geacuteomeacutetriquement proches srsquoils sont seacutemantiquement proches Lrsquoexpeacuterience a eacuteteacute faite avec plus drsquoune trentaine de personnes de tous horizons13

tester les distances au naturel

camion

45

Preacutesentateur
Commentaires de preacutesentation
En suite si lrsquoon regarde par exemple la distance moyenne entre le concept de camion et le concept drsquoavion de bus de camionnettehellip on voit une chose inteacuteressante crsquoest que veacutehicule qui serait typiquement un pegravere des autres nrsquoest pourtant est plus loin de camion que certains de ses fregraveres et plus proche que drsquoautres sur un arbre simple avec seulement ces concepts crsquoest impossible agrave faire il faut soit modifier les concepts pour mettre des classes abstraites soit modifier les liens pour permettre drsquoautres parcours par exemple en reacuteifiant les liens aux fregraveres13

intension amp intention dusageutilisables dans un mecircme graphe concis

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

Technologie

AppareilReacuteseau

Sans-fil

WifiGSM

Teacuteleacutephone

Cellulaire

connexion

sous‐type‐et‐signature

46

Preacutesentateur
Commentaires de preacutesentation
concernant la double conception espace et meacutetrique je donne ici un exemple drsquoune approche que jrsquoessaie de systeacutematiser ougrave lrsquoon donne deux deacutefinitions formelles13une deacutefinition formelle de lrsquoespace13une deacutefinition formelle de la meacutetrique13Ici je mrsquointeacuteresse agrave eacutelargir les parcours possibles dans lrsquoontologie agrave drsquoautres graphes que celui de la hieacuterarchie des types et dans cette exemple jrsquoinclus les signatures des relations crsquoest-agrave-dire les types drsquoobjets qui peuvent ecirctre relieacutes par une relation13La meacutetrique reste la mecircme

intension amp intention dusagedeacutesambiguumliser lextraction de termes

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

5000

6000

7000

8000

9000

[Khelif et al]wclass 02wprop 04wsig 04

47

Preacutesentateur
Commentaires de preacutesentation
En incluant des poids dans la deacutefinition de lrsquoespace on peut passer progressivement drsquoune distance nrsquoutilisant que la hieacuterarchie agrave une distance nrsquoutilisant que les signatures13En appliquant cette distance agrave la deacutesambiguumlisation de termes extraits drsquoun texte (ie pour retrouver le sens dans lequel un terme est utiliseacute) on voit ici qursquoune distance hybride capable de combiner les deux espaces se comporte mieux que lrsquoune ou lrsquoautre des distances extrecircmes

4 le

ressources

des

distribueacutees

problegraveme

48

Preacutesentateur
Commentaires de preacutesentation
Nous avons vu que nous travaillons sur des meacutemoires qui utilisent le web seacutemantique dans leur mateacuterialisation et pour lesquelles la repreacutesentation et le traitement agrave base de graphes fournissaient eacutenormeacutement drsquoatouts13Cependant le contenu et les traitements de ces meacutemoires ne sont pas forceacutement sur la mecircme machine

graphesdistribueacutes

49

Preacutesentateur
Commentaires de preacutesentation
Le premier problegraveme qui peut se poser crsquoest si mes graphes ne sont pas sur la mecircme machine13Si mes triplets RDF mes arcs viennent de diffeacuterents endroits

serveursquelques

RDF

RDF

RDF

RDF

SPARQL

application web

service web

identiques

service web

service web

50

Preacutesentateur
Commentaires de preacutesentation
Nous avons consideacutereacute un cas classique en entreprise ou il y a une liste connue restreinte et stable de serveurs

broadcasteacuteviter le

51

52

index de serveurcaracteacuteriser son contenu les eacutetoiles et les chemins

53

annotation

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

54

Preacutesentateur
Commentaires de preacutesentation
voici une annotation simplifieacutee drsquoun document dans le projet SevenPro concernant la conception drsquoune voiture

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 16: HDR

W3Creg16

Preacutesentateur
Commentaires de preacutesentation
Si lrsquoon regarde de plus pregraves la moitieacute de cette pile est maintenant standardiseacutee13RDF pour repreacutesenter des donneacutees et meacutetadonneacutees en ligne13SPARQL un langage de requecircte pour interroger des entrepocircts de RDF13RDF-S pour repreacutesenter des ontologies leacutegegraveres13OWL pour des ontologies plus lourdes13Et drsquoici quelques mois RIF pour repreacutesenter et eacutechanger des regravegles

RDF toute connaissance est deacutecomposeacutee entriplets ( sujet preacutedicat objet )

arcs ( nœud arecircte nœud )

17

ex dochtml a pour auteur Fabienet a pour thegraveme la Musique

18

dochtml a pour auteur Fabiendochtml a pour thegraveme Musique

19

Fabien

auteur

dochtml

thegraveme

Musique

20

graphesdu web seacutemantique

21

Preacutesentateur
Commentaires de preacutesentation
La structure de graphes de RDF est omnipreacutesente dans toute la pile du web seacutemantique qui se construit au-dessus de RDF13Par exemple cette petite ontologie a pour repreacutesentation en RDFS le graphe en fond drsquoeacutecran13Nous nous inteacuteressons donc systeacutematiquement aux structures graphes dans le web seacutemantiques et aux opeacuterateurs sur ces graphes qui permettent de les exploiter pour la recherche drsquoinformation et le raisonnement13

GRIWESGraphes dans les Repreacutesentations et les Infeacuterences sur le Web et Systegravemes symboliques

[COLOR LIRMM I3S]

22

Preacutesentateur
Commentaires de preacutesentation
Pour coordonner nos efforts sur ce sujet jrsquoai porteacute un projet entre lrsquoINRIA le LIRMM et lrsquoI3S ou nous avons eacutetudieacute les caracteacuteristiques communes des graphes et des traitements que nous utilisons dans nos projets de recherche

ERGraphG=(EG RG nG lG)bull EG entiteacutes bull RG hyperarcsbull nG RG rarr EG argumentsbull lG EG cup RG rarr L eacutetiquettes

23

Preacutesentateur
Commentaires de preacutesentation
Premier exemple drsquoabstraction commune agrave nos projets la notion de graphe eacutetiqueteacute orienteacute ou appeleacute graphe entiteacute-relation

EMappingune relation binaire qui associe chaque eacuteleacutement drsquoun ERGraph EHavec au plus un

eacuteleacutement drsquoun ERGraph EG24

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme exemple drsquoabstraction le mapping entre deux graphes crsquoest-agrave-dire une relation binaire qui associe chaque eacuteleacutement drsquoun graphe avec au plus un eacuteleacutement drsquoun autre graphe

visseacutes visseacutesx

z

visseacutes(xy)visseacutes(yz)

soudeacutes(zv)soudeacutes(zu)soudeacutes(uv)

visseacutes(xp) visseacutes(pz)

25

soudeacutesx

y

z

u vsoudeacutes

visseacutes visseacutes

Preacutesentateur
Commentaires de preacutesentation
Quel est lrsquointeacuterecirct drsquoun mapping il va nous permettre en premier lieu de retrouver la deacuterivation logique dans les graphes13Si je prends les assertions agrave gauche je peux les repreacutesenter par ce graphe agrave droite13Jrsquoai la mecircme eacutequivalence entre une requecircte ou des assertions agrave prouver et un graphe requecircte13Et la deacuterivation logique ici est eacutequivalente agrave un homorphisme de graphe ici un type particulier de mapping13

langage de requecircte

SPARQLSELECT FROM WHERE

26

Preacutesentateur
Commentaires de preacutesentation
La premiegravere application crsquoest de pouvoir implanter un langage de requecircte comme SPARQL sur des graphes RDF13La reacutesolution drsquoune requecircte revient agrave la recherche drsquohomomorphismes de graphes13

RDFS pour deacutefinir les classes de ressources et organiser leur hieacuterarchie Document

Rapport

27

Preacutesentateur
Commentaires de preacutesentation
RDFs va nous permettre drsquoajouter des nos meacutemoires des ontologies leacutegegraveres notamment pourhellip

RDFS pour deacutefinir les relations leur hieacuterarchie et leurs signatures creacuteateur

auteurDocument Personne

28

Preacutesentateur
Commentaires de preacutesentation
et pourhellip

FandO rarr R hArr GF le GRmapping modulo une ontologie

voiture

veacutehicule

voiture(x)rArrveacutehicule(x)

29

GF

GRveacutehicule

voiture

O

Preacutesentateur
Commentaires de preacutesentation
13Degraves lors on va complexifier notre mapping pour prendre en compte non seulement la connaissance capturer dans les graphes requecirctes et les graphes faits mais aussi la connaissance drsquoune ontologie13Notamment lorsque je dois veacuterifier que les eacutetiquettes de mon graphe requecircte et de mon graphe cible sont compatibles je vais le faire modulo une ontologie13Mecircme si veacutehicule et voiture ne sont pas les mecircme eacutetiquettes si mon ontologie dit que voiture est un sous-type de veacutehicule alors mon homomorphisme est valide13

EMappingopeacuteration centrale interroger

raisonner

visualiser

hellip

30

Preacutesentateur
Commentaires de preacutesentation
ce type drsquoopeacuteration est central pourhellip

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

31

Preacutesentateur
Commentaires de preacutesentation
La relation standard du web seacutemantique et graphes nrsquoest pas agrave sens unique On peut aussi utiliser des travaux sur les graphes pour suggeacuterer des solutions agrave des problegravemes dans les standards13Par exemple le problegraveme de la provenance des arcs drsquoun graphes RDF Il nrsquoy a pas de moyen actuellement de speacutecifier drsquoougrave viennent les diffeacuterents morceaux de mon graphe RDF

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

httpwwww3org

http wwwinriafrhttp wwwinriafrhttp wwwinriafr

httpwwww3org

32

Preacutesentateur
Commentaires de preacutesentation
En srsquoinspirant des graphes nommeacutes on peut suggeacuterer une extension de la syntaxe RDFXML pour indiquer la provenance et crsquoest ce que jrsquoai conduit en reacutedigeant une soumission drsquoextension du standard RDF au W3C13

3 espaces meacutetriques des graphes de connaissances

33

Preacutesentateur
Commentaires de preacutesentation
Nous avons donc des meacutemoires qui utilisent les formalismes du web seacutemantique et leurs structures de graphe13La structure et les manipulations de graphe ne sont pas uniquement une autre faccedilon de faire des repreacutesentations et des raisonnements logiques13Les graphes ont des caracteacuteristiques propres inteacuteressantes pour nos sceacutenarios drsquousage et crsquoest ce que nous allons voir dans cette troisiegraveme partie13

distances seacutemantiquesmeacutetaphore matheacutematique pour une comparaison intuitive

34

Preacutesentateur
Commentaires de preacutesentation
Je vais me focaliser ici sur un exemple drsquoinfeacuterence particulier les distances seacutemantiques13Il srsquoagit drsquoune meacutetaphore matheacutematique pour une comparaison intuitive13Si je considegravere un coupeacute un break et un avion naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche du break que de lrsquoavion13Cependant si maintenant je considegravere un coupeacute un avion et un livre naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche de lrsquoavion que du livre13Ces raisonnements nous les utilisons tous les jours pour comparer et eacutevaluer les diffeacuterences que nous percevons 13

simuler la meacutemoireseacutemantique est une ideacutee ancienne(Quillian 1968) (Collins amp Loftus 1975)

mais avec de nouveaux besoins

35

Preacutesentateur
Commentaires de preacutesentation
hellip nous allons voir certains de ces besoins

de linteacuterecirct dun agrave peu pregraves

ma montre na quune aiguillemais elle nest pas casseacutee

36

Preacutesentateur
Commentaires de preacutesentation
Ceci est ma montre Elle na quune aiguille mais elle nest pas casseacutee Elle se lit comme un chronomegravetre Elle donne lrsquoheure en une seule lecture donc tregraves rapidement mais en contrepartie elle est moins preacutecise les gens commettent en moyenne une erreur de lecture de 3 min13En recherche drsquoinformation aussi il peut ecirctre inteacuteressant de pouvoir obtenir une reacuteponse approcheacutee mais plus rapidement ou agrave deacutefaut de bonne reacuteponse13Crsquoest lagrave que les distances entrent en jeu

projection classique

voiture

veacutehicule

t1 lt t2 ie t1(x)rArrt2(x) T1 sub T2

voiture(x)rArrveacutehicule(x)

37

Preacutesentateur
Commentaires de preacutesentation
Reprenons notre projection modulo une ontologie fournissant des relations logiques entre les eacutetiquettes de mes graphes13

relaxer une contrainte de typage

camion

voiture

voiture(x) camion(x)

t1(x)rArrt2(x) rarr d(t1t2)ltseuil

sum neisin ⎥⎦⎤

⎢⎣⎡=leisinforall

121 )(21212

21 21)( aon )(

ttttt tdepthHc ttlttHttc

( ))()(min)( aon )( 21212

21 21ttlttlttdistHtt

cc HHttttc +=isinforall gege

38

Preacutesentateur
Commentaires de preacutesentation
Srsquoil nrsquoexiste pas de reacuteponse exacte on peut srsquointeacuteresser agrave remplacer les contraintes logiques entre les types par des contraintes numeacuteriques sur une distance entre ces types13Ici par exemple on considegravere un arbre de types et la longueur minimal des chemins seacuteparant les deux types sachant que les arcs sont exponentiellement plus courts qursquoils sont profonds dans lrsquoarbre13Et en fixant un seuil on va pouvoir controcircler les approximations que lrsquoon fait sur les types13

organiserun tas dobjets

39

Preacutesentateur
Commentaires de preacutesentation
deuxiegraveme exemple de besoin pour ces distances pour organiser et grouper des descriptions lorsque nos bases de graphes deviennent grandes et que lrsquoon veut avoir une ideacutee de ce qursquoelles contiennent

organiserdes compeacutetences

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

40

Preacutesentateur
Commentaires de preacutesentation
Dans le projet KmP preacutesenteacute au deacutebut les entreprises deacutecrivent leurs compeacutetences agrave lrsquoaide drsquoune ontologie13A lrsquoautre bout de la chaine les deacutecideurs et la reacutegion aimeraient savoir qursquoelles sont les compeacutetences preacutesentes sur Sophia13Pour cela nos collegravegues en gestion construisent des repreacutesentations comme celle-ci des groupes ou clusters des compeacutetences compleacutementaires ou similaires sur Sophia13Question avec quoi peut-on construire ces groupes13Reacuteponse avec une distance permettant de savoir lesquelles sont proches et lesquelles ne le sont pas13

organiserdes compeacutetences

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

1)(1)(2))((21 2121 21

21

21)( minusminusminus minusminus= tdepthtdepthttlcstdepthttdist

( )( ) 2121)(21 quand )(max)(21

ttttlcststdistttdistttlcststCH ne=

leforall

2121 quand 0)( ttttdistCH ==

A B C D H IGFE M NLKJ255

75

175

0

41

Preacutesentateur
Commentaires de preacutesentation
Derriegravere ces cluster il y a une structure que lrsquoon appelle un dendrogramme qui permet de choisir le niveau de regroupement souhaiteacute13Ce dendrograme correspond agrave une ultra-meacutetrique crsquoest-agrave-dire une distance pour laquelle lrsquoineacutegaliteacute triangulaire est sur-contrainte13Ce que jrsquoai proposeacute ici crsquoest une transformation de la distance sur un arbre de types dans lrsquoontologie agrave une ultra meacutetrique permettant de reproduire les groupements faits par les gestionnaires13

42

Preacutesentateur
Commentaires de preacutesentation
Voilagrave alors ce que lrsquoon peut produire en choisissant un niveau de deacutetail une vue radar des compeacutetences sur Sophia ici dans le domaine du logiciel avec un zoom sur les compeacutetences cœurs qui sont eacutevidemment proche du domaine des reacuteseaux

seacuteparer deux aspects

meacutetaphore matheacutematiqueles laquo distances raquo au naturel

simulations informatiquesespaces amp meacutetriques double conception

43

Preacutesentateur
Commentaires de preacutesentation
agrave ce stade jrsquoai voulu seacuteparer et travailler en parallegravele sur deux aspects des distances13le fait que lrsquoon utilise peut-ecirctre abusivement de terme distance et que cette meacutetaphore a peut-ecirctre ses limites13le fait ce que lrsquoon construit vraiment ce sont des espaces meacutetriques et qursquoil srsquoagit donc drsquoune double conception

tester les laquo distances raquo au naturel

44

Preacutesentateur
Commentaires de preacutesentation
Pour comprendre un peu mieux les distances je donne ici un exemple drsquoexpeacuterience simple que jrsquoai encadreacutee on demande ici agrave lrsquoutilisateur de positionner des concepts de faccedilon agrave ce qursquoils soient geacuteomeacutetriquement proches srsquoils sont seacutemantiquement proches Lrsquoexpeacuterience a eacuteteacute faite avec plus drsquoune trentaine de personnes de tous horizons13

tester les distances au naturel

camion

45

Preacutesentateur
Commentaires de preacutesentation
En suite si lrsquoon regarde par exemple la distance moyenne entre le concept de camion et le concept drsquoavion de bus de camionnettehellip on voit une chose inteacuteressante crsquoest que veacutehicule qui serait typiquement un pegravere des autres nrsquoest pourtant est plus loin de camion que certains de ses fregraveres et plus proche que drsquoautres sur un arbre simple avec seulement ces concepts crsquoest impossible agrave faire il faut soit modifier les concepts pour mettre des classes abstraites soit modifier les liens pour permettre drsquoautres parcours par exemple en reacuteifiant les liens aux fregraveres13

intension amp intention dusageutilisables dans un mecircme graphe concis

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

Technologie

AppareilReacuteseau

Sans-fil

WifiGSM

Teacuteleacutephone

Cellulaire

connexion

sous‐type‐et‐signature

46

Preacutesentateur
Commentaires de preacutesentation
concernant la double conception espace et meacutetrique je donne ici un exemple drsquoune approche que jrsquoessaie de systeacutematiser ougrave lrsquoon donne deux deacutefinitions formelles13une deacutefinition formelle de lrsquoespace13une deacutefinition formelle de la meacutetrique13Ici je mrsquointeacuteresse agrave eacutelargir les parcours possibles dans lrsquoontologie agrave drsquoautres graphes que celui de la hieacuterarchie des types et dans cette exemple jrsquoinclus les signatures des relations crsquoest-agrave-dire les types drsquoobjets qui peuvent ecirctre relieacutes par une relation13La meacutetrique reste la mecircme

intension amp intention dusagedeacutesambiguumliser lextraction de termes

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

5000

6000

7000

8000

9000

[Khelif et al]wclass 02wprop 04wsig 04

47

Preacutesentateur
Commentaires de preacutesentation
En incluant des poids dans la deacutefinition de lrsquoespace on peut passer progressivement drsquoune distance nrsquoutilisant que la hieacuterarchie agrave une distance nrsquoutilisant que les signatures13En appliquant cette distance agrave la deacutesambiguumlisation de termes extraits drsquoun texte (ie pour retrouver le sens dans lequel un terme est utiliseacute) on voit ici qursquoune distance hybride capable de combiner les deux espaces se comporte mieux que lrsquoune ou lrsquoautre des distances extrecircmes

4 le

ressources

des

distribueacutees

problegraveme

48

Preacutesentateur
Commentaires de preacutesentation
Nous avons vu que nous travaillons sur des meacutemoires qui utilisent le web seacutemantique dans leur mateacuterialisation et pour lesquelles la repreacutesentation et le traitement agrave base de graphes fournissaient eacutenormeacutement drsquoatouts13Cependant le contenu et les traitements de ces meacutemoires ne sont pas forceacutement sur la mecircme machine

graphesdistribueacutes

49

Preacutesentateur
Commentaires de preacutesentation
Le premier problegraveme qui peut se poser crsquoest si mes graphes ne sont pas sur la mecircme machine13Si mes triplets RDF mes arcs viennent de diffeacuterents endroits

serveursquelques

RDF

RDF

RDF

RDF

SPARQL

application web

service web

identiques

service web

service web

50

Preacutesentateur
Commentaires de preacutesentation
Nous avons consideacutereacute un cas classique en entreprise ou il y a une liste connue restreinte et stable de serveurs

broadcasteacuteviter le

51

52

index de serveurcaracteacuteriser son contenu les eacutetoiles et les chemins

53

annotation

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

54

Preacutesentateur
Commentaires de preacutesentation
voici une annotation simplifieacutee drsquoun document dans le projet SevenPro concernant la conception drsquoune voiture

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 17: HDR

RDF toute connaissance est deacutecomposeacutee entriplets ( sujet preacutedicat objet )

arcs ( nœud arecircte nœud )

17

ex dochtml a pour auteur Fabienet a pour thegraveme la Musique

18

dochtml a pour auteur Fabiendochtml a pour thegraveme Musique

19

Fabien

auteur

dochtml

thegraveme

Musique

20

graphesdu web seacutemantique

21

Preacutesentateur
Commentaires de preacutesentation
La structure de graphes de RDF est omnipreacutesente dans toute la pile du web seacutemantique qui se construit au-dessus de RDF13Par exemple cette petite ontologie a pour repreacutesentation en RDFS le graphe en fond drsquoeacutecran13Nous nous inteacuteressons donc systeacutematiquement aux structures graphes dans le web seacutemantiques et aux opeacuterateurs sur ces graphes qui permettent de les exploiter pour la recherche drsquoinformation et le raisonnement13

GRIWESGraphes dans les Repreacutesentations et les Infeacuterences sur le Web et Systegravemes symboliques

[COLOR LIRMM I3S]

22

Preacutesentateur
Commentaires de preacutesentation
Pour coordonner nos efforts sur ce sujet jrsquoai porteacute un projet entre lrsquoINRIA le LIRMM et lrsquoI3S ou nous avons eacutetudieacute les caracteacuteristiques communes des graphes et des traitements que nous utilisons dans nos projets de recherche

ERGraphG=(EG RG nG lG)bull EG entiteacutes bull RG hyperarcsbull nG RG rarr EG argumentsbull lG EG cup RG rarr L eacutetiquettes

23

Preacutesentateur
Commentaires de preacutesentation
Premier exemple drsquoabstraction commune agrave nos projets la notion de graphe eacutetiqueteacute orienteacute ou appeleacute graphe entiteacute-relation

EMappingune relation binaire qui associe chaque eacuteleacutement drsquoun ERGraph EHavec au plus un

eacuteleacutement drsquoun ERGraph EG24

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme exemple drsquoabstraction le mapping entre deux graphes crsquoest-agrave-dire une relation binaire qui associe chaque eacuteleacutement drsquoun graphe avec au plus un eacuteleacutement drsquoun autre graphe

visseacutes visseacutesx

z

visseacutes(xy)visseacutes(yz)

soudeacutes(zv)soudeacutes(zu)soudeacutes(uv)

visseacutes(xp) visseacutes(pz)

25

soudeacutesx

y

z

u vsoudeacutes

visseacutes visseacutes

Preacutesentateur
Commentaires de preacutesentation
Quel est lrsquointeacuterecirct drsquoun mapping il va nous permettre en premier lieu de retrouver la deacuterivation logique dans les graphes13Si je prends les assertions agrave gauche je peux les repreacutesenter par ce graphe agrave droite13Jrsquoai la mecircme eacutequivalence entre une requecircte ou des assertions agrave prouver et un graphe requecircte13Et la deacuterivation logique ici est eacutequivalente agrave un homorphisme de graphe ici un type particulier de mapping13

langage de requecircte

SPARQLSELECT FROM WHERE

26

Preacutesentateur
Commentaires de preacutesentation
La premiegravere application crsquoest de pouvoir implanter un langage de requecircte comme SPARQL sur des graphes RDF13La reacutesolution drsquoune requecircte revient agrave la recherche drsquohomomorphismes de graphes13

RDFS pour deacutefinir les classes de ressources et organiser leur hieacuterarchie Document

Rapport

27

Preacutesentateur
Commentaires de preacutesentation
RDFs va nous permettre drsquoajouter des nos meacutemoires des ontologies leacutegegraveres notamment pourhellip

RDFS pour deacutefinir les relations leur hieacuterarchie et leurs signatures creacuteateur

auteurDocument Personne

28

Preacutesentateur
Commentaires de preacutesentation
et pourhellip

FandO rarr R hArr GF le GRmapping modulo une ontologie

voiture

veacutehicule

voiture(x)rArrveacutehicule(x)

29

GF

GRveacutehicule

voiture

O

Preacutesentateur
Commentaires de preacutesentation
13Degraves lors on va complexifier notre mapping pour prendre en compte non seulement la connaissance capturer dans les graphes requecirctes et les graphes faits mais aussi la connaissance drsquoune ontologie13Notamment lorsque je dois veacuterifier que les eacutetiquettes de mon graphe requecircte et de mon graphe cible sont compatibles je vais le faire modulo une ontologie13Mecircme si veacutehicule et voiture ne sont pas les mecircme eacutetiquettes si mon ontologie dit que voiture est un sous-type de veacutehicule alors mon homomorphisme est valide13

EMappingopeacuteration centrale interroger

raisonner

visualiser

hellip

30

Preacutesentateur
Commentaires de preacutesentation
ce type drsquoopeacuteration est central pourhellip

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

31

Preacutesentateur
Commentaires de preacutesentation
La relation standard du web seacutemantique et graphes nrsquoest pas agrave sens unique On peut aussi utiliser des travaux sur les graphes pour suggeacuterer des solutions agrave des problegravemes dans les standards13Par exemple le problegraveme de la provenance des arcs drsquoun graphes RDF Il nrsquoy a pas de moyen actuellement de speacutecifier drsquoougrave viennent les diffeacuterents morceaux de mon graphe RDF

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

httpwwww3org

http wwwinriafrhttp wwwinriafrhttp wwwinriafr

httpwwww3org

32

Preacutesentateur
Commentaires de preacutesentation
En srsquoinspirant des graphes nommeacutes on peut suggeacuterer une extension de la syntaxe RDFXML pour indiquer la provenance et crsquoest ce que jrsquoai conduit en reacutedigeant une soumission drsquoextension du standard RDF au W3C13

3 espaces meacutetriques des graphes de connaissances

33

Preacutesentateur
Commentaires de preacutesentation
Nous avons donc des meacutemoires qui utilisent les formalismes du web seacutemantique et leurs structures de graphe13La structure et les manipulations de graphe ne sont pas uniquement une autre faccedilon de faire des repreacutesentations et des raisonnements logiques13Les graphes ont des caracteacuteristiques propres inteacuteressantes pour nos sceacutenarios drsquousage et crsquoest ce que nous allons voir dans cette troisiegraveme partie13

distances seacutemantiquesmeacutetaphore matheacutematique pour une comparaison intuitive

34

Preacutesentateur
Commentaires de preacutesentation
Je vais me focaliser ici sur un exemple drsquoinfeacuterence particulier les distances seacutemantiques13Il srsquoagit drsquoune meacutetaphore matheacutematique pour une comparaison intuitive13Si je considegravere un coupeacute un break et un avion naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche du break que de lrsquoavion13Cependant si maintenant je considegravere un coupeacute un avion et un livre naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche de lrsquoavion que du livre13Ces raisonnements nous les utilisons tous les jours pour comparer et eacutevaluer les diffeacuterences que nous percevons 13

simuler la meacutemoireseacutemantique est une ideacutee ancienne(Quillian 1968) (Collins amp Loftus 1975)

mais avec de nouveaux besoins

35

Preacutesentateur
Commentaires de preacutesentation
hellip nous allons voir certains de ces besoins

de linteacuterecirct dun agrave peu pregraves

ma montre na quune aiguillemais elle nest pas casseacutee

36

Preacutesentateur
Commentaires de preacutesentation
Ceci est ma montre Elle na quune aiguille mais elle nest pas casseacutee Elle se lit comme un chronomegravetre Elle donne lrsquoheure en une seule lecture donc tregraves rapidement mais en contrepartie elle est moins preacutecise les gens commettent en moyenne une erreur de lecture de 3 min13En recherche drsquoinformation aussi il peut ecirctre inteacuteressant de pouvoir obtenir une reacuteponse approcheacutee mais plus rapidement ou agrave deacutefaut de bonne reacuteponse13Crsquoest lagrave que les distances entrent en jeu

projection classique

voiture

veacutehicule

t1 lt t2 ie t1(x)rArrt2(x) T1 sub T2

voiture(x)rArrveacutehicule(x)

37

Preacutesentateur
Commentaires de preacutesentation
Reprenons notre projection modulo une ontologie fournissant des relations logiques entre les eacutetiquettes de mes graphes13

relaxer une contrainte de typage

camion

voiture

voiture(x) camion(x)

t1(x)rArrt2(x) rarr d(t1t2)ltseuil

sum neisin ⎥⎦⎤

⎢⎣⎡=leisinforall

121 )(21212

21 21)( aon )(

ttttt tdepthHc ttlttHttc

( ))()(min)( aon )( 21212

21 21ttlttlttdistHtt

cc HHttttc +=isinforall gege

38

Preacutesentateur
Commentaires de preacutesentation
Srsquoil nrsquoexiste pas de reacuteponse exacte on peut srsquointeacuteresser agrave remplacer les contraintes logiques entre les types par des contraintes numeacuteriques sur une distance entre ces types13Ici par exemple on considegravere un arbre de types et la longueur minimal des chemins seacuteparant les deux types sachant que les arcs sont exponentiellement plus courts qursquoils sont profonds dans lrsquoarbre13Et en fixant un seuil on va pouvoir controcircler les approximations que lrsquoon fait sur les types13

organiserun tas dobjets

39

Preacutesentateur
Commentaires de preacutesentation
deuxiegraveme exemple de besoin pour ces distances pour organiser et grouper des descriptions lorsque nos bases de graphes deviennent grandes et que lrsquoon veut avoir une ideacutee de ce qursquoelles contiennent

organiserdes compeacutetences

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

40

Preacutesentateur
Commentaires de preacutesentation
Dans le projet KmP preacutesenteacute au deacutebut les entreprises deacutecrivent leurs compeacutetences agrave lrsquoaide drsquoune ontologie13A lrsquoautre bout de la chaine les deacutecideurs et la reacutegion aimeraient savoir qursquoelles sont les compeacutetences preacutesentes sur Sophia13Pour cela nos collegravegues en gestion construisent des repreacutesentations comme celle-ci des groupes ou clusters des compeacutetences compleacutementaires ou similaires sur Sophia13Question avec quoi peut-on construire ces groupes13Reacuteponse avec une distance permettant de savoir lesquelles sont proches et lesquelles ne le sont pas13

organiserdes compeacutetences

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

1)(1)(2))((21 2121 21

21

21)( minusminusminus minusminus= tdepthtdepthttlcstdepthttdist

( )( ) 2121)(21 quand )(max)(21

ttttlcststdistttdistttlcststCH ne=

leforall

2121 quand 0)( ttttdistCH ==

A B C D H IGFE M NLKJ255

75

175

0

41

Preacutesentateur
Commentaires de preacutesentation
Derriegravere ces cluster il y a une structure que lrsquoon appelle un dendrogramme qui permet de choisir le niveau de regroupement souhaiteacute13Ce dendrograme correspond agrave une ultra-meacutetrique crsquoest-agrave-dire une distance pour laquelle lrsquoineacutegaliteacute triangulaire est sur-contrainte13Ce que jrsquoai proposeacute ici crsquoest une transformation de la distance sur un arbre de types dans lrsquoontologie agrave une ultra meacutetrique permettant de reproduire les groupements faits par les gestionnaires13

42

Preacutesentateur
Commentaires de preacutesentation
Voilagrave alors ce que lrsquoon peut produire en choisissant un niveau de deacutetail une vue radar des compeacutetences sur Sophia ici dans le domaine du logiciel avec un zoom sur les compeacutetences cœurs qui sont eacutevidemment proche du domaine des reacuteseaux

seacuteparer deux aspects

meacutetaphore matheacutematiqueles laquo distances raquo au naturel

simulations informatiquesespaces amp meacutetriques double conception

43

Preacutesentateur
Commentaires de preacutesentation
agrave ce stade jrsquoai voulu seacuteparer et travailler en parallegravele sur deux aspects des distances13le fait que lrsquoon utilise peut-ecirctre abusivement de terme distance et que cette meacutetaphore a peut-ecirctre ses limites13le fait ce que lrsquoon construit vraiment ce sont des espaces meacutetriques et qursquoil srsquoagit donc drsquoune double conception

tester les laquo distances raquo au naturel

44

Preacutesentateur
Commentaires de preacutesentation
Pour comprendre un peu mieux les distances je donne ici un exemple drsquoexpeacuterience simple que jrsquoai encadreacutee on demande ici agrave lrsquoutilisateur de positionner des concepts de faccedilon agrave ce qursquoils soient geacuteomeacutetriquement proches srsquoils sont seacutemantiquement proches Lrsquoexpeacuterience a eacuteteacute faite avec plus drsquoune trentaine de personnes de tous horizons13

tester les distances au naturel

camion

45

Preacutesentateur
Commentaires de preacutesentation
En suite si lrsquoon regarde par exemple la distance moyenne entre le concept de camion et le concept drsquoavion de bus de camionnettehellip on voit une chose inteacuteressante crsquoest que veacutehicule qui serait typiquement un pegravere des autres nrsquoest pourtant est plus loin de camion que certains de ses fregraveres et plus proche que drsquoautres sur un arbre simple avec seulement ces concepts crsquoest impossible agrave faire il faut soit modifier les concepts pour mettre des classes abstraites soit modifier les liens pour permettre drsquoautres parcours par exemple en reacuteifiant les liens aux fregraveres13

intension amp intention dusageutilisables dans un mecircme graphe concis

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

Technologie

AppareilReacuteseau

Sans-fil

WifiGSM

Teacuteleacutephone

Cellulaire

connexion

sous‐type‐et‐signature

46

Preacutesentateur
Commentaires de preacutesentation
concernant la double conception espace et meacutetrique je donne ici un exemple drsquoune approche que jrsquoessaie de systeacutematiser ougrave lrsquoon donne deux deacutefinitions formelles13une deacutefinition formelle de lrsquoespace13une deacutefinition formelle de la meacutetrique13Ici je mrsquointeacuteresse agrave eacutelargir les parcours possibles dans lrsquoontologie agrave drsquoautres graphes que celui de la hieacuterarchie des types et dans cette exemple jrsquoinclus les signatures des relations crsquoest-agrave-dire les types drsquoobjets qui peuvent ecirctre relieacutes par une relation13La meacutetrique reste la mecircme

intension amp intention dusagedeacutesambiguumliser lextraction de termes

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

5000

6000

7000

8000

9000

[Khelif et al]wclass 02wprop 04wsig 04

47

Preacutesentateur
Commentaires de preacutesentation
En incluant des poids dans la deacutefinition de lrsquoespace on peut passer progressivement drsquoune distance nrsquoutilisant que la hieacuterarchie agrave une distance nrsquoutilisant que les signatures13En appliquant cette distance agrave la deacutesambiguumlisation de termes extraits drsquoun texte (ie pour retrouver le sens dans lequel un terme est utiliseacute) on voit ici qursquoune distance hybride capable de combiner les deux espaces se comporte mieux que lrsquoune ou lrsquoautre des distances extrecircmes

4 le

ressources

des

distribueacutees

problegraveme

48

Preacutesentateur
Commentaires de preacutesentation
Nous avons vu que nous travaillons sur des meacutemoires qui utilisent le web seacutemantique dans leur mateacuterialisation et pour lesquelles la repreacutesentation et le traitement agrave base de graphes fournissaient eacutenormeacutement drsquoatouts13Cependant le contenu et les traitements de ces meacutemoires ne sont pas forceacutement sur la mecircme machine

graphesdistribueacutes

49

Preacutesentateur
Commentaires de preacutesentation
Le premier problegraveme qui peut se poser crsquoest si mes graphes ne sont pas sur la mecircme machine13Si mes triplets RDF mes arcs viennent de diffeacuterents endroits

serveursquelques

RDF

RDF

RDF

RDF

SPARQL

application web

service web

identiques

service web

service web

50

Preacutesentateur
Commentaires de preacutesentation
Nous avons consideacutereacute un cas classique en entreprise ou il y a une liste connue restreinte et stable de serveurs

broadcasteacuteviter le

51

52

index de serveurcaracteacuteriser son contenu les eacutetoiles et les chemins

53

annotation

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

54

Preacutesentateur
Commentaires de preacutesentation
voici une annotation simplifieacutee drsquoun document dans le projet SevenPro concernant la conception drsquoune voiture

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 18: HDR

ex dochtml a pour auteur Fabienet a pour thegraveme la Musique

18

dochtml a pour auteur Fabiendochtml a pour thegraveme Musique

19

Fabien

auteur

dochtml

thegraveme

Musique

20

graphesdu web seacutemantique

21

Preacutesentateur
Commentaires de preacutesentation
La structure de graphes de RDF est omnipreacutesente dans toute la pile du web seacutemantique qui se construit au-dessus de RDF13Par exemple cette petite ontologie a pour repreacutesentation en RDFS le graphe en fond drsquoeacutecran13Nous nous inteacuteressons donc systeacutematiquement aux structures graphes dans le web seacutemantiques et aux opeacuterateurs sur ces graphes qui permettent de les exploiter pour la recherche drsquoinformation et le raisonnement13

GRIWESGraphes dans les Repreacutesentations et les Infeacuterences sur le Web et Systegravemes symboliques

[COLOR LIRMM I3S]

22

Preacutesentateur
Commentaires de preacutesentation
Pour coordonner nos efforts sur ce sujet jrsquoai porteacute un projet entre lrsquoINRIA le LIRMM et lrsquoI3S ou nous avons eacutetudieacute les caracteacuteristiques communes des graphes et des traitements que nous utilisons dans nos projets de recherche

ERGraphG=(EG RG nG lG)bull EG entiteacutes bull RG hyperarcsbull nG RG rarr EG argumentsbull lG EG cup RG rarr L eacutetiquettes

23

Preacutesentateur
Commentaires de preacutesentation
Premier exemple drsquoabstraction commune agrave nos projets la notion de graphe eacutetiqueteacute orienteacute ou appeleacute graphe entiteacute-relation

EMappingune relation binaire qui associe chaque eacuteleacutement drsquoun ERGraph EHavec au plus un

eacuteleacutement drsquoun ERGraph EG24

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme exemple drsquoabstraction le mapping entre deux graphes crsquoest-agrave-dire une relation binaire qui associe chaque eacuteleacutement drsquoun graphe avec au plus un eacuteleacutement drsquoun autre graphe

visseacutes visseacutesx

z

visseacutes(xy)visseacutes(yz)

soudeacutes(zv)soudeacutes(zu)soudeacutes(uv)

visseacutes(xp) visseacutes(pz)

25

soudeacutesx

y

z

u vsoudeacutes

visseacutes visseacutes

Preacutesentateur
Commentaires de preacutesentation
Quel est lrsquointeacuterecirct drsquoun mapping il va nous permettre en premier lieu de retrouver la deacuterivation logique dans les graphes13Si je prends les assertions agrave gauche je peux les repreacutesenter par ce graphe agrave droite13Jrsquoai la mecircme eacutequivalence entre une requecircte ou des assertions agrave prouver et un graphe requecircte13Et la deacuterivation logique ici est eacutequivalente agrave un homorphisme de graphe ici un type particulier de mapping13

langage de requecircte

SPARQLSELECT FROM WHERE

26

Preacutesentateur
Commentaires de preacutesentation
La premiegravere application crsquoest de pouvoir implanter un langage de requecircte comme SPARQL sur des graphes RDF13La reacutesolution drsquoune requecircte revient agrave la recherche drsquohomomorphismes de graphes13

RDFS pour deacutefinir les classes de ressources et organiser leur hieacuterarchie Document

Rapport

27

Preacutesentateur
Commentaires de preacutesentation
RDFs va nous permettre drsquoajouter des nos meacutemoires des ontologies leacutegegraveres notamment pourhellip

RDFS pour deacutefinir les relations leur hieacuterarchie et leurs signatures creacuteateur

auteurDocument Personne

28

Preacutesentateur
Commentaires de preacutesentation
et pourhellip

FandO rarr R hArr GF le GRmapping modulo une ontologie

voiture

veacutehicule

voiture(x)rArrveacutehicule(x)

29

GF

GRveacutehicule

voiture

O

Preacutesentateur
Commentaires de preacutesentation
13Degraves lors on va complexifier notre mapping pour prendre en compte non seulement la connaissance capturer dans les graphes requecirctes et les graphes faits mais aussi la connaissance drsquoune ontologie13Notamment lorsque je dois veacuterifier que les eacutetiquettes de mon graphe requecircte et de mon graphe cible sont compatibles je vais le faire modulo une ontologie13Mecircme si veacutehicule et voiture ne sont pas les mecircme eacutetiquettes si mon ontologie dit que voiture est un sous-type de veacutehicule alors mon homomorphisme est valide13

EMappingopeacuteration centrale interroger

raisonner

visualiser

hellip

30

Preacutesentateur
Commentaires de preacutesentation
ce type drsquoopeacuteration est central pourhellip

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

31

Preacutesentateur
Commentaires de preacutesentation
La relation standard du web seacutemantique et graphes nrsquoest pas agrave sens unique On peut aussi utiliser des travaux sur les graphes pour suggeacuterer des solutions agrave des problegravemes dans les standards13Par exemple le problegraveme de la provenance des arcs drsquoun graphes RDF Il nrsquoy a pas de moyen actuellement de speacutecifier drsquoougrave viennent les diffeacuterents morceaux de mon graphe RDF

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

httpwwww3org

http wwwinriafrhttp wwwinriafrhttp wwwinriafr

httpwwww3org

32

Preacutesentateur
Commentaires de preacutesentation
En srsquoinspirant des graphes nommeacutes on peut suggeacuterer une extension de la syntaxe RDFXML pour indiquer la provenance et crsquoest ce que jrsquoai conduit en reacutedigeant une soumission drsquoextension du standard RDF au W3C13

3 espaces meacutetriques des graphes de connaissances

33

Preacutesentateur
Commentaires de preacutesentation
Nous avons donc des meacutemoires qui utilisent les formalismes du web seacutemantique et leurs structures de graphe13La structure et les manipulations de graphe ne sont pas uniquement une autre faccedilon de faire des repreacutesentations et des raisonnements logiques13Les graphes ont des caracteacuteristiques propres inteacuteressantes pour nos sceacutenarios drsquousage et crsquoest ce que nous allons voir dans cette troisiegraveme partie13

distances seacutemantiquesmeacutetaphore matheacutematique pour une comparaison intuitive

34

Preacutesentateur
Commentaires de preacutesentation
Je vais me focaliser ici sur un exemple drsquoinfeacuterence particulier les distances seacutemantiques13Il srsquoagit drsquoune meacutetaphore matheacutematique pour une comparaison intuitive13Si je considegravere un coupeacute un break et un avion naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche du break que de lrsquoavion13Cependant si maintenant je considegravere un coupeacute un avion et un livre naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche de lrsquoavion que du livre13Ces raisonnements nous les utilisons tous les jours pour comparer et eacutevaluer les diffeacuterences que nous percevons 13

simuler la meacutemoireseacutemantique est une ideacutee ancienne(Quillian 1968) (Collins amp Loftus 1975)

mais avec de nouveaux besoins

35

Preacutesentateur
Commentaires de preacutesentation
hellip nous allons voir certains de ces besoins

de linteacuterecirct dun agrave peu pregraves

ma montre na quune aiguillemais elle nest pas casseacutee

36

Preacutesentateur
Commentaires de preacutesentation
Ceci est ma montre Elle na quune aiguille mais elle nest pas casseacutee Elle se lit comme un chronomegravetre Elle donne lrsquoheure en une seule lecture donc tregraves rapidement mais en contrepartie elle est moins preacutecise les gens commettent en moyenne une erreur de lecture de 3 min13En recherche drsquoinformation aussi il peut ecirctre inteacuteressant de pouvoir obtenir une reacuteponse approcheacutee mais plus rapidement ou agrave deacutefaut de bonne reacuteponse13Crsquoest lagrave que les distances entrent en jeu

projection classique

voiture

veacutehicule

t1 lt t2 ie t1(x)rArrt2(x) T1 sub T2

voiture(x)rArrveacutehicule(x)

37

Preacutesentateur
Commentaires de preacutesentation
Reprenons notre projection modulo une ontologie fournissant des relations logiques entre les eacutetiquettes de mes graphes13

relaxer une contrainte de typage

camion

voiture

voiture(x) camion(x)

t1(x)rArrt2(x) rarr d(t1t2)ltseuil

sum neisin ⎥⎦⎤

⎢⎣⎡=leisinforall

121 )(21212

21 21)( aon )(

ttttt tdepthHc ttlttHttc

( ))()(min)( aon )( 21212

21 21ttlttlttdistHtt

cc HHttttc +=isinforall gege

38

Preacutesentateur
Commentaires de preacutesentation
Srsquoil nrsquoexiste pas de reacuteponse exacte on peut srsquointeacuteresser agrave remplacer les contraintes logiques entre les types par des contraintes numeacuteriques sur une distance entre ces types13Ici par exemple on considegravere un arbre de types et la longueur minimal des chemins seacuteparant les deux types sachant que les arcs sont exponentiellement plus courts qursquoils sont profonds dans lrsquoarbre13Et en fixant un seuil on va pouvoir controcircler les approximations que lrsquoon fait sur les types13

organiserun tas dobjets

39

Preacutesentateur
Commentaires de preacutesentation
deuxiegraveme exemple de besoin pour ces distances pour organiser et grouper des descriptions lorsque nos bases de graphes deviennent grandes et que lrsquoon veut avoir une ideacutee de ce qursquoelles contiennent

organiserdes compeacutetences

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

40

Preacutesentateur
Commentaires de preacutesentation
Dans le projet KmP preacutesenteacute au deacutebut les entreprises deacutecrivent leurs compeacutetences agrave lrsquoaide drsquoune ontologie13A lrsquoautre bout de la chaine les deacutecideurs et la reacutegion aimeraient savoir qursquoelles sont les compeacutetences preacutesentes sur Sophia13Pour cela nos collegravegues en gestion construisent des repreacutesentations comme celle-ci des groupes ou clusters des compeacutetences compleacutementaires ou similaires sur Sophia13Question avec quoi peut-on construire ces groupes13Reacuteponse avec une distance permettant de savoir lesquelles sont proches et lesquelles ne le sont pas13

organiserdes compeacutetences

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

1)(1)(2))((21 2121 21

21

21)( minusminusminus minusminus= tdepthtdepthttlcstdepthttdist

( )( ) 2121)(21 quand )(max)(21

ttttlcststdistttdistttlcststCH ne=

leforall

2121 quand 0)( ttttdistCH ==

A B C D H IGFE M NLKJ255

75

175

0

41

Preacutesentateur
Commentaires de preacutesentation
Derriegravere ces cluster il y a une structure que lrsquoon appelle un dendrogramme qui permet de choisir le niveau de regroupement souhaiteacute13Ce dendrograme correspond agrave une ultra-meacutetrique crsquoest-agrave-dire une distance pour laquelle lrsquoineacutegaliteacute triangulaire est sur-contrainte13Ce que jrsquoai proposeacute ici crsquoest une transformation de la distance sur un arbre de types dans lrsquoontologie agrave une ultra meacutetrique permettant de reproduire les groupements faits par les gestionnaires13

42

Preacutesentateur
Commentaires de preacutesentation
Voilagrave alors ce que lrsquoon peut produire en choisissant un niveau de deacutetail une vue radar des compeacutetences sur Sophia ici dans le domaine du logiciel avec un zoom sur les compeacutetences cœurs qui sont eacutevidemment proche du domaine des reacuteseaux

seacuteparer deux aspects

meacutetaphore matheacutematiqueles laquo distances raquo au naturel

simulations informatiquesespaces amp meacutetriques double conception

43

Preacutesentateur
Commentaires de preacutesentation
agrave ce stade jrsquoai voulu seacuteparer et travailler en parallegravele sur deux aspects des distances13le fait que lrsquoon utilise peut-ecirctre abusivement de terme distance et que cette meacutetaphore a peut-ecirctre ses limites13le fait ce que lrsquoon construit vraiment ce sont des espaces meacutetriques et qursquoil srsquoagit donc drsquoune double conception

tester les laquo distances raquo au naturel

44

Preacutesentateur
Commentaires de preacutesentation
Pour comprendre un peu mieux les distances je donne ici un exemple drsquoexpeacuterience simple que jrsquoai encadreacutee on demande ici agrave lrsquoutilisateur de positionner des concepts de faccedilon agrave ce qursquoils soient geacuteomeacutetriquement proches srsquoils sont seacutemantiquement proches Lrsquoexpeacuterience a eacuteteacute faite avec plus drsquoune trentaine de personnes de tous horizons13

tester les distances au naturel

camion

45

Preacutesentateur
Commentaires de preacutesentation
En suite si lrsquoon regarde par exemple la distance moyenne entre le concept de camion et le concept drsquoavion de bus de camionnettehellip on voit une chose inteacuteressante crsquoest que veacutehicule qui serait typiquement un pegravere des autres nrsquoest pourtant est plus loin de camion que certains de ses fregraveres et plus proche que drsquoautres sur un arbre simple avec seulement ces concepts crsquoest impossible agrave faire il faut soit modifier les concepts pour mettre des classes abstraites soit modifier les liens pour permettre drsquoautres parcours par exemple en reacuteifiant les liens aux fregraveres13

intension amp intention dusageutilisables dans un mecircme graphe concis

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

Technologie

AppareilReacuteseau

Sans-fil

WifiGSM

Teacuteleacutephone

Cellulaire

connexion

sous‐type‐et‐signature

46

Preacutesentateur
Commentaires de preacutesentation
concernant la double conception espace et meacutetrique je donne ici un exemple drsquoune approche que jrsquoessaie de systeacutematiser ougrave lrsquoon donne deux deacutefinitions formelles13une deacutefinition formelle de lrsquoespace13une deacutefinition formelle de la meacutetrique13Ici je mrsquointeacuteresse agrave eacutelargir les parcours possibles dans lrsquoontologie agrave drsquoautres graphes que celui de la hieacuterarchie des types et dans cette exemple jrsquoinclus les signatures des relations crsquoest-agrave-dire les types drsquoobjets qui peuvent ecirctre relieacutes par une relation13La meacutetrique reste la mecircme

intension amp intention dusagedeacutesambiguumliser lextraction de termes

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

5000

6000

7000

8000

9000

[Khelif et al]wclass 02wprop 04wsig 04

47

Preacutesentateur
Commentaires de preacutesentation
En incluant des poids dans la deacutefinition de lrsquoespace on peut passer progressivement drsquoune distance nrsquoutilisant que la hieacuterarchie agrave une distance nrsquoutilisant que les signatures13En appliquant cette distance agrave la deacutesambiguumlisation de termes extraits drsquoun texte (ie pour retrouver le sens dans lequel un terme est utiliseacute) on voit ici qursquoune distance hybride capable de combiner les deux espaces se comporte mieux que lrsquoune ou lrsquoautre des distances extrecircmes

4 le

ressources

des

distribueacutees

problegraveme

48

Preacutesentateur
Commentaires de preacutesentation
Nous avons vu que nous travaillons sur des meacutemoires qui utilisent le web seacutemantique dans leur mateacuterialisation et pour lesquelles la repreacutesentation et le traitement agrave base de graphes fournissaient eacutenormeacutement drsquoatouts13Cependant le contenu et les traitements de ces meacutemoires ne sont pas forceacutement sur la mecircme machine

graphesdistribueacutes

49

Preacutesentateur
Commentaires de preacutesentation
Le premier problegraveme qui peut se poser crsquoest si mes graphes ne sont pas sur la mecircme machine13Si mes triplets RDF mes arcs viennent de diffeacuterents endroits

serveursquelques

RDF

RDF

RDF

RDF

SPARQL

application web

service web

identiques

service web

service web

50

Preacutesentateur
Commentaires de preacutesentation
Nous avons consideacutereacute un cas classique en entreprise ou il y a une liste connue restreinte et stable de serveurs

broadcasteacuteviter le

51

52

index de serveurcaracteacuteriser son contenu les eacutetoiles et les chemins

53

annotation

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

54

Preacutesentateur
Commentaires de preacutesentation
voici une annotation simplifieacutee drsquoun document dans le projet SevenPro concernant la conception drsquoune voiture

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 19: HDR

dochtml a pour auteur Fabiendochtml a pour thegraveme Musique

19

Fabien

auteur

dochtml

thegraveme

Musique

20

graphesdu web seacutemantique

21

Preacutesentateur
Commentaires de preacutesentation
La structure de graphes de RDF est omnipreacutesente dans toute la pile du web seacutemantique qui se construit au-dessus de RDF13Par exemple cette petite ontologie a pour repreacutesentation en RDFS le graphe en fond drsquoeacutecran13Nous nous inteacuteressons donc systeacutematiquement aux structures graphes dans le web seacutemantiques et aux opeacuterateurs sur ces graphes qui permettent de les exploiter pour la recherche drsquoinformation et le raisonnement13

GRIWESGraphes dans les Repreacutesentations et les Infeacuterences sur le Web et Systegravemes symboliques

[COLOR LIRMM I3S]

22

Preacutesentateur
Commentaires de preacutesentation
Pour coordonner nos efforts sur ce sujet jrsquoai porteacute un projet entre lrsquoINRIA le LIRMM et lrsquoI3S ou nous avons eacutetudieacute les caracteacuteristiques communes des graphes et des traitements que nous utilisons dans nos projets de recherche

ERGraphG=(EG RG nG lG)bull EG entiteacutes bull RG hyperarcsbull nG RG rarr EG argumentsbull lG EG cup RG rarr L eacutetiquettes

23

Preacutesentateur
Commentaires de preacutesentation
Premier exemple drsquoabstraction commune agrave nos projets la notion de graphe eacutetiqueteacute orienteacute ou appeleacute graphe entiteacute-relation

EMappingune relation binaire qui associe chaque eacuteleacutement drsquoun ERGraph EHavec au plus un

eacuteleacutement drsquoun ERGraph EG24

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme exemple drsquoabstraction le mapping entre deux graphes crsquoest-agrave-dire une relation binaire qui associe chaque eacuteleacutement drsquoun graphe avec au plus un eacuteleacutement drsquoun autre graphe

visseacutes visseacutesx

z

visseacutes(xy)visseacutes(yz)

soudeacutes(zv)soudeacutes(zu)soudeacutes(uv)

visseacutes(xp) visseacutes(pz)

25

soudeacutesx

y

z

u vsoudeacutes

visseacutes visseacutes

Preacutesentateur
Commentaires de preacutesentation
Quel est lrsquointeacuterecirct drsquoun mapping il va nous permettre en premier lieu de retrouver la deacuterivation logique dans les graphes13Si je prends les assertions agrave gauche je peux les repreacutesenter par ce graphe agrave droite13Jrsquoai la mecircme eacutequivalence entre une requecircte ou des assertions agrave prouver et un graphe requecircte13Et la deacuterivation logique ici est eacutequivalente agrave un homorphisme de graphe ici un type particulier de mapping13

langage de requecircte

SPARQLSELECT FROM WHERE

26

Preacutesentateur
Commentaires de preacutesentation
La premiegravere application crsquoest de pouvoir implanter un langage de requecircte comme SPARQL sur des graphes RDF13La reacutesolution drsquoune requecircte revient agrave la recherche drsquohomomorphismes de graphes13

RDFS pour deacutefinir les classes de ressources et organiser leur hieacuterarchie Document

Rapport

27

Preacutesentateur
Commentaires de preacutesentation
RDFs va nous permettre drsquoajouter des nos meacutemoires des ontologies leacutegegraveres notamment pourhellip

RDFS pour deacutefinir les relations leur hieacuterarchie et leurs signatures creacuteateur

auteurDocument Personne

28

Preacutesentateur
Commentaires de preacutesentation
et pourhellip

FandO rarr R hArr GF le GRmapping modulo une ontologie

voiture

veacutehicule

voiture(x)rArrveacutehicule(x)

29

GF

GRveacutehicule

voiture

O

Preacutesentateur
Commentaires de preacutesentation
13Degraves lors on va complexifier notre mapping pour prendre en compte non seulement la connaissance capturer dans les graphes requecirctes et les graphes faits mais aussi la connaissance drsquoune ontologie13Notamment lorsque je dois veacuterifier que les eacutetiquettes de mon graphe requecircte et de mon graphe cible sont compatibles je vais le faire modulo une ontologie13Mecircme si veacutehicule et voiture ne sont pas les mecircme eacutetiquettes si mon ontologie dit que voiture est un sous-type de veacutehicule alors mon homomorphisme est valide13

EMappingopeacuteration centrale interroger

raisonner

visualiser

hellip

30

Preacutesentateur
Commentaires de preacutesentation
ce type drsquoopeacuteration est central pourhellip

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

31

Preacutesentateur
Commentaires de preacutesentation
La relation standard du web seacutemantique et graphes nrsquoest pas agrave sens unique On peut aussi utiliser des travaux sur les graphes pour suggeacuterer des solutions agrave des problegravemes dans les standards13Par exemple le problegraveme de la provenance des arcs drsquoun graphes RDF Il nrsquoy a pas de moyen actuellement de speacutecifier drsquoougrave viennent les diffeacuterents morceaux de mon graphe RDF

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

httpwwww3org

http wwwinriafrhttp wwwinriafrhttp wwwinriafr

httpwwww3org

32

Preacutesentateur
Commentaires de preacutesentation
En srsquoinspirant des graphes nommeacutes on peut suggeacuterer une extension de la syntaxe RDFXML pour indiquer la provenance et crsquoest ce que jrsquoai conduit en reacutedigeant une soumission drsquoextension du standard RDF au W3C13

3 espaces meacutetriques des graphes de connaissances

33

Preacutesentateur
Commentaires de preacutesentation
Nous avons donc des meacutemoires qui utilisent les formalismes du web seacutemantique et leurs structures de graphe13La structure et les manipulations de graphe ne sont pas uniquement une autre faccedilon de faire des repreacutesentations et des raisonnements logiques13Les graphes ont des caracteacuteristiques propres inteacuteressantes pour nos sceacutenarios drsquousage et crsquoest ce que nous allons voir dans cette troisiegraveme partie13

distances seacutemantiquesmeacutetaphore matheacutematique pour une comparaison intuitive

34

Preacutesentateur
Commentaires de preacutesentation
Je vais me focaliser ici sur un exemple drsquoinfeacuterence particulier les distances seacutemantiques13Il srsquoagit drsquoune meacutetaphore matheacutematique pour une comparaison intuitive13Si je considegravere un coupeacute un break et un avion naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche du break que de lrsquoavion13Cependant si maintenant je considegravere un coupeacute un avion et un livre naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche de lrsquoavion que du livre13Ces raisonnements nous les utilisons tous les jours pour comparer et eacutevaluer les diffeacuterences que nous percevons 13

simuler la meacutemoireseacutemantique est une ideacutee ancienne(Quillian 1968) (Collins amp Loftus 1975)

mais avec de nouveaux besoins

35

Preacutesentateur
Commentaires de preacutesentation
hellip nous allons voir certains de ces besoins

de linteacuterecirct dun agrave peu pregraves

ma montre na quune aiguillemais elle nest pas casseacutee

36

Preacutesentateur
Commentaires de preacutesentation
Ceci est ma montre Elle na quune aiguille mais elle nest pas casseacutee Elle se lit comme un chronomegravetre Elle donne lrsquoheure en une seule lecture donc tregraves rapidement mais en contrepartie elle est moins preacutecise les gens commettent en moyenne une erreur de lecture de 3 min13En recherche drsquoinformation aussi il peut ecirctre inteacuteressant de pouvoir obtenir une reacuteponse approcheacutee mais plus rapidement ou agrave deacutefaut de bonne reacuteponse13Crsquoest lagrave que les distances entrent en jeu

projection classique

voiture

veacutehicule

t1 lt t2 ie t1(x)rArrt2(x) T1 sub T2

voiture(x)rArrveacutehicule(x)

37

Preacutesentateur
Commentaires de preacutesentation
Reprenons notre projection modulo une ontologie fournissant des relations logiques entre les eacutetiquettes de mes graphes13

relaxer une contrainte de typage

camion

voiture

voiture(x) camion(x)

t1(x)rArrt2(x) rarr d(t1t2)ltseuil

sum neisin ⎥⎦⎤

⎢⎣⎡=leisinforall

121 )(21212

21 21)( aon )(

ttttt tdepthHc ttlttHttc

( ))()(min)( aon )( 21212

21 21ttlttlttdistHtt

cc HHttttc +=isinforall gege

38

Preacutesentateur
Commentaires de preacutesentation
Srsquoil nrsquoexiste pas de reacuteponse exacte on peut srsquointeacuteresser agrave remplacer les contraintes logiques entre les types par des contraintes numeacuteriques sur une distance entre ces types13Ici par exemple on considegravere un arbre de types et la longueur minimal des chemins seacuteparant les deux types sachant que les arcs sont exponentiellement plus courts qursquoils sont profonds dans lrsquoarbre13Et en fixant un seuil on va pouvoir controcircler les approximations que lrsquoon fait sur les types13

organiserun tas dobjets

39

Preacutesentateur
Commentaires de preacutesentation
deuxiegraveme exemple de besoin pour ces distances pour organiser et grouper des descriptions lorsque nos bases de graphes deviennent grandes et que lrsquoon veut avoir une ideacutee de ce qursquoelles contiennent

organiserdes compeacutetences

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

40

Preacutesentateur
Commentaires de preacutesentation
Dans le projet KmP preacutesenteacute au deacutebut les entreprises deacutecrivent leurs compeacutetences agrave lrsquoaide drsquoune ontologie13A lrsquoautre bout de la chaine les deacutecideurs et la reacutegion aimeraient savoir qursquoelles sont les compeacutetences preacutesentes sur Sophia13Pour cela nos collegravegues en gestion construisent des repreacutesentations comme celle-ci des groupes ou clusters des compeacutetences compleacutementaires ou similaires sur Sophia13Question avec quoi peut-on construire ces groupes13Reacuteponse avec une distance permettant de savoir lesquelles sont proches et lesquelles ne le sont pas13

organiserdes compeacutetences

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

1)(1)(2))((21 2121 21

21

21)( minusminusminus minusminus= tdepthtdepthttlcstdepthttdist

( )( ) 2121)(21 quand )(max)(21

ttttlcststdistttdistttlcststCH ne=

leforall

2121 quand 0)( ttttdistCH ==

A B C D H IGFE M NLKJ255

75

175

0

41

Preacutesentateur
Commentaires de preacutesentation
Derriegravere ces cluster il y a une structure que lrsquoon appelle un dendrogramme qui permet de choisir le niveau de regroupement souhaiteacute13Ce dendrograme correspond agrave une ultra-meacutetrique crsquoest-agrave-dire une distance pour laquelle lrsquoineacutegaliteacute triangulaire est sur-contrainte13Ce que jrsquoai proposeacute ici crsquoest une transformation de la distance sur un arbre de types dans lrsquoontologie agrave une ultra meacutetrique permettant de reproduire les groupements faits par les gestionnaires13

42

Preacutesentateur
Commentaires de preacutesentation
Voilagrave alors ce que lrsquoon peut produire en choisissant un niveau de deacutetail une vue radar des compeacutetences sur Sophia ici dans le domaine du logiciel avec un zoom sur les compeacutetences cœurs qui sont eacutevidemment proche du domaine des reacuteseaux

seacuteparer deux aspects

meacutetaphore matheacutematiqueles laquo distances raquo au naturel

simulations informatiquesespaces amp meacutetriques double conception

43

Preacutesentateur
Commentaires de preacutesentation
agrave ce stade jrsquoai voulu seacuteparer et travailler en parallegravele sur deux aspects des distances13le fait que lrsquoon utilise peut-ecirctre abusivement de terme distance et que cette meacutetaphore a peut-ecirctre ses limites13le fait ce que lrsquoon construit vraiment ce sont des espaces meacutetriques et qursquoil srsquoagit donc drsquoune double conception

tester les laquo distances raquo au naturel

44

Preacutesentateur
Commentaires de preacutesentation
Pour comprendre un peu mieux les distances je donne ici un exemple drsquoexpeacuterience simple que jrsquoai encadreacutee on demande ici agrave lrsquoutilisateur de positionner des concepts de faccedilon agrave ce qursquoils soient geacuteomeacutetriquement proches srsquoils sont seacutemantiquement proches Lrsquoexpeacuterience a eacuteteacute faite avec plus drsquoune trentaine de personnes de tous horizons13

tester les distances au naturel

camion

45

Preacutesentateur
Commentaires de preacutesentation
En suite si lrsquoon regarde par exemple la distance moyenne entre le concept de camion et le concept drsquoavion de bus de camionnettehellip on voit une chose inteacuteressante crsquoest que veacutehicule qui serait typiquement un pegravere des autres nrsquoest pourtant est plus loin de camion que certains de ses fregraveres et plus proche que drsquoautres sur un arbre simple avec seulement ces concepts crsquoest impossible agrave faire il faut soit modifier les concepts pour mettre des classes abstraites soit modifier les liens pour permettre drsquoautres parcours par exemple en reacuteifiant les liens aux fregraveres13

intension amp intention dusageutilisables dans un mecircme graphe concis

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

Technologie

AppareilReacuteseau

Sans-fil

WifiGSM

Teacuteleacutephone

Cellulaire

connexion

sous‐type‐et‐signature

46

Preacutesentateur
Commentaires de preacutesentation
concernant la double conception espace et meacutetrique je donne ici un exemple drsquoune approche que jrsquoessaie de systeacutematiser ougrave lrsquoon donne deux deacutefinitions formelles13une deacutefinition formelle de lrsquoespace13une deacutefinition formelle de la meacutetrique13Ici je mrsquointeacuteresse agrave eacutelargir les parcours possibles dans lrsquoontologie agrave drsquoautres graphes que celui de la hieacuterarchie des types et dans cette exemple jrsquoinclus les signatures des relations crsquoest-agrave-dire les types drsquoobjets qui peuvent ecirctre relieacutes par une relation13La meacutetrique reste la mecircme

intension amp intention dusagedeacutesambiguumliser lextraction de termes

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

5000

6000

7000

8000

9000

[Khelif et al]wclass 02wprop 04wsig 04

47

Preacutesentateur
Commentaires de preacutesentation
En incluant des poids dans la deacutefinition de lrsquoespace on peut passer progressivement drsquoune distance nrsquoutilisant que la hieacuterarchie agrave une distance nrsquoutilisant que les signatures13En appliquant cette distance agrave la deacutesambiguumlisation de termes extraits drsquoun texte (ie pour retrouver le sens dans lequel un terme est utiliseacute) on voit ici qursquoune distance hybride capable de combiner les deux espaces se comporte mieux que lrsquoune ou lrsquoautre des distances extrecircmes

4 le

ressources

des

distribueacutees

problegraveme

48

Preacutesentateur
Commentaires de preacutesentation
Nous avons vu que nous travaillons sur des meacutemoires qui utilisent le web seacutemantique dans leur mateacuterialisation et pour lesquelles la repreacutesentation et le traitement agrave base de graphes fournissaient eacutenormeacutement drsquoatouts13Cependant le contenu et les traitements de ces meacutemoires ne sont pas forceacutement sur la mecircme machine

graphesdistribueacutes

49

Preacutesentateur
Commentaires de preacutesentation
Le premier problegraveme qui peut se poser crsquoest si mes graphes ne sont pas sur la mecircme machine13Si mes triplets RDF mes arcs viennent de diffeacuterents endroits

serveursquelques

RDF

RDF

RDF

RDF

SPARQL

application web

service web

identiques

service web

service web

50

Preacutesentateur
Commentaires de preacutesentation
Nous avons consideacutereacute un cas classique en entreprise ou il y a une liste connue restreinte et stable de serveurs

broadcasteacuteviter le

51

52

index de serveurcaracteacuteriser son contenu les eacutetoiles et les chemins

53

annotation

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

54

Preacutesentateur
Commentaires de preacutesentation
voici une annotation simplifieacutee drsquoun document dans le projet SevenPro concernant la conception drsquoune voiture

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 20: HDR

Fabien

auteur

dochtml

thegraveme

Musique

20

graphesdu web seacutemantique

21

Preacutesentateur
Commentaires de preacutesentation
La structure de graphes de RDF est omnipreacutesente dans toute la pile du web seacutemantique qui se construit au-dessus de RDF13Par exemple cette petite ontologie a pour repreacutesentation en RDFS le graphe en fond drsquoeacutecran13Nous nous inteacuteressons donc systeacutematiquement aux structures graphes dans le web seacutemantiques et aux opeacuterateurs sur ces graphes qui permettent de les exploiter pour la recherche drsquoinformation et le raisonnement13

GRIWESGraphes dans les Repreacutesentations et les Infeacuterences sur le Web et Systegravemes symboliques

[COLOR LIRMM I3S]

22

Preacutesentateur
Commentaires de preacutesentation
Pour coordonner nos efforts sur ce sujet jrsquoai porteacute un projet entre lrsquoINRIA le LIRMM et lrsquoI3S ou nous avons eacutetudieacute les caracteacuteristiques communes des graphes et des traitements que nous utilisons dans nos projets de recherche

ERGraphG=(EG RG nG lG)bull EG entiteacutes bull RG hyperarcsbull nG RG rarr EG argumentsbull lG EG cup RG rarr L eacutetiquettes

23

Preacutesentateur
Commentaires de preacutesentation
Premier exemple drsquoabstraction commune agrave nos projets la notion de graphe eacutetiqueteacute orienteacute ou appeleacute graphe entiteacute-relation

EMappingune relation binaire qui associe chaque eacuteleacutement drsquoun ERGraph EHavec au plus un

eacuteleacutement drsquoun ERGraph EG24

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme exemple drsquoabstraction le mapping entre deux graphes crsquoest-agrave-dire une relation binaire qui associe chaque eacuteleacutement drsquoun graphe avec au plus un eacuteleacutement drsquoun autre graphe

visseacutes visseacutesx

z

visseacutes(xy)visseacutes(yz)

soudeacutes(zv)soudeacutes(zu)soudeacutes(uv)

visseacutes(xp) visseacutes(pz)

25

soudeacutesx

y

z

u vsoudeacutes

visseacutes visseacutes

Preacutesentateur
Commentaires de preacutesentation
Quel est lrsquointeacuterecirct drsquoun mapping il va nous permettre en premier lieu de retrouver la deacuterivation logique dans les graphes13Si je prends les assertions agrave gauche je peux les repreacutesenter par ce graphe agrave droite13Jrsquoai la mecircme eacutequivalence entre une requecircte ou des assertions agrave prouver et un graphe requecircte13Et la deacuterivation logique ici est eacutequivalente agrave un homorphisme de graphe ici un type particulier de mapping13

langage de requecircte

SPARQLSELECT FROM WHERE

26

Preacutesentateur
Commentaires de preacutesentation
La premiegravere application crsquoest de pouvoir implanter un langage de requecircte comme SPARQL sur des graphes RDF13La reacutesolution drsquoune requecircte revient agrave la recherche drsquohomomorphismes de graphes13

RDFS pour deacutefinir les classes de ressources et organiser leur hieacuterarchie Document

Rapport

27

Preacutesentateur
Commentaires de preacutesentation
RDFs va nous permettre drsquoajouter des nos meacutemoires des ontologies leacutegegraveres notamment pourhellip

RDFS pour deacutefinir les relations leur hieacuterarchie et leurs signatures creacuteateur

auteurDocument Personne

28

Preacutesentateur
Commentaires de preacutesentation
et pourhellip

FandO rarr R hArr GF le GRmapping modulo une ontologie

voiture

veacutehicule

voiture(x)rArrveacutehicule(x)

29

GF

GRveacutehicule

voiture

O

Preacutesentateur
Commentaires de preacutesentation
13Degraves lors on va complexifier notre mapping pour prendre en compte non seulement la connaissance capturer dans les graphes requecirctes et les graphes faits mais aussi la connaissance drsquoune ontologie13Notamment lorsque je dois veacuterifier que les eacutetiquettes de mon graphe requecircte et de mon graphe cible sont compatibles je vais le faire modulo une ontologie13Mecircme si veacutehicule et voiture ne sont pas les mecircme eacutetiquettes si mon ontologie dit que voiture est un sous-type de veacutehicule alors mon homomorphisme est valide13

EMappingopeacuteration centrale interroger

raisonner

visualiser

hellip

30

Preacutesentateur
Commentaires de preacutesentation
ce type drsquoopeacuteration est central pourhellip

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

31

Preacutesentateur
Commentaires de preacutesentation
La relation standard du web seacutemantique et graphes nrsquoest pas agrave sens unique On peut aussi utiliser des travaux sur les graphes pour suggeacuterer des solutions agrave des problegravemes dans les standards13Par exemple le problegraveme de la provenance des arcs drsquoun graphes RDF Il nrsquoy a pas de moyen actuellement de speacutecifier drsquoougrave viennent les diffeacuterents morceaux de mon graphe RDF

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

httpwwww3org

http wwwinriafrhttp wwwinriafrhttp wwwinriafr

httpwwww3org

32

Preacutesentateur
Commentaires de preacutesentation
En srsquoinspirant des graphes nommeacutes on peut suggeacuterer une extension de la syntaxe RDFXML pour indiquer la provenance et crsquoest ce que jrsquoai conduit en reacutedigeant une soumission drsquoextension du standard RDF au W3C13

3 espaces meacutetriques des graphes de connaissances

33

Preacutesentateur
Commentaires de preacutesentation
Nous avons donc des meacutemoires qui utilisent les formalismes du web seacutemantique et leurs structures de graphe13La structure et les manipulations de graphe ne sont pas uniquement une autre faccedilon de faire des repreacutesentations et des raisonnements logiques13Les graphes ont des caracteacuteristiques propres inteacuteressantes pour nos sceacutenarios drsquousage et crsquoest ce que nous allons voir dans cette troisiegraveme partie13

distances seacutemantiquesmeacutetaphore matheacutematique pour une comparaison intuitive

34

Preacutesentateur
Commentaires de preacutesentation
Je vais me focaliser ici sur un exemple drsquoinfeacuterence particulier les distances seacutemantiques13Il srsquoagit drsquoune meacutetaphore matheacutematique pour une comparaison intuitive13Si je considegravere un coupeacute un break et un avion naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche du break que de lrsquoavion13Cependant si maintenant je considegravere un coupeacute un avion et un livre naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche de lrsquoavion que du livre13Ces raisonnements nous les utilisons tous les jours pour comparer et eacutevaluer les diffeacuterences que nous percevons 13

simuler la meacutemoireseacutemantique est une ideacutee ancienne(Quillian 1968) (Collins amp Loftus 1975)

mais avec de nouveaux besoins

35

Preacutesentateur
Commentaires de preacutesentation
hellip nous allons voir certains de ces besoins

de linteacuterecirct dun agrave peu pregraves

ma montre na quune aiguillemais elle nest pas casseacutee

36

Preacutesentateur
Commentaires de preacutesentation
Ceci est ma montre Elle na quune aiguille mais elle nest pas casseacutee Elle se lit comme un chronomegravetre Elle donne lrsquoheure en une seule lecture donc tregraves rapidement mais en contrepartie elle est moins preacutecise les gens commettent en moyenne une erreur de lecture de 3 min13En recherche drsquoinformation aussi il peut ecirctre inteacuteressant de pouvoir obtenir une reacuteponse approcheacutee mais plus rapidement ou agrave deacutefaut de bonne reacuteponse13Crsquoest lagrave que les distances entrent en jeu

projection classique

voiture

veacutehicule

t1 lt t2 ie t1(x)rArrt2(x) T1 sub T2

voiture(x)rArrveacutehicule(x)

37

Preacutesentateur
Commentaires de preacutesentation
Reprenons notre projection modulo une ontologie fournissant des relations logiques entre les eacutetiquettes de mes graphes13

relaxer une contrainte de typage

camion

voiture

voiture(x) camion(x)

t1(x)rArrt2(x) rarr d(t1t2)ltseuil

sum neisin ⎥⎦⎤

⎢⎣⎡=leisinforall

121 )(21212

21 21)( aon )(

ttttt tdepthHc ttlttHttc

( ))()(min)( aon )( 21212

21 21ttlttlttdistHtt

cc HHttttc +=isinforall gege

38

Preacutesentateur
Commentaires de preacutesentation
Srsquoil nrsquoexiste pas de reacuteponse exacte on peut srsquointeacuteresser agrave remplacer les contraintes logiques entre les types par des contraintes numeacuteriques sur une distance entre ces types13Ici par exemple on considegravere un arbre de types et la longueur minimal des chemins seacuteparant les deux types sachant que les arcs sont exponentiellement plus courts qursquoils sont profonds dans lrsquoarbre13Et en fixant un seuil on va pouvoir controcircler les approximations que lrsquoon fait sur les types13

organiserun tas dobjets

39

Preacutesentateur
Commentaires de preacutesentation
deuxiegraveme exemple de besoin pour ces distances pour organiser et grouper des descriptions lorsque nos bases de graphes deviennent grandes et que lrsquoon veut avoir une ideacutee de ce qursquoelles contiennent

organiserdes compeacutetences

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

40

Preacutesentateur
Commentaires de preacutesentation
Dans le projet KmP preacutesenteacute au deacutebut les entreprises deacutecrivent leurs compeacutetences agrave lrsquoaide drsquoune ontologie13A lrsquoautre bout de la chaine les deacutecideurs et la reacutegion aimeraient savoir qursquoelles sont les compeacutetences preacutesentes sur Sophia13Pour cela nos collegravegues en gestion construisent des repreacutesentations comme celle-ci des groupes ou clusters des compeacutetences compleacutementaires ou similaires sur Sophia13Question avec quoi peut-on construire ces groupes13Reacuteponse avec une distance permettant de savoir lesquelles sont proches et lesquelles ne le sont pas13

organiserdes compeacutetences

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

1)(1)(2))((21 2121 21

21

21)( minusminusminus minusminus= tdepthtdepthttlcstdepthttdist

( )( ) 2121)(21 quand )(max)(21

ttttlcststdistttdistttlcststCH ne=

leforall

2121 quand 0)( ttttdistCH ==

A B C D H IGFE M NLKJ255

75

175

0

41

Preacutesentateur
Commentaires de preacutesentation
Derriegravere ces cluster il y a une structure que lrsquoon appelle un dendrogramme qui permet de choisir le niveau de regroupement souhaiteacute13Ce dendrograme correspond agrave une ultra-meacutetrique crsquoest-agrave-dire une distance pour laquelle lrsquoineacutegaliteacute triangulaire est sur-contrainte13Ce que jrsquoai proposeacute ici crsquoest une transformation de la distance sur un arbre de types dans lrsquoontologie agrave une ultra meacutetrique permettant de reproduire les groupements faits par les gestionnaires13

42

Preacutesentateur
Commentaires de preacutesentation
Voilagrave alors ce que lrsquoon peut produire en choisissant un niveau de deacutetail une vue radar des compeacutetences sur Sophia ici dans le domaine du logiciel avec un zoom sur les compeacutetences cœurs qui sont eacutevidemment proche du domaine des reacuteseaux

seacuteparer deux aspects

meacutetaphore matheacutematiqueles laquo distances raquo au naturel

simulations informatiquesespaces amp meacutetriques double conception

43

Preacutesentateur
Commentaires de preacutesentation
agrave ce stade jrsquoai voulu seacuteparer et travailler en parallegravele sur deux aspects des distances13le fait que lrsquoon utilise peut-ecirctre abusivement de terme distance et que cette meacutetaphore a peut-ecirctre ses limites13le fait ce que lrsquoon construit vraiment ce sont des espaces meacutetriques et qursquoil srsquoagit donc drsquoune double conception

tester les laquo distances raquo au naturel

44

Preacutesentateur
Commentaires de preacutesentation
Pour comprendre un peu mieux les distances je donne ici un exemple drsquoexpeacuterience simple que jrsquoai encadreacutee on demande ici agrave lrsquoutilisateur de positionner des concepts de faccedilon agrave ce qursquoils soient geacuteomeacutetriquement proches srsquoils sont seacutemantiquement proches Lrsquoexpeacuterience a eacuteteacute faite avec plus drsquoune trentaine de personnes de tous horizons13

tester les distances au naturel

camion

45

Preacutesentateur
Commentaires de preacutesentation
En suite si lrsquoon regarde par exemple la distance moyenne entre le concept de camion et le concept drsquoavion de bus de camionnettehellip on voit une chose inteacuteressante crsquoest que veacutehicule qui serait typiquement un pegravere des autres nrsquoest pourtant est plus loin de camion que certains de ses fregraveres et plus proche que drsquoautres sur un arbre simple avec seulement ces concepts crsquoest impossible agrave faire il faut soit modifier les concepts pour mettre des classes abstraites soit modifier les liens pour permettre drsquoautres parcours par exemple en reacuteifiant les liens aux fregraveres13

intension amp intention dusageutilisables dans un mecircme graphe concis

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

Technologie

AppareilReacuteseau

Sans-fil

WifiGSM

Teacuteleacutephone

Cellulaire

connexion

sous‐type‐et‐signature

46

Preacutesentateur
Commentaires de preacutesentation
concernant la double conception espace et meacutetrique je donne ici un exemple drsquoune approche que jrsquoessaie de systeacutematiser ougrave lrsquoon donne deux deacutefinitions formelles13une deacutefinition formelle de lrsquoespace13une deacutefinition formelle de la meacutetrique13Ici je mrsquointeacuteresse agrave eacutelargir les parcours possibles dans lrsquoontologie agrave drsquoautres graphes que celui de la hieacuterarchie des types et dans cette exemple jrsquoinclus les signatures des relations crsquoest-agrave-dire les types drsquoobjets qui peuvent ecirctre relieacutes par une relation13La meacutetrique reste la mecircme

intension amp intention dusagedeacutesambiguumliser lextraction de termes

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

5000

6000

7000

8000

9000

[Khelif et al]wclass 02wprop 04wsig 04

47

Preacutesentateur
Commentaires de preacutesentation
En incluant des poids dans la deacutefinition de lrsquoespace on peut passer progressivement drsquoune distance nrsquoutilisant que la hieacuterarchie agrave une distance nrsquoutilisant que les signatures13En appliquant cette distance agrave la deacutesambiguumlisation de termes extraits drsquoun texte (ie pour retrouver le sens dans lequel un terme est utiliseacute) on voit ici qursquoune distance hybride capable de combiner les deux espaces se comporte mieux que lrsquoune ou lrsquoautre des distances extrecircmes

4 le

ressources

des

distribueacutees

problegraveme

48

Preacutesentateur
Commentaires de preacutesentation
Nous avons vu que nous travaillons sur des meacutemoires qui utilisent le web seacutemantique dans leur mateacuterialisation et pour lesquelles la repreacutesentation et le traitement agrave base de graphes fournissaient eacutenormeacutement drsquoatouts13Cependant le contenu et les traitements de ces meacutemoires ne sont pas forceacutement sur la mecircme machine

graphesdistribueacutes

49

Preacutesentateur
Commentaires de preacutesentation
Le premier problegraveme qui peut se poser crsquoest si mes graphes ne sont pas sur la mecircme machine13Si mes triplets RDF mes arcs viennent de diffeacuterents endroits

serveursquelques

RDF

RDF

RDF

RDF

SPARQL

application web

service web

identiques

service web

service web

50

Preacutesentateur
Commentaires de preacutesentation
Nous avons consideacutereacute un cas classique en entreprise ou il y a une liste connue restreinte et stable de serveurs

broadcasteacuteviter le

51

52

index de serveurcaracteacuteriser son contenu les eacutetoiles et les chemins

53

annotation

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

54

Preacutesentateur
Commentaires de preacutesentation
voici une annotation simplifieacutee drsquoun document dans le projet SevenPro concernant la conception drsquoune voiture

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 21: HDR

graphesdu web seacutemantique

21

Preacutesentateur
Commentaires de preacutesentation
La structure de graphes de RDF est omnipreacutesente dans toute la pile du web seacutemantique qui se construit au-dessus de RDF13Par exemple cette petite ontologie a pour repreacutesentation en RDFS le graphe en fond drsquoeacutecran13Nous nous inteacuteressons donc systeacutematiquement aux structures graphes dans le web seacutemantiques et aux opeacuterateurs sur ces graphes qui permettent de les exploiter pour la recherche drsquoinformation et le raisonnement13

GRIWESGraphes dans les Repreacutesentations et les Infeacuterences sur le Web et Systegravemes symboliques

[COLOR LIRMM I3S]

22

Preacutesentateur
Commentaires de preacutesentation
Pour coordonner nos efforts sur ce sujet jrsquoai porteacute un projet entre lrsquoINRIA le LIRMM et lrsquoI3S ou nous avons eacutetudieacute les caracteacuteristiques communes des graphes et des traitements que nous utilisons dans nos projets de recherche

ERGraphG=(EG RG nG lG)bull EG entiteacutes bull RG hyperarcsbull nG RG rarr EG argumentsbull lG EG cup RG rarr L eacutetiquettes

23

Preacutesentateur
Commentaires de preacutesentation
Premier exemple drsquoabstraction commune agrave nos projets la notion de graphe eacutetiqueteacute orienteacute ou appeleacute graphe entiteacute-relation

EMappingune relation binaire qui associe chaque eacuteleacutement drsquoun ERGraph EHavec au plus un

eacuteleacutement drsquoun ERGraph EG24

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme exemple drsquoabstraction le mapping entre deux graphes crsquoest-agrave-dire une relation binaire qui associe chaque eacuteleacutement drsquoun graphe avec au plus un eacuteleacutement drsquoun autre graphe

visseacutes visseacutesx

z

visseacutes(xy)visseacutes(yz)

soudeacutes(zv)soudeacutes(zu)soudeacutes(uv)

visseacutes(xp) visseacutes(pz)

25

soudeacutesx

y

z

u vsoudeacutes

visseacutes visseacutes

Preacutesentateur
Commentaires de preacutesentation
Quel est lrsquointeacuterecirct drsquoun mapping il va nous permettre en premier lieu de retrouver la deacuterivation logique dans les graphes13Si je prends les assertions agrave gauche je peux les repreacutesenter par ce graphe agrave droite13Jrsquoai la mecircme eacutequivalence entre une requecircte ou des assertions agrave prouver et un graphe requecircte13Et la deacuterivation logique ici est eacutequivalente agrave un homorphisme de graphe ici un type particulier de mapping13

langage de requecircte

SPARQLSELECT FROM WHERE

26

Preacutesentateur
Commentaires de preacutesentation
La premiegravere application crsquoest de pouvoir implanter un langage de requecircte comme SPARQL sur des graphes RDF13La reacutesolution drsquoune requecircte revient agrave la recherche drsquohomomorphismes de graphes13

RDFS pour deacutefinir les classes de ressources et organiser leur hieacuterarchie Document

Rapport

27

Preacutesentateur
Commentaires de preacutesentation
RDFs va nous permettre drsquoajouter des nos meacutemoires des ontologies leacutegegraveres notamment pourhellip

RDFS pour deacutefinir les relations leur hieacuterarchie et leurs signatures creacuteateur

auteurDocument Personne

28

Preacutesentateur
Commentaires de preacutesentation
et pourhellip

FandO rarr R hArr GF le GRmapping modulo une ontologie

voiture

veacutehicule

voiture(x)rArrveacutehicule(x)

29

GF

GRveacutehicule

voiture

O

Preacutesentateur
Commentaires de preacutesentation
13Degraves lors on va complexifier notre mapping pour prendre en compte non seulement la connaissance capturer dans les graphes requecirctes et les graphes faits mais aussi la connaissance drsquoune ontologie13Notamment lorsque je dois veacuterifier que les eacutetiquettes de mon graphe requecircte et de mon graphe cible sont compatibles je vais le faire modulo une ontologie13Mecircme si veacutehicule et voiture ne sont pas les mecircme eacutetiquettes si mon ontologie dit que voiture est un sous-type de veacutehicule alors mon homomorphisme est valide13

EMappingopeacuteration centrale interroger

raisonner

visualiser

hellip

30

Preacutesentateur
Commentaires de preacutesentation
ce type drsquoopeacuteration est central pourhellip

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

31

Preacutesentateur
Commentaires de preacutesentation
La relation standard du web seacutemantique et graphes nrsquoest pas agrave sens unique On peut aussi utiliser des travaux sur les graphes pour suggeacuterer des solutions agrave des problegravemes dans les standards13Par exemple le problegraveme de la provenance des arcs drsquoun graphes RDF Il nrsquoy a pas de moyen actuellement de speacutecifier drsquoougrave viennent les diffeacuterents morceaux de mon graphe RDF

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

httpwwww3org

http wwwinriafrhttp wwwinriafrhttp wwwinriafr

httpwwww3org

32

Preacutesentateur
Commentaires de preacutesentation
En srsquoinspirant des graphes nommeacutes on peut suggeacuterer une extension de la syntaxe RDFXML pour indiquer la provenance et crsquoest ce que jrsquoai conduit en reacutedigeant une soumission drsquoextension du standard RDF au W3C13

3 espaces meacutetriques des graphes de connaissances

33

Preacutesentateur
Commentaires de preacutesentation
Nous avons donc des meacutemoires qui utilisent les formalismes du web seacutemantique et leurs structures de graphe13La structure et les manipulations de graphe ne sont pas uniquement une autre faccedilon de faire des repreacutesentations et des raisonnements logiques13Les graphes ont des caracteacuteristiques propres inteacuteressantes pour nos sceacutenarios drsquousage et crsquoest ce que nous allons voir dans cette troisiegraveme partie13

distances seacutemantiquesmeacutetaphore matheacutematique pour une comparaison intuitive

34

Preacutesentateur
Commentaires de preacutesentation
Je vais me focaliser ici sur un exemple drsquoinfeacuterence particulier les distances seacutemantiques13Il srsquoagit drsquoune meacutetaphore matheacutematique pour une comparaison intuitive13Si je considegravere un coupeacute un break et un avion naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche du break que de lrsquoavion13Cependant si maintenant je considegravere un coupeacute un avion et un livre naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche de lrsquoavion que du livre13Ces raisonnements nous les utilisons tous les jours pour comparer et eacutevaluer les diffeacuterences que nous percevons 13

simuler la meacutemoireseacutemantique est une ideacutee ancienne(Quillian 1968) (Collins amp Loftus 1975)

mais avec de nouveaux besoins

35

Preacutesentateur
Commentaires de preacutesentation
hellip nous allons voir certains de ces besoins

de linteacuterecirct dun agrave peu pregraves

ma montre na quune aiguillemais elle nest pas casseacutee

36

Preacutesentateur
Commentaires de preacutesentation
Ceci est ma montre Elle na quune aiguille mais elle nest pas casseacutee Elle se lit comme un chronomegravetre Elle donne lrsquoheure en une seule lecture donc tregraves rapidement mais en contrepartie elle est moins preacutecise les gens commettent en moyenne une erreur de lecture de 3 min13En recherche drsquoinformation aussi il peut ecirctre inteacuteressant de pouvoir obtenir une reacuteponse approcheacutee mais plus rapidement ou agrave deacutefaut de bonne reacuteponse13Crsquoest lagrave que les distances entrent en jeu

projection classique

voiture

veacutehicule

t1 lt t2 ie t1(x)rArrt2(x) T1 sub T2

voiture(x)rArrveacutehicule(x)

37

Preacutesentateur
Commentaires de preacutesentation
Reprenons notre projection modulo une ontologie fournissant des relations logiques entre les eacutetiquettes de mes graphes13

relaxer une contrainte de typage

camion

voiture

voiture(x) camion(x)

t1(x)rArrt2(x) rarr d(t1t2)ltseuil

sum neisin ⎥⎦⎤

⎢⎣⎡=leisinforall

121 )(21212

21 21)( aon )(

ttttt tdepthHc ttlttHttc

( ))()(min)( aon )( 21212

21 21ttlttlttdistHtt

cc HHttttc +=isinforall gege

38

Preacutesentateur
Commentaires de preacutesentation
Srsquoil nrsquoexiste pas de reacuteponse exacte on peut srsquointeacuteresser agrave remplacer les contraintes logiques entre les types par des contraintes numeacuteriques sur une distance entre ces types13Ici par exemple on considegravere un arbre de types et la longueur minimal des chemins seacuteparant les deux types sachant que les arcs sont exponentiellement plus courts qursquoils sont profonds dans lrsquoarbre13Et en fixant un seuil on va pouvoir controcircler les approximations que lrsquoon fait sur les types13

organiserun tas dobjets

39

Preacutesentateur
Commentaires de preacutesentation
deuxiegraveme exemple de besoin pour ces distances pour organiser et grouper des descriptions lorsque nos bases de graphes deviennent grandes et que lrsquoon veut avoir une ideacutee de ce qursquoelles contiennent

organiserdes compeacutetences

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

40

Preacutesentateur
Commentaires de preacutesentation
Dans le projet KmP preacutesenteacute au deacutebut les entreprises deacutecrivent leurs compeacutetences agrave lrsquoaide drsquoune ontologie13A lrsquoautre bout de la chaine les deacutecideurs et la reacutegion aimeraient savoir qursquoelles sont les compeacutetences preacutesentes sur Sophia13Pour cela nos collegravegues en gestion construisent des repreacutesentations comme celle-ci des groupes ou clusters des compeacutetences compleacutementaires ou similaires sur Sophia13Question avec quoi peut-on construire ces groupes13Reacuteponse avec une distance permettant de savoir lesquelles sont proches et lesquelles ne le sont pas13

organiserdes compeacutetences

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

1)(1)(2))((21 2121 21

21

21)( minusminusminus minusminus= tdepthtdepthttlcstdepthttdist

( )( ) 2121)(21 quand )(max)(21

ttttlcststdistttdistttlcststCH ne=

leforall

2121 quand 0)( ttttdistCH ==

A B C D H IGFE M NLKJ255

75

175

0

41

Preacutesentateur
Commentaires de preacutesentation
Derriegravere ces cluster il y a une structure que lrsquoon appelle un dendrogramme qui permet de choisir le niveau de regroupement souhaiteacute13Ce dendrograme correspond agrave une ultra-meacutetrique crsquoest-agrave-dire une distance pour laquelle lrsquoineacutegaliteacute triangulaire est sur-contrainte13Ce que jrsquoai proposeacute ici crsquoest une transformation de la distance sur un arbre de types dans lrsquoontologie agrave une ultra meacutetrique permettant de reproduire les groupements faits par les gestionnaires13

42

Preacutesentateur
Commentaires de preacutesentation
Voilagrave alors ce que lrsquoon peut produire en choisissant un niveau de deacutetail une vue radar des compeacutetences sur Sophia ici dans le domaine du logiciel avec un zoom sur les compeacutetences cœurs qui sont eacutevidemment proche du domaine des reacuteseaux

seacuteparer deux aspects

meacutetaphore matheacutematiqueles laquo distances raquo au naturel

simulations informatiquesespaces amp meacutetriques double conception

43

Preacutesentateur
Commentaires de preacutesentation
agrave ce stade jrsquoai voulu seacuteparer et travailler en parallegravele sur deux aspects des distances13le fait que lrsquoon utilise peut-ecirctre abusivement de terme distance et que cette meacutetaphore a peut-ecirctre ses limites13le fait ce que lrsquoon construit vraiment ce sont des espaces meacutetriques et qursquoil srsquoagit donc drsquoune double conception

tester les laquo distances raquo au naturel

44

Preacutesentateur
Commentaires de preacutesentation
Pour comprendre un peu mieux les distances je donne ici un exemple drsquoexpeacuterience simple que jrsquoai encadreacutee on demande ici agrave lrsquoutilisateur de positionner des concepts de faccedilon agrave ce qursquoils soient geacuteomeacutetriquement proches srsquoils sont seacutemantiquement proches Lrsquoexpeacuterience a eacuteteacute faite avec plus drsquoune trentaine de personnes de tous horizons13

tester les distances au naturel

camion

45

Preacutesentateur
Commentaires de preacutesentation
En suite si lrsquoon regarde par exemple la distance moyenne entre le concept de camion et le concept drsquoavion de bus de camionnettehellip on voit une chose inteacuteressante crsquoest que veacutehicule qui serait typiquement un pegravere des autres nrsquoest pourtant est plus loin de camion que certains de ses fregraveres et plus proche que drsquoautres sur un arbre simple avec seulement ces concepts crsquoest impossible agrave faire il faut soit modifier les concepts pour mettre des classes abstraites soit modifier les liens pour permettre drsquoautres parcours par exemple en reacuteifiant les liens aux fregraveres13

intension amp intention dusageutilisables dans un mecircme graphe concis

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

Technologie

AppareilReacuteseau

Sans-fil

WifiGSM

Teacuteleacutephone

Cellulaire

connexion

sous‐type‐et‐signature

46

Preacutesentateur
Commentaires de preacutesentation
concernant la double conception espace et meacutetrique je donne ici un exemple drsquoune approche que jrsquoessaie de systeacutematiser ougrave lrsquoon donne deux deacutefinitions formelles13une deacutefinition formelle de lrsquoespace13une deacutefinition formelle de la meacutetrique13Ici je mrsquointeacuteresse agrave eacutelargir les parcours possibles dans lrsquoontologie agrave drsquoautres graphes que celui de la hieacuterarchie des types et dans cette exemple jrsquoinclus les signatures des relations crsquoest-agrave-dire les types drsquoobjets qui peuvent ecirctre relieacutes par une relation13La meacutetrique reste la mecircme

intension amp intention dusagedeacutesambiguumliser lextraction de termes

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

5000

6000

7000

8000

9000

[Khelif et al]wclass 02wprop 04wsig 04

47

Preacutesentateur
Commentaires de preacutesentation
En incluant des poids dans la deacutefinition de lrsquoespace on peut passer progressivement drsquoune distance nrsquoutilisant que la hieacuterarchie agrave une distance nrsquoutilisant que les signatures13En appliquant cette distance agrave la deacutesambiguumlisation de termes extraits drsquoun texte (ie pour retrouver le sens dans lequel un terme est utiliseacute) on voit ici qursquoune distance hybride capable de combiner les deux espaces se comporte mieux que lrsquoune ou lrsquoautre des distances extrecircmes

4 le

ressources

des

distribueacutees

problegraveme

48

Preacutesentateur
Commentaires de preacutesentation
Nous avons vu que nous travaillons sur des meacutemoires qui utilisent le web seacutemantique dans leur mateacuterialisation et pour lesquelles la repreacutesentation et le traitement agrave base de graphes fournissaient eacutenormeacutement drsquoatouts13Cependant le contenu et les traitements de ces meacutemoires ne sont pas forceacutement sur la mecircme machine

graphesdistribueacutes

49

Preacutesentateur
Commentaires de preacutesentation
Le premier problegraveme qui peut se poser crsquoest si mes graphes ne sont pas sur la mecircme machine13Si mes triplets RDF mes arcs viennent de diffeacuterents endroits

serveursquelques

RDF

RDF

RDF

RDF

SPARQL

application web

service web

identiques

service web

service web

50

Preacutesentateur
Commentaires de preacutesentation
Nous avons consideacutereacute un cas classique en entreprise ou il y a une liste connue restreinte et stable de serveurs

broadcasteacuteviter le

51

52

index de serveurcaracteacuteriser son contenu les eacutetoiles et les chemins

53

annotation

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

54

Preacutesentateur
Commentaires de preacutesentation
voici une annotation simplifieacutee drsquoun document dans le projet SevenPro concernant la conception drsquoune voiture

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 22: HDR

GRIWESGraphes dans les Repreacutesentations et les Infeacuterences sur le Web et Systegravemes symboliques

[COLOR LIRMM I3S]

22

Preacutesentateur
Commentaires de preacutesentation
Pour coordonner nos efforts sur ce sujet jrsquoai porteacute un projet entre lrsquoINRIA le LIRMM et lrsquoI3S ou nous avons eacutetudieacute les caracteacuteristiques communes des graphes et des traitements que nous utilisons dans nos projets de recherche

ERGraphG=(EG RG nG lG)bull EG entiteacutes bull RG hyperarcsbull nG RG rarr EG argumentsbull lG EG cup RG rarr L eacutetiquettes

23

Preacutesentateur
Commentaires de preacutesentation
Premier exemple drsquoabstraction commune agrave nos projets la notion de graphe eacutetiqueteacute orienteacute ou appeleacute graphe entiteacute-relation

EMappingune relation binaire qui associe chaque eacuteleacutement drsquoun ERGraph EHavec au plus un

eacuteleacutement drsquoun ERGraph EG24

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme exemple drsquoabstraction le mapping entre deux graphes crsquoest-agrave-dire une relation binaire qui associe chaque eacuteleacutement drsquoun graphe avec au plus un eacuteleacutement drsquoun autre graphe

visseacutes visseacutesx

z

visseacutes(xy)visseacutes(yz)

soudeacutes(zv)soudeacutes(zu)soudeacutes(uv)

visseacutes(xp) visseacutes(pz)

25

soudeacutesx

y

z

u vsoudeacutes

visseacutes visseacutes

Preacutesentateur
Commentaires de preacutesentation
Quel est lrsquointeacuterecirct drsquoun mapping il va nous permettre en premier lieu de retrouver la deacuterivation logique dans les graphes13Si je prends les assertions agrave gauche je peux les repreacutesenter par ce graphe agrave droite13Jrsquoai la mecircme eacutequivalence entre une requecircte ou des assertions agrave prouver et un graphe requecircte13Et la deacuterivation logique ici est eacutequivalente agrave un homorphisme de graphe ici un type particulier de mapping13

langage de requecircte

SPARQLSELECT FROM WHERE

26

Preacutesentateur
Commentaires de preacutesentation
La premiegravere application crsquoest de pouvoir implanter un langage de requecircte comme SPARQL sur des graphes RDF13La reacutesolution drsquoune requecircte revient agrave la recherche drsquohomomorphismes de graphes13

RDFS pour deacutefinir les classes de ressources et organiser leur hieacuterarchie Document

Rapport

27

Preacutesentateur
Commentaires de preacutesentation
RDFs va nous permettre drsquoajouter des nos meacutemoires des ontologies leacutegegraveres notamment pourhellip

RDFS pour deacutefinir les relations leur hieacuterarchie et leurs signatures creacuteateur

auteurDocument Personne

28

Preacutesentateur
Commentaires de preacutesentation
et pourhellip

FandO rarr R hArr GF le GRmapping modulo une ontologie

voiture

veacutehicule

voiture(x)rArrveacutehicule(x)

29

GF

GRveacutehicule

voiture

O

Preacutesentateur
Commentaires de preacutesentation
13Degraves lors on va complexifier notre mapping pour prendre en compte non seulement la connaissance capturer dans les graphes requecirctes et les graphes faits mais aussi la connaissance drsquoune ontologie13Notamment lorsque je dois veacuterifier que les eacutetiquettes de mon graphe requecircte et de mon graphe cible sont compatibles je vais le faire modulo une ontologie13Mecircme si veacutehicule et voiture ne sont pas les mecircme eacutetiquettes si mon ontologie dit que voiture est un sous-type de veacutehicule alors mon homomorphisme est valide13

EMappingopeacuteration centrale interroger

raisonner

visualiser

hellip

30

Preacutesentateur
Commentaires de preacutesentation
ce type drsquoopeacuteration est central pourhellip

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

31

Preacutesentateur
Commentaires de preacutesentation
La relation standard du web seacutemantique et graphes nrsquoest pas agrave sens unique On peut aussi utiliser des travaux sur les graphes pour suggeacuterer des solutions agrave des problegravemes dans les standards13Par exemple le problegraveme de la provenance des arcs drsquoun graphes RDF Il nrsquoy a pas de moyen actuellement de speacutecifier drsquoougrave viennent les diffeacuterents morceaux de mon graphe RDF

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

httpwwww3org

http wwwinriafrhttp wwwinriafrhttp wwwinriafr

httpwwww3org

32

Preacutesentateur
Commentaires de preacutesentation
En srsquoinspirant des graphes nommeacutes on peut suggeacuterer une extension de la syntaxe RDFXML pour indiquer la provenance et crsquoest ce que jrsquoai conduit en reacutedigeant une soumission drsquoextension du standard RDF au W3C13

3 espaces meacutetriques des graphes de connaissances

33

Preacutesentateur
Commentaires de preacutesentation
Nous avons donc des meacutemoires qui utilisent les formalismes du web seacutemantique et leurs structures de graphe13La structure et les manipulations de graphe ne sont pas uniquement une autre faccedilon de faire des repreacutesentations et des raisonnements logiques13Les graphes ont des caracteacuteristiques propres inteacuteressantes pour nos sceacutenarios drsquousage et crsquoest ce que nous allons voir dans cette troisiegraveme partie13

distances seacutemantiquesmeacutetaphore matheacutematique pour une comparaison intuitive

34

Preacutesentateur
Commentaires de preacutesentation
Je vais me focaliser ici sur un exemple drsquoinfeacuterence particulier les distances seacutemantiques13Il srsquoagit drsquoune meacutetaphore matheacutematique pour une comparaison intuitive13Si je considegravere un coupeacute un break et un avion naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche du break que de lrsquoavion13Cependant si maintenant je considegravere un coupeacute un avion et un livre naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche de lrsquoavion que du livre13Ces raisonnements nous les utilisons tous les jours pour comparer et eacutevaluer les diffeacuterences que nous percevons 13

simuler la meacutemoireseacutemantique est une ideacutee ancienne(Quillian 1968) (Collins amp Loftus 1975)

mais avec de nouveaux besoins

35

Preacutesentateur
Commentaires de preacutesentation
hellip nous allons voir certains de ces besoins

de linteacuterecirct dun agrave peu pregraves

ma montre na quune aiguillemais elle nest pas casseacutee

36

Preacutesentateur
Commentaires de preacutesentation
Ceci est ma montre Elle na quune aiguille mais elle nest pas casseacutee Elle se lit comme un chronomegravetre Elle donne lrsquoheure en une seule lecture donc tregraves rapidement mais en contrepartie elle est moins preacutecise les gens commettent en moyenne une erreur de lecture de 3 min13En recherche drsquoinformation aussi il peut ecirctre inteacuteressant de pouvoir obtenir une reacuteponse approcheacutee mais plus rapidement ou agrave deacutefaut de bonne reacuteponse13Crsquoest lagrave que les distances entrent en jeu

projection classique

voiture

veacutehicule

t1 lt t2 ie t1(x)rArrt2(x) T1 sub T2

voiture(x)rArrveacutehicule(x)

37

Preacutesentateur
Commentaires de preacutesentation
Reprenons notre projection modulo une ontologie fournissant des relations logiques entre les eacutetiquettes de mes graphes13

relaxer une contrainte de typage

camion

voiture

voiture(x) camion(x)

t1(x)rArrt2(x) rarr d(t1t2)ltseuil

sum neisin ⎥⎦⎤

⎢⎣⎡=leisinforall

121 )(21212

21 21)( aon )(

ttttt tdepthHc ttlttHttc

( ))()(min)( aon )( 21212

21 21ttlttlttdistHtt

cc HHttttc +=isinforall gege

38

Preacutesentateur
Commentaires de preacutesentation
Srsquoil nrsquoexiste pas de reacuteponse exacte on peut srsquointeacuteresser agrave remplacer les contraintes logiques entre les types par des contraintes numeacuteriques sur une distance entre ces types13Ici par exemple on considegravere un arbre de types et la longueur minimal des chemins seacuteparant les deux types sachant que les arcs sont exponentiellement plus courts qursquoils sont profonds dans lrsquoarbre13Et en fixant un seuil on va pouvoir controcircler les approximations que lrsquoon fait sur les types13

organiserun tas dobjets

39

Preacutesentateur
Commentaires de preacutesentation
deuxiegraveme exemple de besoin pour ces distances pour organiser et grouper des descriptions lorsque nos bases de graphes deviennent grandes et que lrsquoon veut avoir une ideacutee de ce qursquoelles contiennent

organiserdes compeacutetences

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

40

Preacutesentateur
Commentaires de preacutesentation
Dans le projet KmP preacutesenteacute au deacutebut les entreprises deacutecrivent leurs compeacutetences agrave lrsquoaide drsquoune ontologie13A lrsquoautre bout de la chaine les deacutecideurs et la reacutegion aimeraient savoir qursquoelles sont les compeacutetences preacutesentes sur Sophia13Pour cela nos collegravegues en gestion construisent des repreacutesentations comme celle-ci des groupes ou clusters des compeacutetences compleacutementaires ou similaires sur Sophia13Question avec quoi peut-on construire ces groupes13Reacuteponse avec une distance permettant de savoir lesquelles sont proches et lesquelles ne le sont pas13

organiserdes compeacutetences

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

1)(1)(2))((21 2121 21

21

21)( minusminusminus minusminus= tdepthtdepthttlcstdepthttdist

( )( ) 2121)(21 quand )(max)(21

ttttlcststdistttdistttlcststCH ne=

leforall

2121 quand 0)( ttttdistCH ==

A B C D H IGFE M NLKJ255

75

175

0

41

Preacutesentateur
Commentaires de preacutesentation
Derriegravere ces cluster il y a une structure que lrsquoon appelle un dendrogramme qui permet de choisir le niveau de regroupement souhaiteacute13Ce dendrograme correspond agrave une ultra-meacutetrique crsquoest-agrave-dire une distance pour laquelle lrsquoineacutegaliteacute triangulaire est sur-contrainte13Ce que jrsquoai proposeacute ici crsquoest une transformation de la distance sur un arbre de types dans lrsquoontologie agrave une ultra meacutetrique permettant de reproduire les groupements faits par les gestionnaires13

42

Preacutesentateur
Commentaires de preacutesentation
Voilagrave alors ce que lrsquoon peut produire en choisissant un niveau de deacutetail une vue radar des compeacutetences sur Sophia ici dans le domaine du logiciel avec un zoom sur les compeacutetences cœurs qui sont eacutevidemment proche du domaine des reacuteseaux

seacuteparer deux aspects

meacutetaphore matheacutematiqueles laquo distances raquo au naturel

simulations informatiquesespaces amp meacutetriques double conception

43

Preacutesentateur
Commentaires de preacutesentation
agrave ce stade jrsquoai voulu seacuteparer et travailler en parallegravele sur deux aspects des distances13le fait que lrsquoon utilise peut-ecirctre abusivement de terme distance et que cette meacutetaphore a peut-ecirctre ses limites13le fait ce que lrsquoon construit vraiment ce sont des espaces meacutetriques et qursquoil srsquoagit donc drsquoune double conception

tester les laquo distances raquo au naturel

44

Preacutesentateur
Commentaires de preacutesentation
Pour comprendre un peu mieux les distances je donne ici un exemple drsquoexpeacuterience simple que jrsquoai encadreacutee on demande ici agrave lrsquoutilisateur de positionner des concepts de faccedilon agrave ce qursquoils soient geacuteomeacutetriquement proches srsquoils sont seacutemantiquement proches Lrsquoexpeacuterience a eacuteteacute faite avec plus drsquoune trentaine de personnes de tous horizons13

tester les distances au naturel

camion

45

Preacutesentateur
Commentaires de preacutesentation
En suite si lrsquoon regarde par exemple la distance moyenne entre le concept de camion et le concept drsquoavion de bus de camionnettehellip on voit une chose inteacuteressante crsquoest que veacutehicule qui serait typiquement un pegravere des autres nrsquoest pourtant est plus loin de camion que certains de ses fregraveres et plus proche que drsquoautres sur un arbre simple avec seulement ces concepts crsquoest impossible agrave faire il faut soit modifier les concepts pour mettre des classes abstraites soit modifier les liens pour permettre drsquoautres parcours par exemple en reacuteifiant les liens aux fregraveres13

intension amp intention dusageutilisables dans un mecircme graphe concis

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

Technologie

AppareilReacuteseau

Sans-fil

WifiGSM

Teacuteleacutephone

Cellulaire

connexion

sous‐type‐et‐signature

46

Preacutesentateur
Commentaires de preacutesentation
concernant la double conception espace et meacutetrique je donne ici un exemple drsquoune approche que jrsquoessaie de systeacutematiser ougrave lrsquoon donne deux deacutefinitions formelles13une deacutefinition formelle de lrsquoespace13une deacutefinition formelle de la meacutetrique13Ici je mrsquointeacuteresse agrave eacutelargir les parcours possibles dans lrsquoontologie agrave drsquoautres graphes que celui de la hieacuterarchie des types et dans cette exemple jrsquoinclus les signatures des relations crsquoest-agrave-dire les types drsquoobjets qui peuvent ecirctre relieacutes par une relation13La meacutetrique reste la mecircme

intension amp intention dusagedeacutesambiguumliser lextraction de termes

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

5000

6000

7000

8000

9000

[Khelif et al]wclass 02wprop 04wsig 04

47

Preacutesentateur
Commentaires de preacutesentation
En incluant des poids dans la deacutefinition de lrsquoespace on peut passer progressivement drsquoune distance nrsquoutilisant que la hieacuterarchie agrave une distance nrsquoutilisant que les signatures13En appliquant cette distance agrave la deacutesambiguumlisation de termes extraits drsquoun texte (ie pour retrouver le sens dans lequel un terme est utiliseacute) on voit ici qursquoune distance hybride capable de combiner les deux espaces se comporte mieux que lrsquoune ou lrsquoautre des distances extrecircmes

4 le

ressources

des

distribueacutees

problegraveme

48

Preacutesentateur
Commentaires de preacutesentation
Nous avons vu que nous travaillons sur des meacutemoires qui utilisent le web seacutemantique dans leur mateacuterialisation et pour lesquelles la repreacutesentation et le traitement agrave base de graphes fournissaient eacutenormeacutement drsquoatouts13Cependant le contenu et les traitements de ces meacutemoires ne sont pas forceacutement sur la mecircme machine

graphesdistribueacutes

49

Preacutesentateur
Commentaires de preacutesentation
Le premier problegraveme qui peut se poser crsquoest si mes graphes ne sont pas sur la mecircme machine13Si mes triplets RDF mes arcs viennent de diffeacuterents endroits

serveursquelques

RDF

RDF

RDF

RDF

SPARQL

application web

service web

identiques

service web

service web

50

Preacutesentateur
Commentaires de preacutesentation
Nous avons consideacutereacute un cas classique en entreprise ou il y a une liste connue restreinte et stable de serveurs

broadcasteacuteviter le

51

52

index de serveurcaracteacuteriser son contenu les eacutetoiles et les chemins

53

annotation

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

54

Preacutesentateur
Commentaires de preacutesentation
voici une annotation simplifieacutee drsquoun document dans le projet SevenPro concernant la conception drsquoune voiture

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 23: HDR

ERGraphG=(EG RG nG lG)bull EG entiteacutes bull RG hyperarcsbull nG RG rarr EG argumentsbull lG EG cup RG rarr L eacutetiquettes

23

Preacutesentateur
Commentaires de preacutesentation
Premier exemple drsquoabstraction commune agrave nos projets la notion de graphe eacutetiqueteacute orienteacute ou appeleacute graphe entiteacute-relation

EMappingune relation binaire qui associe chaque eacuteleacutement drsquoun ERGraph EHavec au plus un

eacuteleacutement drsquoun ERGraph EG24

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme exemple drsquoabstraction le mapping entre deux graphes crsquoest-agrave-dire une relation binaire qui associe chaque eacuteleacutement drsquoun graphe avec au plus un eacuteleacutement drsquoun autre graphe

visseacutes visseacutesx

z

visseacutes(xy)visseacutes(yz)

soudeacutes(zv)soudeacutes(zu)soudeacutes(uv)

visseacutes(xp) visseacutes(pz)

25

soudeacutesx

y

z

u vsoudeacutes

visseacutes visseacutes

Preacutesentateur
Commentaires de preacutesentation
Quel est lrsquointeacuterecirct drsquoun mapping il va nous permettre en premier lieu de retrouver la deacuterivation logique dans les graphes13Si je prends les assertions agrave gauche je peux les repreacutesenter par ce graphe agrave droite13Jrsquoai la mecircme eacutequivalence entre une requecircte ou des assertions agrave prouver et un graphe requecircte13Et la deacuterivation logique ici est eacutequivalente agrave un homorphisme de graphe ici un type particulier de mapping13

langage de requecircte

SPARQLSELECT FROM WHERE

26

Preacutesentateur
Commentaires de preacutesentation
La premiegravere application crsquoest de pouvoir implanter un langage de requecircte comme SPARQL sur des graphes RDF13La reacutesolution drsquoune requecircte revient agrave la recherche drsquohomomorphismes de graphes13

RDFS pour deacutefinir les classes de ressources et organiser leur hieacuterarchie Document

Rapport

27

Preacutesentateur
Commentaires de preacutesentation
RDFs va nous permettre drsquoajouter des nos meacutemoires des ontologies leacutegegraveres notamment pourhellip

RDFS pour deacutefinir les relations leur hieacuterarchie et leurs signatures creacuteateur

auteurDocument Personne

28

Preacutesentateur
Commentaires de preacutesentation
et pourhellip

FandO rarr R hArr GF le GRmapping modulo une ontologie

voiture

veacutehicule

voiture(x)rArrveacutehicule(x)

29

GF

GRveacutehicule

voiture

O

Preacutesentateur
Commentaires de preacutesentation
13Degraves lors on va complexifier notre mapping pour prendre en compte non seulement la connaissance capturer dans les graphes requecirctes et les graphes faits mais aussi la connaissance drsquoune ontologie13Notamment lorsque je dois veacuterifier que les eacutetiquettes de mon graphe requecircte et de mon graphe cible sont compatibles je vais le faire modulo une ontologie13Mecircme si veacutehicule et voiture ne sont pas les mecircme eacutetiquettes si mon ontologie dit que voiture est un sous-type de veacutehicule alors mon homomorphisme est valide13

EMappingopeacuteration centrale interroger

raisonner

visualiser

hellip

30

Preacutesentateur
Commentaires de preacutesentation
ce type drsquoopeacuteration est central pourhellip

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

31

Preacutesentateur
Commentaires de preacutesentation
La relation standard du web seacutemantique et graphes nrsquoest pas agrave sens unique On peut aussi utiliser des travaux sur les graphes pour suggeacuterer des solutions agrave des problegravemes dans les standards13Par exemple le problegraveme de la provenance des arcs drsquoun graphes RDF Il nrsquoy a pas de moyen actuellement de speacutecifier drsquoougrave viennent les diffeacuterents morceaux de mon graphe RDF

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

httpwwww3org

http wwwinriafrhttp wwwinriafrhttp wwwinriafr

httpwwww3org

32

Preacutesentateur
Commentaires de preacutesentation
En srsquoinspirant des graphes nommeacutes on peut suggeacuterer une extension de la syntaxe RDFXML pour indiquer la provenance et crsquoest ce que jrsquoai conduit en reacutedigeant une soumission drsquoextension du standard RDF au W3C13

3 espaces meacutetriques des graphes de connaissances

33

Preacutesentateur
Commentaires de preacutesentation
Nous avons donc des meacutemoires qui utilisent les formalismes du web seacutemantique et leurs structures de graphe13La structure et les manipulations de graphe ne sont pas uniquement une autre faccedilon de faire des repreacutesentations et des raisonnements logiques13Les graphes ont des caracteacuteristiques propres inteacuteressantes pour nos sceacutenarios drsquousage et crsquoest ce que nous allons voir dans cette troisiegraveme partie13

distances seacutemantiquesmeacutetaphore matheacutematique pour une comparaison intuitive

34

Preacutesentateur
Commentaires de preacutesentation
Je vais me focaliser ici sur un exemple drsquoinfeacuterence particulier les distances seacutemantiques13Il srsquoagit drsquoune meacutetaphore matheacutematique pour une comparaison intuitive13Si je considegravere un coupeacute un break et un avion naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche du break que de lrsquoavion13Cependant si maintenant je considegravere un coupeacute un avion et un livre naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche de lrsquoavion que du livre13Ces raisonnements nous les utilisons tous les jours pour comparer et eacutevaluer les diffeacuterences que nous percevons 13

simuler la meacutemoireseacutemantique est une ideacutee ancienne(Quillian 1968) (Collins amp Loftus 1975)

mais avec de nouveaux besoins

35

Preacutesentateur
Commentaires de preacutesentation
hellip nous allons voir certains de ces besoins

de linteacuterecirct dun agrave peu pregraves

ma montre na quune aiguillemais elle nest pas casseacutee

36

Preacutesentateur
Commentaires de preacutesentation
Ceci est ma montre Elle na quune aiguille mais elle nest pas casseacutee Elle se lit comme un chronomegravetre Elle donne lrsquoheure en une seule lecture donc tregraves rapidement mais en contrepartie elle est moins preacutecise les gens commettent en moyenne une erreur de lecture de 3 min13En recherche drsquoinformation aussi il peut ecirctre inteacuteressant de pouvoir obtenir une reacuteponse approcheacutee mais plus rapidement ou agrave deacutefaut de bonne reacuteponse13Crsquoest lagrave que les distances entrent en jeu

projection classique

voiture

veacutehicule

t1 lt t2 ie t1(x)rArrt2(x) T1 sub T2

voiture(x)rArrveacutehicule(x)

37

Preacutesentateur
Commentaires de preacutesentation
Reprenons notre projection modulo une ontologie fournissant des relations logiques entre les eacutetiquettes de mes graphes13

relaxer une contrainte de typage

camion

voiture

voiture(x) camion(x)

t1(x)rArrt2(x) rarr d(t1t2)ltseuil

sum neisin ⎥⎦⎤

⎢⎣⎡=leisinforall

121 )(21212

21 21)( aon )(

ttttt tdepthHc ttlttHttc

( ))()(min)( aon )( 21212

21 21ttlttlttdistHtt

cc HHttttc +=isinforall gege

38

Preacutesentateur
Commentaires de preacutesentation
Srsquoil nrsquoexiste pas de reacuteponse exacte on peut srsquointeacuteresser agrave remplacer les contraintes logiques entre les types par des contraintes numeacuteriques sur une distance entre ces types13Ici par exemple on considegravere un arbre de types et la longueur minimal des chemins seacuteparant les deux types sachant que les arcs sont exponentiellement plus courts qursquoils sont profonds dans lrsquoarbre13Et en fixant un seuil on va pouvoir controcircler les approximations que lrsquoon fait sur les types13

organiserun tas dobjets

39

Preacutesentateur
Commentaires de preacutesentation
deuxiegraveme exemple de besoin pour ces distances pour organiser et grouper des descriptions lorsque nos bases de graphes deviennent grandes et que lrsquoon veut avoir une ideacutee de ce qursquoelles contiennent

organiserdes compeacutetences

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

40

Preacutesentateur
Commentaires de preacutesentation
Dans le projet KmP preacutesenteacute au deacutebut les entreprises deacutecrivent leurs compeacutetences agrave lrsquoaide drsquoune ontologie13A lrsquoautre bout de la chaine les deacutecideurs et la reacutegion aimeraient savoir qursquoelles sont les compeacutetences preacutesentes sur Sophia13Pour cela nos collegravegues en gestion construisent des repreacutesentations comme celle-ci des groupes ou clusters des compeacutetences compleacutementaires ou similaires sur Sophia13Question avec quoi peut-on construire ces groupes13Reacuteponse avec une distance permettant de savoir lesquelles sont proches et lesquelles ne le sont pas13

organiserdes compeacutetences

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

1)(1)(2))((21 2121 21

21

21)( minusminusminus minusminus= tdepthtdepthttlcstdepthttdist

( )( ) 2121)(21 quand )(max)(21

ttttlcststdistttdistttlcststCH ne=

leforall

2121 quand 0)( ttttdistCH ==

A B C D H IGFE M NLKJ255

75

175

0

41

Preacutesentateur
Commentaires de preacutesentation
Derriegravere ces cluster il y a une structure que lrsquoon appelle un dendrogramme qui permet de choisir le niveau de regroupement souhaiteacute13Ce dendrograme correspond agrave une ultra-meacutetrique crsquoest-agrave-dire une distance pour laquelle lrsquoineacutegaliteacute triangulaire est sur-contrainte13Ce que jrsquoai proposeacute ici crsquoest une transformation de la distance sur un arbre de types dans lrsquoontologie agrave une ultra meacutetrique permettant de reproduire les groupements faits par les gestionnaires13

42

Preacutesentateur
Commentaires de preacutesentation
Voilagrave alors ce que lrsquoon peut produire en choisissant un niveau de deacutetail une vue radar des compeacutetences sur Sophia ici dans le domaine du logiciel avec un zoom sur les compeacutetences cœurs qui sont eacutevidemment proche du domaine des reacuteseaux

seacuteparer deux aspects

meacutetaphore matheacutematiqueles laquo distances raquo au naturel

simulations informatiquesespaces amp meacutetriques double conception

43

Preacutesentateur
Commentaires de preacutesentation
agrave ce stade jrsquoai voulu seacuteparer et travailler en parallegravele sur deux aspects des distances13le fait que lrsquoon utilise peut-ecirctre abusivement de terme distance et que cette meacutetaphore a peut-ecirctre ses limites13le fait ce que lrsquoon construit vraiment ce sont des espaces meacutetriques et qursquoil srsquoagit donc drsquoune double conception

tester les laquo distances raquo au naturel

44

Preacutesentateur
Commentaires de preacutesentation
Pour comprendre un peu mieux les distances je donne ici un exemple drsquoexpeacuterience simple que jrsquoai encadreacutee on demande ici agrave lrsquoutilisateur de positionner des concepts de faccedilon agrave ce qursquoils soient geacuteomeacutetriquement proches srsquoils sont seacutemantiquement proches Lrsquoexpeacuterience a eacuteteacute faite avec plus drsquoune trentaine de personnes de tous horizons13

tester les distances au naturel

camion

45

Preacutesentateur
Commentaires de preacutesentation
En suite si lrsquoon regarde par exemple la distance moyenne entre le concept de camion et le concept drsquoavion de bus de camionnettehellip on voit une chose inteacuteressante crsquoest que veacutehicule qui serait typiquement un pegravere des autres nrsquoest pourtant est plus loin de camion que certains de ses fregraveres et plus proche que drsquoautres sur un arbre simple avec seulement ces concepts crsquoest impossible agrave faire il faut soit modifier les concepts pour mettre des classes abstraites soit modifier les liens pour permettre drsquoautres parcours par exemple en reacuteifiant les liens aux fregraveres13

intension amp intention dusageutilisables dans un mecircme graphe concis

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

Technologie

AppareilReacuteseau

Sans-fil

WifiGSM

Teacuteleacutephone

Cellulaire

connexion

sous‐type‐et‐signature

46

Preacutesentateur
Commentaires de preacutesentation
concernant la double conception espace et meacutetrique je donne ici un exemple drsquoune approche que jrsquoessaie de systeacutematiser ougrave lrsquoon donne deux deacutefinitions formelles13une deacutefinition formelle de lrsquoespace13une deacutefinition formelle de la meacutetrique13Ici je mrsquointeacuteresse agrave eacutelargir les parcours possibles dans lrsquoontologie agrave drsquoautres graphes que celui de la hieacuterarchie des types et dans cette exemple jrsquoinclus les signatures des relations crsquoest-agrave-dire les types drsquoobjets qui peuvent ecirctre relieacutes par une relation13La meacutetrique reste la mecircme

intension amp intention dusagedeacutesambiguumliser lextraction de termes

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

5000

6000

7000

8000

9000

[Khelif et al]wclass 02wprop 04wsig 04

47

Preacutesentateur
Commentaires de preacutesentation
En incluant des poids dans la deacutefinition de lrsquoespace on peut passer progressivement drsquoune distance nrsquoutilisant que la hieacuterarchie agrave une distance nrsquoutilisant que les signatures13En appliquant cette distance agrave la deacutesambiguumlisation de termes extraits drsquoun texte (ie pour retrouver le sens dans lequel un terme est utiliseacute) on voit ici qursquoune distance hybride capable de combiner les deux espaces se comporte mieux que lrsquoune ou lrsquoautre des distances extrecircmes

4 le

ressources

des

distribueacutees

problegraveme

48

Preacutesentateur
Commentaires de preacutesentation
Nous avons vu que nous travaillons sur des meacutemoires qui utilisent le web seacutemantique dans leur mateacuterialisation et pour lesquelles la repreacutesentation et le traitement agrave base de graphes fournissaient eacutenormeacutement drsquoatouts13Cependant le contenu et les traitements de ces meacutemoires ne sont pas forceacutement sur la mecircme machine

graphesdistribueacutes

49

Preacutesentateur
Commentaires de preacutesentation
Le premier problegraveme qui peut se poser crsquoest si mes graphes ne sont pas sur la mecircme machine13Si mes triplets RDF mes arcs viennent de diffeacuterents endroits

serveursquelques

RDF

RDF

RDF

RDF

SPARQL

application web

service web

identiques

service web

service web

50

Preacutesentateur
Commentaires de preacutesentation
Nous avons consideacutereacute un cas classique en entreprise ou il y a une liste connue restreinte et stable de serveurs

broadcasteacuteviter le

51

52

index de serveurcaracteacuteriser son contenu les eacutetoiles et les chemins

53

annotation

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

54

Preacutesentateur
Commentaires de preacutesentation
voici une annotation simplifieacutee drsquoun document dans le projet SevenPro concernant la conception drsquoune voiture

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 24: HDR

EMappingune relation binaire qui associe chaque eacuteleacutement drsquoun ERGraph EHavec au plus un

eacuteleacutement drsquoun ERGraph EG24

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme exemple drsquoabstraction le mapping entre deux graphes crsquoest-agrave-dire une relation binaire qui associe chaque eacuteleacutement drsquoun graphe avec au plus un eacuteleacutement drsquoun autre graphe

visseacutes visseacutesx

z

visseacutes(xy)visseacutes(yz)

soudeacutes(zv)soudeacutes(zu)soudeacutes(uv)

visseacutes(xp) visseacutes(pz)

25

soudeacutesx

y

z

u vsoudeacutes

visseacutes visseacutes

Preacutesentateur
Commentaires de preacutesentation
Quel est lrsquointeacuterecirct drsquoun mapping il va nous permettre en premier lieu de retrouver la deacuterivation logique dans les graphes13Si je prends les assertions agrave gauche je peux les repreacutesenter par ce graphe agrave droite13Jrsquoai la mecircme eacutequivalence entre une requecircte ou des assertions agrave prouver et un graphe requecircte13Et la deacuterivation logique ici est eacutequivalente agrave un homorphisme de graphe ici un type particulier de mapping13

langage de requecircte

SPARQLSELECT FROM WHERE

26

Preacutesentateur
Commentaires de preacutesentation
La premiegravere application crsquoest de pouvoir implanter un langage de requecircte comme SPARQL sur des graphes RDF13La reacutesolution drsquoune requecircte revient agrave la recherche drsquohomomorphismes de graphes13

RDFS pour deacutefinir les classes de ressources et organiser leur hieacuterarchie Document

Rapport

27

Preacutesentateur
Commentaires de preacutesentation
RDFs va nous permettre drsquoajouter des nos meacutemoires des ontologies leacutegegraveres notamment pourhellip

RDFS pour deacutefinir les relations leur hieacuterarchie et leurs signatures creacuteateur

auteurDocument Personne

28

Preacutesentateur
Commentaires de preacutesentation
et pourhellip

FandO rarr R hArr GF le GRmapping modulo une ontologie

voiture

veacutehicule

voiture(x)rArrveacutehicule(x)

29

GF

GRveacutehicule

voiture

O

Preacutesentateur
Commentaires de preacutesentation
13Degraves lors on va complexifier notre mapping pour prendre en compte non seulement la connaissance capturer dans les graphes requecirctes et les graphes faits mais aussi la connaissance drsquoune ontologie13Notamment lorsque je dois veacuterifier que les eacutetiquettes de mon graphe requecircte et de mon graphe cible sont compatibles je vais le faire modulo une ontologie13Mecircme si veacutehicule et voiture ne sont pas les mecircme eacutetiquettes si mon ontologie dit que voiture est un sous-type de veacutehicule alors mon homomorphisme est valide13

EMappingopeacuteration centrale interroger

raisonner

visualiser

hellip

30

Preacutesentateur
Commentaires de preacutesentation
ce type drsquoopeacuteration est central pourhellip

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

31

Preacutesentateur
Commentaires de preacutesentation
La relation standard du web seacutemantique et graphes nrsquoest pas agrave sens unique On peut aussi utiliser des travaux sur les graphes pour suggeacuterer des solutions agrave des problegravemes dans les standards13Par exemple le problegraveme de la provenance des arcs drsquoun graphes RDF Il nrsquoy a pas de moyen actuellement de speacutecifier drsquoougrave viennent les diffeacuterents morceaux de mon graphe RDF

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

httpwwww3org

http wwwinriafrhttp wwwinriafrhttp wwwinriafr

httpwwww3org

32

Preacutesentateur
Commentaires de preacutesentation
En srsquoinspirant des graphes nommeacutes on peut suggeacuterer une extension de la syntaxe RDFXML pour indiquer la provenance et crsquoest ce que jrsquoai conduit en reacutedigeant une soumission drsquoextension du standard RDF au W3C13

3 espaces meacutetriques des graphes de connaissances

33

Preacutesentateur
Commentaires de preacutesentation
Nous avons donc des meacutemoires qui utilisent les formalismes du web seacutemantique et leurs structures de graphe13La structure et les manipulations de graphe ne sont pas uniquement une autre faccedilon de faire des repreacutesentations et des raisonnements logiques13Les graphes ont des caracteacuteristiques propres inteacuteressantes pour nos sceacutenarios drsquousage et crsquoest ce que nous allons voir dans cette troisiegraveme partie13

distances seacutemantiquesmeacutetaphore matheacutematique pour une comparaison intuitive

34

Preacutesentateur
Commentaires de preacutesentation
Je vais me focaliser ici sur un exemple drsquoinfeacuterence particulier les distances seacutemantiques13Il srsquoagit drsquoune meacutetaphore matheacutematique pour une comparaison intuitive13Si je considegravere un coupeacute un break et un avion naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche du break que de lrsquoavion13Cependant si maintenant je considegravere un coupeacute un avion et un livre naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche de lrsquoavion que du livre13Ces raisonnements nous les utilisons tous les jours pour comparer et eacutevaluer les diffeacuterences que nous percevons 13

simuler la meacutemoireseacutemantique est une ideacutee ancienne(Quillian 1968) (Collins amp Loftus 1975)

mais avec de nouveaux besoins

35

Preacutesentateur
Commentaires de preacutesentation
hellip nous allons voir certains de ces besoins

de linteacuterecirct dun agrave peu pregraves

ma montre na quune aiguillemais elle nest pas casseacutee

36

Preacutesentateur
Commentaires de preacutesentation
Ceci est ma montre Elle na quune aiguille mais elle nest pas casseacutee Elle se lit comme un chronomegravetre Elle donne lrsquoheure en une seule lecture donc tregraves rapidement mais en contrepartie elle est moins preacutecise les gens commettent en moyenne une erreur de lecture de 3 min13En recherche drsquoinformation aussi il peut ecirctre inteacuteressant de pouvoir obtenir une reacuteponse approcheacutee mais plus rapidement ou agrave deacutefaut de bonne reacuteponse13Crsquoest lagrave que les distances entrent en jeu

projection classique

voiture

veacutehicule

t1 lt t2 ie t1(x)rArrt2(x) T1 sub T2

voiture(x)rArrveacutehicule(x)

37

Preacutesentateur
Commentaires de preacutesentation
Reprenons notre projection modulo une ontologie fournissant des relations logiques entre les eacutetiquettes de mes graphes13

relaxer une contrainte de typage

camion

voiture

voiture(x) camion(x)

t1(x)rArrt2(x) rarr d(t1t2)ltseuil

sum neisin ⎥⎦⎤

⎢⎣⎡=leisinforall

121 )(21212

21 21)( aon )(

ttttt tdepthHc ttlttHttc

( ))()(min)( aon )( 21212

21 21ttlttlttdistHtt

cc HHttttc +=isinforall gege

38

Preacutesentateur
Commentaires de preacutesentation
Srsquoil nrsquoexiste pas de reacuteponse exacte on peut srsquointeacuteresser agrave remplacer les contraintes logiques entre les types par des contraintes numeacuteriques sur une distance entre ces types13Ici par exemple on considegravere un arbre de types et la longueur minimal des chemins seacuteparant les deux types sachant que les arcs sont exponentiellement plus courts qursquoils sont profonds dans lrsquoarbre13Et en fixant un seuil on va pouvoir controcircler les approximations que lrsquoon fait sur les types13

organiserun tas dobjets

39

Preacutesentateur
Commentaires de preacutesentation
deuxiegraveme exemple de besoin pour ces distances pour organiser et grouper des descriptions lorsque nos bases de graphes deviennent grandes et que lrsquoon veut avoir une ideacutee de ce qursquoelles contiennent

organiserdes compeacutetences

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

40

Preacutesentateur
Commentaires de preacutesentation
Dans le projet KmP preacutesenteacute au deacutebut les entreprises deacutecrivent leurs compeacutetences agrave lrsquoaide drsquoune ontologie13A lrsquoautre bout de la chaine les deacutecideurs et la reacutegion aimeraient savoir qursquoelles sont les compeacutetences preacutesentes sur Sophia13Pour cela nos collegravegues en gestion construisent des repreacutesentations comme celle-ci des groupes ou clusters des compeacutetences compleacutementaires ou similaires sur Sophia13Question avec quoi peut-on construire ces groupes13Reacuteponse avec une distance permettant de savoir lesquelles sont proches et lesquelles ne le sont pas13

organiserdes compeacutetences

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

1)(1)(2))((21 2121 21

21

21)( minusminusminus minusminus= tdepthtdepthttlcstdepthttdist

( )( ) 2121)(21 quand )(max)(21

ttttlcststdistttdistttlcststCH ne=

leforall

2121 quand 0)( ttttdistCH ==

A B C D H IGFE M NLKJ255

75

175

0

41

Preacutesentateur
Commentaires de preacutesentation
Derriegravere ces cluster il y a une structure que lrsquoon appelle un dendrogramme qui permet de choisir le niveau de regroupement souhaiteacute13Ce dendrograme correspond agrave une ultra-meacutetrique crsquoest-agrave-dire une distance pour laquelle lrsquoineacutegaliteacute triangulaire est sur-contrainte13Ce que jrsquoai proposeacute ici crsquoest une transformation de la distance sur un arbre de types dans lrsquoontologie agrave une ultra meacutetrique permettant de reproduire les groupements faits par les gestionnaires13

42

Preacutesentateur
Commentaires de preacutesentation
Voilagrave alors ce que lrsquoon peut produire en choisissant un niveau de deacutetail une vue radar des compeacutetences sur Sophia ici dans le domaine du logiciel avec un zoom sur les compeacutetences cœurs qui sont eacutevidemment proche du domaine des reacuteseaux

seacuteparer deux aspects

meacutetaphore matheacutematiqueles laquo distances raquo au naturel

simulations informatiquesespaces amp meacutetriques double conception

43

Preacutesentateur
Commentaires de preacutesentation
agrave ce stade jrsquoai voulu seacuteparer et travailler en parallegravele sur deux aspects des distances13le fait que lrsquoon utilise peut-ecirctre abusivement de terme distance et que cette meacutetaphore a peut-ecirctre ses limites13le fait ce que lrsquoon construit vraiment ce sont des espaces meacutetriques et qursquoil srsquoagit donc drsquoune double conception

tester les laquo distances raquo au naturel

44

Preacutesentateur
Commentaires de preacutesentation
Pour comprendre un peu mieux les distances je donne ici un exemple drsquoexpeacuterience simple que jrsquoai encadreacutee on demande ici agrave lrsquoutilisateur de positionner des concepts de faccedilon agrave ce qursquoils soient geacuteomeacutetriquement proches srsquoils sont seacutemantiquement proches Lrsquoexpeacuterience a eacuteteacute faite avec plus drsquoune trentaine de personnes de tous horizons13

tester les distances au naturel

camion

45

Preacutesentateur
Commentaires de preacutesentation
En suite si lrsquoon regarde par exemple la distance moyenne entre le concept de camion et le concept drsquoavion de bus de camionnettehellip on voit une chose inteacuteressante crsquoest que veacutehicule qui serait typiquement un pegravere des autres nrsquoest pourtant est plus loin de camion que certains de ses fregraveres et plus proche que drsquoautres sur un arbre simple avec seulement ces concepts crsquoest impossible agrave faire il faut soit modifier les concepts pour mettre des classes abstraites soit modifier les liens pour permettre drsquoautres parcours par exemple en reacuteifiant les liens aux fregraveres13

intension amp intention dusageutilisables dans un mecircme graphe concis

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

Technologie

AppareilReacuteseau

Sans-fil

WifiGSM

Teacuteleacutephone

Cellulaire

connexion

sous‐type‐et‐signature

46

Preacutesentateur
Commentaires de preacutesentation
concernant la double conception espace et meacutetrique je donne ici un exemple drsquoune approche que jrsquoessaie de systeacutematiser ougrave lrsquoon donne deux deacutefinitions formelles13une deacutefinition formelle de lrsquoespace13une deacutefinition formelle de la meacutetrique13Ici je mrsquointeacuteresse agrave eacutelargir les parcours possibles dans lrsquoontologie agrave drsquoautres graphes que celui de la hieacuterarchie des types et dans cette exemple jrsquoinclus les signatures des relations crsquoest-agrave-dire les types drsquoobjets qui peuvent ecirctre relieacutes par une relation13La meacutetrique reste la mecircme

intension amp intention dusagedeacutesambiguumliser lextraction de termes

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

5000

6000

7000

8000

9000

[Khelif et al]wclass 02wprop 04wsig 04

47

Preacutesentateur
Commentaires de preacutesentation
En incluant des poids dans la deacutefinition de lrsquoespace on peut passer progressivement drsquoune distance nrsquoutilisant que la hieacuterarchie agrave une distance nrsquoutilisant que les signatures13En appliquant cette distance agrave la deacutesambiguumlisation de termes extraits drsquoun texte (ie pour retrouver le sens dans lequel un terme est utiliseacute) on voit ici qursquoune distance hybride capable de combiner les deux espaces se comporte mieux que lrsquoune ou lrsquoautre des distances extrecircmes

4 le

ressources

des

distribueacutees

problegraveme

48

Preacutesentateur
Commentaires de preacutesentation
Nous avons vu que nous travaillons sur des meacutemoires qui utilisent le web seacutemantique dans leur mateacuterialisation et pour lesquelles la repreacutesentation et le traitement agrave base de graphes fournissaient eacutenormeacutement drsquoatouts13Cependant le contenu et les traitements de ces meacutemoires ne sont pas forceacutement sur la mecircme machine

graphesdistribueacutes

49

Preacutesentateur
Commentaires de preacutesentation
Le premier problegraveme qui peut se poser crsquoest si mes graphes ne sont pas sur la mecircme machine13Si mes triplets RDF mes arcs viennent de diffeacuterents endroits

serveursquelques

RDF

RDF

RDF

RDF

SPARQL

application web

service web

identiques

service web

service web

50

Preacutesentateur
Commentaires de preacutesentation
Nous avons consideacutereacute un cas classique en entreprise ou il y a une liste connue restreinte et stable de serveurs

broadcasteacuteviter le

51

52

index de serveurcaracteacuteriser son contenu les eacutetoiles et les chemins

53

annotation

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

54

Preacutesentateur
Commentaires de preacutesentation
voici une annotation simplifieacutee drsquoun document dans le projet SevenPro concernant la conception drsquoune voiture

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 25: HDR

visseacutes visseacutesx

z

visseacutes(xy)visseacutes(yz)

soudeacutes(zv)soudeacutes(zu)soudeacutes(uv)

visseacutes(xp) visseacutes(pz)

25

soudeacutesx

y

z

u vsoudeacutes

visseacutes visseacutes

Preacutesentateur
Commentaires de preacutesentation
Quel est lrsquointeacuterecirct drsquoun mapping il va nous permettre en premier lieu de retrouver la deacuterivation logique dans les graphes13Si je prends les assertions agrave gauche je peux les repreacutesenter par ce graphe agrave droite13Jrsquoai la mecircme eacutequivalence entre une requecircte ou des assertions agrave prouver et un graphe requecircte13Et la deacuterivation logique ici est eacutequivalente agrave un homorphisme de graphe ici un type particulier de mapping13

langage de requecircte

SPARQLSELECT FROM WHERE

26

Preacutesentateur
Commentaires de preacutesentation
La premiegravere application crsquoest de pouvoir implanter un langage de requecircte comme SPARQL sur des graphes RDF13La reacutesolution drsquoune requecircte revient agrave la recherche drsquohomomorphismes de graphes13

RDFS pour deacutefinir les classes de ressources et organiser leur hieacuterarchie Document

Rapport

27

Preacutesentateur
Commentaires de preacutesentation
RDFs va nous permettre drsquoajouter des nos meacutemoires des ontologies leacutegegraveres notamment pourhellip

RDFS pour deacutefinir les relations leur hieacuterarchie et leurs signatures creacuteateur

auteurDocument Personne

28

Preacutesentateur
Commentaires de preacutesentation
et pourhellip

FandO rarr R hArr GF le GRmapping modulo une ontologie

voiture

veacutehicule

voiture(x)rArrveacutehicule(x)

29

GF

GRveacutehicule

voiture

O

Preacutesentateur
Commentaires de preacutesentation
13Degraves lors on va complexifier notre mapping pour prendre en compte non seulement la connaissance capturer dans les graphes requecirctes et les graphes faits mais aussi la connaissance drsquoune ontologie13Notamment lorsque je dois veacuterifier que les eacutetiquettes de mon graphe requecircte et de mon graphe cible sont compatibles je vais le faire modulo une ontologie13Mecircme si veacutehicule et voiture ne sont pas les mecircme eacutetiquettes si mon ontologie dit que voiture est un sous-type de veacutehicule alors mon homomorphisme est valide13

EMappingopeacuteration centrale interroger

raisonner

visualiser

hellip

30

Preacutesentateur
Commentaires de preacutesentation
ce type drsquoopeacuteration est central pourhellip

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

31

Preacutesentateur
Commentaires de preacutesentation
La relation standard du web seacutemantique et graphes nrsquoest pas agrave sens unique On peut aussi utiliser des travaux sur les graphes pour suggeacuterer des solutions agrave des problegravemes dans les standards13Par exemple le problegraveme de la provenance des arcs drsquoun graphes RDF Il nrsquoy a pas de moyen actuellement de speacutecifier drsquoougrave viennent les diffeacuterents morceaux de mon graphe RDF

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

httpwwww3org

http wwwinriafrhttp wwwinriafrhttp wwwinriafr

httpwwww3org

32

Preacutesentateur
Commentaires de preacutesentation
En srsquoinspirant des graphes nommeacutes on peut suggeacuterer une extension de la syntaxe RDFXML pour indiquer la provenance et crsquoest ce que jrsquoai conduit en reacutedigeant une soumission drsquoextension du standard RDF au W3C13

3 espaces meacutetriques des graphes de connaissances

33

Preacutesentateur
Commentaires de preacutesentation
Nous avons donc des meacutemoires qui utilisent les formalismes du web seacutemantique et leurs structures de graphe13La structure et les manipulations de graphe ne sont pas uniquement une autre faccedilon de faire des repreacutesentations et des raisonnements logiques13Les graphes ont des caracteacuteristiques propres inteacuteressantes pour nos sceacutenarios drsquousage et crsquoest ce que nous allons voir dans cette troisiegraveme partie13

distances seacutemantiquesmeacutetaphore matheacutematique pour une comparaison intuitive

34

Preacutesentateur
Commentaires de preacutesentation
Je vais me focaliser ici sur un exemple drsquoinfeacuterence particulier les distances seacutemantiques13Il srsquoagit drsquoune meacutetaphore matheacutematique pour une comparaison intuitive13Si je considegravere un coupeacute un break et un avion naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche du break que de lrsquoavion13Cependant si maintenant je considegravere un coupeacute un avion et un livre naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche de lrsquoavion que du livre13Ces raisonnements nous les utilisons tous les jours pour comparer et eacutevaluer les diffeacuterences que nous percevons 13

simuler la meacutemoireseacutemantique est une ideacutee ancienne(Quillian 1968) (Collins amp Loftus 1975)

mais avec de nouveaux besoins

35

Preacutesentateur
Commentaires de preacutesentation
hellip nous allons voir certains de ces besoins

de linteacuterecirct dun agrave peu pregraves

ma montre na quune aiguillemais elle nest pas casseacutee

36

Preacutesentateur
Commentaires de preacutesentation
Ceci est ma montre Elle na quune aiguille mais elle nest pas casseacutee Elle se lit comme un chronomegravetre Elle donne lrsquoheure en une seule lecture donc tregraves rapidement mais en contrepartie elle est moins preacutecise les gens commettent en moyenne une erreur de lecture de 3 min13En recherche drsquoinformation aussi il peut ecirctre inteacuteressant de pouvoir obtenir une reacuteponse approcheacutee mais plus rapidement ou agrave deacutefaut de bonne reacuteponse13Crsquoest lagrave que les distances entrent en jeu

projection classique

voiture

veacutehicule

t1 lt t2 ie t1(x)rArrt2(x) T1 sub T2

voiture(x)rArrveacutehicule(x)

37

Preacutesentateur
Commentaires de preacutesentation
Reprenons notre projection modulo une ontologie fournissant des relations logiques entre les eacutetiquettes de mes graphes13

relaxer une contrainte de typage

camion

voiture

voiture(x) camion(x)

t1(x)rArrt2(x) rarr d(t1t2)ltseuil

sum neisin ⎥⎦⎤

⎢⎣⎡=leisinforall

121 )(21212

21 21)( aon )(

ttttt tdepthHc ttlttHttc

( ))()(min)( aon )( 21212

21 21ttlttlttdistHtt

cc HHttttc +=isinforall gege

38

Preacutesentateur
Commentaires de preacutesentation
Srsquoil nrsquoexiste pas de reacuteponse exacte on peut srsquointeacuteresser agrave remplacer les contraintes logiques entre les types par des contraintes numeacuteriques sur une distance entre ces types13Ici par exemple on considegravere un arbre de types et la longueur minimal des chemins seacuteparant les deux types sachant que les arcs sont exponentiellement plus courts qursquoils sont profonds dans lrsquoarbre13Et en fixant un seuil on va pouvoir controcircler les approximations que lrsquoon fait sur les types13

organiserun tas dobjets

39

Preacutesentateur
Commentaires de preacutesentation
deuxiegraveme exemple de besoin pour ces distances pour organiser et grouper des descriptions lorsque nos bases de graphes deviennent grandes et que lrsquoon veut avoir une ideacutee de ce qursquoelles contiennent

organiserdes compeacutetences

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

40

Preacutesentateur
Commentaires de preacutesentation
Dans le projet KmP preacutesenteacute au deacutebut les entreprises deacutecrivent leurs compeacutetences agrave lrsquoaide drsquoune ontologie13A lrsquoautre bout de la chaine les deacutecideurs et la reacutegion aimeraient savoir qursquoelles sont les compeacutetences preacutesentes sur Sophia13Pour cela nos collegravegues en gestion construisent des repreacutesentations comme celle-ci des groupes ou clusters des compeacutetences compleacutementaires ou similaires sur Sophia13Question avec quoi peut-on construire ces groupes13Reacuteponse avec une distance permettant de savoir lesquelles sont proches et lesquelles ne le sont pas13

organiserdes compeacutetences

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

1)(1)(2))((21 2121 21

21

21)( minusminusminus minusminus= tdepthtdepthttlcstdepthttdist

( )( ) 2121)(21 quand )(max)(21

ttttlcststdistttdistttlcststCH ne=

leforall

2121 quand 0)( ttttdistCH ==

A B C D H IGFE M NLKJ255

75

175

0

41

Preacutesentateur
Commentaires de preacutesentation
Derriegravere ces cluster il y a une structure que lrsquoon appelle un dendrogramme qui permet de choisir le niveau de regroupement souhaiteacute13Ce dendrograme correspond agrave une ultra-meacutetrique crsquoest-agrave-dire une distance pour laquelle lrsquoineacutegaliteacute triangulaire est sur-contrainte13Ce que jrsquoai proposeacute ici crsquoest une transformation de la distance sur un arbre de types dans lrsquoontologie agrave une ultra meacutetrique permettant de reproduire les groupements faits par les gestionnaires13

42

Preacutesentateur
Commentaires de preacutesentation
Voilagrave alors ce que lrsquoon peut produire en choisissant un niveau de deacutetail une vue radar des compeacutetences sur Sophia ici dans le domaine du logiciel avec un zoom sur les compeacutetences cœurs qui sont eacutevidemment proche du domaine des reacuteseaux

seacuteparer deux aspects

meacutetaphore matheacutematiqueles laquo distances raquo au naturel

simulations informatiquesespaces amp meacutetriques double conception

43

Preacutesentateur
Commentaires de preacutesentation
agrave ce stade jrsquoai voulu seacuteparer et travailler en parallegravele sur deux aspects des distances13le fait que lrsquoon utilise peut-ecirctre abusivement de terme distance et que cette meacutetaphore a peut-ecirctre ses limites13le fait ce que lrsquoon construit vraiment ce sont des espaces meacutetriques et qursquoil srsquoagit donc drsquoune double conception

tester les laquo distances raquo au naturel

44

Preacutesentateur
Commentaires de preacutesentation
Pour comprendre un peu mieux les distances je donne ici un exemple drsquoexpeacuterience simple que jrsquoai encadreacutee on demande ici agrave lrsquoutilisateur de positionner des concepts de faccedilon agrave ce qursquoils soient geacuteomeacutetriquement proches srsquoils sont seacutemantiquement proches Lrsquoexpeacuterience a eacuteteacute faite avec plus drsquoune trentaine de personnes de tous horizons13

tester les distances au naturel

camion

45

Preacutesentateur
Commentaires de preacutesentation
En suite si lrsquoon regarde par exemple la distance moyenne entre le concept de camion et le concept drsquoavion de bus de camionnettehellip on voit une chose inteacuteressante crsquoest que veacutehicule qui serait typiquement un pegravere des autres nrsquoest pourtant est plus loin de camion que certains de ses fregraveres et plus proche que drsquoautres sur un arbre simple avec seulement ces concepts crsquoest impossible agrave faire il faut soit modifier les concepts pour mettre des classes abstraites soit modifier les liens pour permettre drsquoautres parcours par exemple en reacuteifiant les liens aux fregraveres13

intension amp intention dusageutilisables dans un mecircme graphe concis

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

Technologie

AppareilReacuteseau

Sans-fil

WifiGSM

Teacuteleacutephone

Cellulaire

connexion

sous‐type‐et‐signature

46

Preacutesentateur
Commentaires de preacutesentation
concernant la double conception espace et meacutetrique je donne ici un exemple drsquoune approche que jrsquoessaie de systeacutematiser ougrave lrsquoon donne deux deacutefinitions formelles13une deacutefinition formelle de lrsquoespace13une deacutefinition formelle de la meacutetrique13Ici je mrsquointeacuteresse agrave eacutelargir les parcours possibles dans lrsquoontologie agrave drsquoautres graphes que celui de la hieacuterarchie des types et dans cette exemple jrsquoinclus les signatures des relations crsquoest-agrave-dire les types drsquoobjets qui peuvent ecirctre relieacutes par une relation13La meacutetrique reste la mecircme

intension amp intention dusagedeacutesambiguumliser lextraction de termes

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

5000

6000

7000

8000

9000

[Khelif et al]wclass 02wprop 04wsig 04

47

Preacutesentateur
Commentaires de preacutesentation
En incluant des poids dans la deacutefinition de lrsquoespace on peut passer progressivement drsquoune distance nrsquoutilisant que la hieacuterarchie agrave une distance nrsquoutilisant que les signatures13En appliquant cette distance agrave la deacutesambiguumlisation de termes extraits drsquoun texte (ie pour retrouver le sens dans lequel un terme est utiliseacute) on voit ici qursquoune distance hybride capable de combiner les deux espaces se comporte mieux que lrsquoune ou lrsquoautre des distances extrecircmes

4 le

ressources

des

distribueacutees

problegraveme

48

Preacutesentateur
Commentaires de preacutesentation
Nous avons vu que nous travaillons sur des meacutemoires qui utilisent le web seacutemantique dans leur mateacuterialisation et pour lesquelles la repreacutesentation et le traitement agrave base de graphes fournissaient eacutenormeacutement drsquoatouts13Cependant le contenu et les traitements de ces meacutemoires ne sont pas forceacutement sur la mecircme machine

graphesdistribueacutes

49

Preacutesentateur
Commentaires de preacutesentation
Le premier problegraveme qui peut se poser crsquoest si mes graphes ne sont pas sur la mecircme machine13Si mes triplets RDF mes arcs viennent de diffeacuterents endroits

serveursquelques

RDF

RDF

RDF

RDF

SPARQL

application web

service web

identiques

service web

service web

50

Preacutesentateur
Commentaires de preacutesentation
Nous avons consideacutereacute un cas classique en entreprise ou il y a une liste connue restreinte et stable de serveurs

broadcasteacuteviter le

51

52

index de serveurcaracteacuteriser son contenu les eacutetoiles et les chemins

53

annotation

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

54

Preacutesentateur
Commentaires de preacutesentation
voici une annotation simplifieacutee drsquoun document dans le projet SevenPro concernant la conception drsquoune voiture

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 26: HDR

langage de requecircte

SPARQLSELECT FROM WHERE

26

Preacutesentateur
Commentaires de preacutesentation
La premiegravere application crsquoest de pouvoir implanter un langage de requecircte comme SPARQL sur des graphes RDF13La reacutesolution drsquoune requecircte revient agrave la recherche drsquohomomorphismes de graphes13

RDFS pour deacutefinir les classes de ressources et organiser leur hieacuterarchie Document

Rapport

27

Preacutesentateur
Commentaires de preacutesentation
RDFs va nous permettre drsquoajouter des nos meacutemoires des ontologies leacutegegraveres notamment pourhellip

RDFS pour deacutefinir les relations leur hieacuterarchie et leurs signatures creacuteateur

auteurDocument Personne

28

Preacutesentateur
Commentaires de preacutesentation
et pourhellip

FandO rarr R hArr GF le GRmapping modulo une ontologie

voiture

veacutehicule

voiture(x)rArrveacutehicule(x)

29

GF

GRveacutehicule

voiture

O

Preacutesentateur
Commentaires de preacutesentation
13Degraves lors on va complexifier notre mapping pour prendre en compte non seulement la connaissance capturer dans les graphes requecirctes et les graphes faits mais aussi la connaissance drsquoune ontologie13Notamment lorsque je dois veacuterifier que les eacutetiquettes de mon graphe requecircte et de mon graphe cible sont compatibles je vais le faire modulo une ontologie13Mecircme si veacutehicule et voiture ne sont pas les mecircme eacutetiquettes si mon ontologie dit que voiture est un sous-type de veacutehicule alors mon homomorphisme est valide13

EMappingopeacuteration centrale interroger

raisonner

visualiser

hellip

30

Preacutesentateur
Commentaires de preacutesentation
ce type drsquoopeacuteration est central pourhellip

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

31

Preacutesentateur
Commentaires de preacutesentation
La relation standard du web seacutemantique et graphes nrsquoest pas agrave sens unique On peut aussi utiliser des travaux sur les graphes pour suggeacuterer des solutions agrave des problegravemes dans les standards13Par exemple le problegraveme de la provenance des arcs drsquoun graphes RDF Il nrsquoy a pas de moyen actuellement de speacutecifier drsquoougrave viennent les diffeacuterents morceaux de mon graphe RDF

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

httpwwww3org

http wwwinriafrhttp wwwinriafrhttp wwwinriafr

httpwwww3org

32

Preacutesentateur
Commentaires de preacutesentation
En srsquoinspirant des graphes nommeacutes on peut suggeacuterer une extension de la syntaxe RDFXML pour indiquer la provenance et crsquoest ce que jrsquoai conduit en reacutedigeant une soumission drsquoextension du standard RDF au W3C13

3 espaces meacutetriques des graphes de connaissances

33

Preacutesentateur
Commentaires de preacutesentation
Nous avons donc des meacutemoires qui utilisent les formalismes du web seacutemantique et leurs structures de graphe13La structure et les manipulations de graphe ne sont pas uniquement une autre faccedilon de faire des repreacutesentations et des raisonnements logiques13Les graphes ont des caracteacuteristiques propres inteacuteressantes pour nos sceacutenarios drsquousage et crsquoest ce que nous allons voir dans cette troisiegraveme partie13

distances seacutemantiquesmeacutetaphore matheacutematique pour une comparaison intuitive

34

Preacutesentateur
Commentaires de preacutesentation
Je vais me focaliser ici sur un exemple drsquoinfeacuterence particulier les distances seacutemantiques13Il srsquoagit drsquoune meacutetaphore matheacutematique pour une comparaison intuitive13Si je considegravere un coupeacute un break et un avion naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche du break que de lrsquoavion13Cependant si maintenant je considegravere un coupeacute un avion et un livre naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche de lrsquoavion que du livre13Ces raisonnements nous les utilisons tous les jours pour comparer et eacutevaluer les diffeacuterences que nous percevons 13

simuler la meacutemoireseacutemantique est une ideacutee ancienne(Quillian 1968) (Collins amp Loftus 1975)

mais avec de nouveaux besoins

35

Preacutesentateur
Commentaires de preacutesentation
hellip nous allons voir certains de ces besoins

de linteacuterecirct dun agrave peu pregraves

ma montre na quune aiguillemais elle nest pas casseacutee

36

Preacutesentateur
Commentaires de preacutesentation
Ceci est ma montre Elle na quune aiguille mais elle nest pas casseacutee Elle se lit comme un chronomegravetre Elle donne lrsquoheure en une seule lecture donc tregraves rapidement mais en contrepartie elle est moins preacutecise les gens commettent en moyenne une erreur de lecture de 3 min13En recherche drsquoinformation aussi il peut ecirctre inteacuteressant de pouvoir obtenir une reacuteponse approcheacutee mais plus rapidement ou agrave deacutefaut de bonne reacuteponse13Crsquoest lagrave que les distances entrent en jeu

projection classique

voiture

veacutehicule

t1 lt t2 ie t1(x)rArrt2(x) T1 sub T2

voiture(x)rArrveacutehicule(x)

37

Preacutesentateur
Commentaires de preacutesentation
Reprenons notre projection modulo une ontologie fournissant des relations logiques entre les eacutetiquettes de mes graphes13

relaxer une contrainte de typage

camion

voiture

voiture(x) camion(x)

t1(x)rArrt2(x) rarr d(t1t2)ltseuil

sum neisin ⎥⎦⎤

⎢⎣⎡=leisinforall

121 )(21212

21 21)( aon )(

ttttt tdepthHc ttlttHttc

( ))()(min)( aon )( 21212

21 21ttlttlttdistHtt

cc HHttttc +=isinforall gege

38

Preacutesentateur
Commentaires de preacutesentation
Srsquoil nrsquoexiste pas de reacuteponse exacte on peut srsquointeacuteresser agrave remplacer les contraintes logiques entre les types par des contraintes numeacuteriques sur une distance entre ces types13Ici par exemple on considegravere un arbre de types et la longueur minimal des chemins seacuteparant les deux types sachant que les arcs sont exponentiellement plus courts qursquoils sont profonds dans lrsquoarbre13Et en fixant un seuil on va pouvoir controcircler les approximations que lrsquoon fait sur les types13

organiserun tas dobjets

39

Preacutesentateur
Commentaires de preacutesentation
deuxiegraveme exemple de besoin pour ces distances pour organiser et grouper des descriptions lorsque nos bases de graphes deviennent grandes et que lrsquoon veut avoir une ideacutee de ce qursquoelles contiennent

organiserdes compeacutetences

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

40

Preacutesentateur
Commentaires de preacutesentation
Dans le projet KmP preacutesenteacute au deacutebut les entreprises deacutecrivent leurs compeacutetences agrave lrsquoaide drsquoune ontologie13A lrsquoautre bout de la chaine les deacutecideurs et la reacutegion aimeraient savoir qursquoelles sont les compeacutetences preacutesentes sur Sophia13Pour cela nos collegravegues en gestion construisent des repreacutesentations comme celle-ci des groupes ou clusters des compeacutetences compleacutementaires ou similaires sur Sophia13Question avec quoi peut-on construire ces groupes13Reacuteponse avec une distance permettant de savoir lesquelles sont proches et lesquelles ne le sont pas13

organiserdes compeacutetences

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

1)(1)(2))((21 2121 21

21

21)( minusminusminus minusminus= tdepthtdepthttlcstdepthttdist

( )( ) 2121)(21 quand )(max)(21

ttttlcststdistttdistttlcststCH ne=

leforall

2121 quand 0)( ttttdistCH ==

A B C D H IGFE M NLKJ255

75

175

0

41

Preacutesentateur
Commentaires de preacutesentation
Derriegravere ces cluster il y a une structure que lrsquoon appelle un dendrogramme qui permet de choisir le niveau de regroupement souhaiteacute13Ce dendrograme correspond agrave une ultra-meacutetrique crsquoest-agrave-dire une distance pour laquelle lrsquoineacutegaliteacute triangulaire est sur-contrainte13Ce que jrsquoai proposeacute ici crsquoest une transformation de la distance sur un arbre de types dans lrsquoontologie agrave une ultra meacutetrique permettant de reproduire les groupements faits par les gestionnaires13

42

Preacutesentateur
Commentaires de preacutesentation
Voilagrave alors ce que lrsquoon peut produire en choisissant un niveau de deacutetail une vue radar des compeacutetences sur Sophia ici dans le domaine du logiciel avec un zoom sur les compeacutetences cœurs qui sont eacutevidemment proche du domaine des reacuteseaux

seacuteparer deux aspects

meacutetaphore matheacutematiqueles laquo distances raquo au naturel

simulations informatiquesespaces amp meacutetriques double conception

43

Preacutesentateur
Commentaires de preacutesentation
agrave ce stade jrsquoai voulu seacuteparer et travailler en parallegravele sur deux aspects des distances13le fait que lrsquoon utilise peut-ecirctre abusivement de terme distance et que cette meacutetaphore a peut-ecirctre ses limites13le fait ce que lrsquoon construit vraiment ce sont des espaces meacutetriques et qursquoil srsquoagit donc drsquoune double conception

tester les laquo distances raquo au naturel

44

Preacutesentateur
Commentaires de preacutesentation
Pour comprendre un peu mieux les distances je donne ici un exemple drsquoexpeacuterience simple que jrsquoai encadreacutee on demande ici agrave lrsquoutilisateur de positionner des concepts de faccedilon agrave ce qursquoils soient geacuteomeacutetriquement proches srsquoils sont seacutemantiquement proches Lrsquoexpeacuterience a eacuteteacute faite avec plus drsquoune trentaine de personnes de tous horizons13

tester les distances au naturel

camion

45

Preacutesentateur
Commentaires de preacutesentation
En suite si lrsquoon regarde par exemple la distance moyenne entre le concept de camion et le concept drsquoavion de bus de camionnettehellip on voit une chose inteacuteressante crsquoest que veacutehicule qui serait typiquement un pegravere des autres nrsquoest pourtant est plus loin de camion que certains de ses fregraveres et plus proche que drsquoautres sur un arbre simple avec seulement ces concepts crsquoest impossible agrave faire il faut soit modifier les concepts pour mettre des classes abstraites soit modifier les liens pour permettre drsquoautres parcours par exemple en reacuteifiant les liens aux fregraveres13

intension amp intention dusageutilisables dans un mecircme graphe concis

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

Technologie

AppareilReacuteseau

Sans-fil

WifiGSM

Teacuteleacutephone

Cellulaire

connexion

sous‐type‐et‐signature

46

Preacutesentateur
Commentaires de preacutesentation
concernant la double conception espace et meacutetrique je donne ici un exemple drsquoune approche que jrsquoessaie de systeacutematiser ougrave lrsquoon donne deux deacutefinitions formelles13une deacutefinition formelle de lrsquoespace13une deacutefinition formelle de la meacutetrique13Ici je mrsquointeacuteresse agrave eacutelargir les parcours possibles dans lrsquoontologie agrave drsquoautres graphes que celui de la hieacuterarchie des types et dans cette exemple jrsquoinclus les signatures des relations crsquoest-agrave-dire les types drsquoobjets qui peuvent ecirctre relieacutes par une relation13La meacutetrique reste la mecircme

intension amp intention dusagedeacutesambiguumliser lextraction de termes

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

5000

6000

7000

8000

9000

[Khelif et al]wclass 02wprop 04wsig 04

47

Preacutesentateur
Commentaires de preacutesentation
En incluant des poids dans la deacutefinition de lrsquoespace on peut passer progressivement drsquoune distance nrsquoutilisant que la hieacuterarchie agrave une distance nrsquoutilisant que les signatures13En appliquant cette distance agrave la deacutesambiguumlisation de termes extraits drsquoun texte (ie pour retrouver le sens dans lequel un terme est utiliseacute) on voit ici qursquoune distance hybride capable de combiner les deux espaces se comporte mieux que lrsquoune ou lrsquoautre des distances extrecircmes

4 le

ressources

des

distribueacutees

problegraveme

48

Preacutesentateur
Commentaires de preacutesentation
Nous avons vu que nous travaillons sur des meacutemoires qui utilisent le web seacutemantique dans leur mateacuterialisation et pour lesquelles la repreacutesentation et le traitement agrave base de graphes fournissaient eacutenormeacutement drsquoatouts13Cependant le contenu et les traitements de ces meacutemoires ne sont pas forceacutement sur la mecircme machine

graphesdistribueacutes

49

Preacutesentateur
Commentaires de preacutesentation
Le premier problegraveme qui peut se poser crsquoest si mes graphes ne sont pas sur la mecircme machine13Si mes triplets RDF mes arcs viennent de diffeacuterents endroits

serveursquelques

RDF

RDF

RDF

RDF

SPARQL

application web

service web

identiques

service web

service web

50

Preacutesentateur
Commentaires de preacutesentation
Nous avons consideacutereacute un cas classique en entreprise ou il y a une liste connue restreinte et stable de serveurs

broadcasteacuteviter le

51

52

index de serveurcaracteacuteriser son contenu les eacutetoiles et les chemins

53

annotation

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

54

Preacutesentateur
Commentaires de preacutesentation
voici une annotation simplifieacutee drsquoun document dans le projet SevenPro concernant la conception drsquoune voiture

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 27: HDR

RDFS pour deacutefinir les classes de ressources et organiser leur hieacuterarchie Document

Rapport

27

Preacutesentateur
Commentaires de preacutesentation
RDFs va nous permettre drsquoajouter des nos meacutemoires des ontologies leacutegegraveres notamment pourhellip

RDFS pour deacutefinir les relations leur hieacuterarchie et leurs signatures creacuteateur

auteurDocument Personne

28

Preacutesentateur
Commentaires de preacutesentation
et pourhellip

FandO rarr R hArr GF le GRmapping modulo une ontologie

voiture

veacutehicule

voiture(x)rArrveacutehicule(x)

29

GF

GRveacutehicule

voiture

O

Preacutesentateur
Commentaires de preacutesentation
13Degraves lors on va complexifier notre mapping pour prendre en compte non seulement la connaissance capturer dans les graphes requecirctes et les graphes faits mais aussi la connaissance drsquoune ontologie13Notamment lorsque je dois veacuterifier que les eacutetiquettes de mon graphe requecircte et de mon graphe cible sont compatibles je vais le faire modulo une ontologie13Mecircme si veacutehicule et voiture ne sont pas les mecircme eacutetiquettes si mon ontologie dit que voiture est un sous-type de veacutehicule alors mon homomorphisme est valide13

EMappingopeacuteration centrale interroger

raisonner

visualiser

hellip

30

Preacutesentateur
Commentaires de preacutesentation
ce type drsquoopeacuteration est central pourhellip

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

31

Preacutesentateur
Commentaires de preacutesentation
La relation standard du web seacutemantique et graphes nrsquoest pas agrave sens unique On peut aussi utiliser des travaux sur les graphes pour suggeacuterer des solutions agrave des problegravemes dans les standards13Par exemple le problegraveme de la provenance des arcs drsquoun graphes RDF Il nrsquoy a pas de moyen actuellement de speacutecifier drsquoougrave viennent les diffeacuterents morceaux de mon graphe RDF

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

httpwwww3org

http wwwinriafrhttp wwwinriafrhttp wwwinriafr

httpwwww3org

32

Preacutesentateur
Commentaires de preacutesentation
En srsquoinspirant des graphes nommeacutes on peut suggeacuterer une extension de la syntaxe RDFXML pour indiquer la provenance et crsquoest ce que jrsquoai conduit en reacutedigeant une soumission drsquoextension du standard RDF au W3C13

3 espaces meacutetriques des graphes de connaissances

33

Preacutesentateur
Commentaires de preacutesentation
Nous avons donc des meacutemoires qui utilisent les formalismes du web seacutemantique et leurs structures de graphe13La structure et les manipulations de graphe ne sont pas uniquement une autre faccedilon de faire des repreacutesentations et des raisonnements logiques13Les graphes ont des caracteacuteristiques propres inteacuteressantes pour nos sceacutenarios drsquousage et crsquoest ce que nous allons voir dans cette troisiegraveme partie13

distances seacutemantiquesmeacutetaphore matheacutematique pour une comparaison intuitive

34

Preacutesentateur
Commentaires de preacutesentation
Je vais me focaliser ici sur un exemple drsquoinfeacuterence particulier les distances seacutemantiques13Il srsquoagit drsquoune meacutetaphore matheacutematique pour une comparaison intuitive13Si je considegravere un coupeacute un break et un avion naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche du break que de lrsquoavion13Cependant si maintenant je considegravere un coupeacute un avion et un livre naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche de lrsquoavion que du livre13Ces raisonnements nous les utilisons tous les jours pour comparer et eacutevaluer les diffeacuterences que nous percevons 13

simuler la meacutemoireseacutemantique est une ideacutee ancienne(Quillian 1968) (Collins amp Loftus 1975)

mais avec de nouveaux besoins

35

Preacutesentateur
Commentaires de preacutesentation
hellip nous allons voir certains de ces besoins

de linteacuterecirct dun agrave peu pregraves

ma montre na quune aiguillemais elle nest pas casseacutee

36

Preacutesentateur
Commentaires de preacutesentation
Ceci est ma montre Elle na quune aiguille mais elle nest pas casseacutee Elle se lit comme un chronomegravetre Elle donne lrsquoheure en une seule lecture donc tregraves rapidement mais en contrepartie elle est moins preacutecise les gens commettent en moyenne une erreur de lecture de 3 min13En recherche drsquoinformation aussi il peut ecirctre inteacuteressant de pouvoir obtenir une reacuteponse approcheacutee mais plus rapidement ou agrave deacutefaut de bonne reacuteponse13Crsquoest lagrave que les distances entrent en jeu

projection classique

voiture

veacutehicule

t1 lt t2 ie t1(x)rArrt2(x) T1 sub T2

voiture(x)rArrveacutehicule(x)

37

Preacutesentateur
Commentaires de preacutesentation
Reprenons notre projection modulo une ontologie fournissant des relations logiques entre les eacutetiquettes de mes graphes13

relaxer une contrainte de typage

camion

voiture

voiture(x) camion(x)

t1(x)rArrt2(x) rarr d(t1t2)ltseuil

sum neisin ⎥⎦⎤

⎢⎣⎡=leisinforall

121 )(21212

21 21)( aon )(

ttttt tdepthHc ttlttHttc

( ))()(min)( aon )( 21212

21 21ttlttlttdistHtt

cc HHttttc +=isinforall gege

38

Preacutesentateur
Commentaires de preacutesentation
Srsquoil nrsquoexiste pas de reacuteponse exacte on peut srsquointeacuteresser agrave remplacer les contraintes logiques entre les types par des contraintes numeacuteriques sur une distance entre ces types13Ici par exemple on considegravere un arbre de types et la longueur minimal des chemins seacuteparant les deux types sachant que les arcs sont exponentiellement plus courts qursquoils sont profonds dans lrsquoarbre13Et en fixant un seuil on va pouvoir controcircler les approximations que lrsquoon fait sur les types13

organiserun tas dobjets

39

Preacutesentateur
Commentaires de preacutesentation
deuxiegraveme exemple de besoin pour ces distances pour organiser et grouper des descriptions lorsque nos bases de graphes deviennent grandes et que lrsquoon veut avoir une ideacutee de ce qursquoelles contiennent

organiserdes compeacutetences

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

40

Preacutesentateur
Commentaires de preacutesentation
Dans le projet KmP preacutesenteacute au deacutebut les entreprises deacutecrivent leurs compeacutetences agrave lrsquoaide drsquoune ontologie13A lrsquoautre bout de la chaine les deacutecideurs et la reacutegion aimeraient savoir qursquoelles sont les compeacutetences preacutesentes sur Sophia13Pour cela nos collegravegues en gestion construisent des repreacutesentations comme celle-ci des groupes ou clusters des compeacutetences compleacutementaires ou similaires sur Sophia13Question avec quoi peut-on construire ces groupes13Reacuteponse avec une distance permettant de savoir lesquelles sont proches et lesquelles ne le sont pas13

organiserdes compeacutetences

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

1)(1)(2))((21 2121 21

21

21)( minusminusminus minusminus= tdepthtdepthttlcstdepthttdist

( )( ) 2121)(21 quand )(max)(21

ttttlcststdistttdistttlcststCH ne=

leforall

2121 quand 0)( ttttdistCH ==

A B C D H IGFE M NLKJ255

75

175

0

41

Preacutesentateur
Commentaires de preacutesentation
Derriegravere ces cluster il y a une structure que lrsquoon appelle un dendrogramme qui permet de choisir le niveau de regroupement souhaiteacute13Ce dendrograme correspond agrave une ultra-meacutetrique crsquoest-agrave-dire une distance pour laquelle lrsquoineacutegaliteacute triangulaire est sur-contrainte13Ce que jrsquoai proposeacute ici crsquoest une transformation de la distance sur un arbre de types dans lrsquoontologie agrave une ultra meacutetrique permettant de reproduire les groupements faits par les gestionnaires13

42

Preacutesentateur
Commentaires de preacutesentation
Voilagrave alors ce que lrsquoon peut produire en choisissant un niveau de deacutetail une vue radar des compeacutetences sur Sophia ici dans le domaine du logiciel avec un zoom sur les compeacutetences cœurs qui sont eacutevidemment proche du domaine des reacuteseaux

seacuteparer deux aspects

meacutetaphore matheacutematiqueles laquo distances raquo au naturel

simulations informatiquesespaces amp meacutetriques double conception

43

Preacutesentateur
Commentaires de preacutesentation
agrave ce stade jrsquoai voulu seacuteparer et travailler en parallegravele sur deux aspects des distances13le fait que lrsquoon utilise peut-ecirctre abusivement de terme distance et que cette meacutetaphore a peut-ecirctre ses limites13le fait ce que lrsquoon construit vraiment ce sont des espaces meacutetriques et qursquoil srsquoagit donc drsquoune double conception

tester les laquo distances raquo au naturel

44

Preacutesentateur
Commentaires de preacutesentation
Pour comprendre un peu mieux les distances je donne ici un exemple drsquoexpeacuterience simple que jrsquoai encadreacutee on demande ici agrave lrsquoutilisateur de positionner des concepts de faccedilon agrave ce qursquoils soient geacuteomeacutetriquement proches srsquoils sont seacutemantiquement proches Lrsquoexpeacuterience a eacuteteacute faite avec plus drsquoune trentaine de personnes de tous horizons13

tester les distances au naturel

camion

45

Preacutesentateur
Commentaires de preacutesentation
En suite si lrsquoon regarde par exemple la distance moyenne entre le concept de camion et le concept drsquoavion de bus de camionnettehellip on voit une chose inteacuteressante crsquoest que veacutehicule qui serait typiquement un pegravere des autres nrsquoest pourtant est plus loin de camion que certains de ses fregraveres et plus proche que drsquoautres sur un arbre simple avec seulement ces concepts crsquoest impossible agrave faire il faut soit modifier les concepts pour mettre des classes abstraites soit modifier les liens pour permettre drsquoautres parcours par exemple en reacuteifiant les liens aux fregraveres13

intension amp intention dusageutilisables dans un mecircme graphe concis

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

Technologie

AppareilReacuteseau

Sans-fil

WifiGSM

Teacuteleacutephone

Cellulaire

connexion

sous‐type‐et‐signature

46

Preacutesentateur
Commentaires de preacutesentation
concernant la double conception espace et meacutetrique je donne ici un exemple drsquoune approche que jrsquoessaie de systeacutematiser ougrave lrsquoon donne deux deacutefinitions formelles13une deacutefinition formelle de lrsquoespace13une deacutefinition formelle de la meacutetrique13Ici je mrsquointeacuteresse agrave eacutelargir les parcours possibles dans lrsquoontologie agrave drsquoautres graphes que celui de la hieacuterarchie des types et dans cette exemple jrsquoinclus les signatures des relations crsquoest-agrave-dire les types drsquoobjets qui peuvent ecirctre relieacutes par une relation13La meacutetrique reste la mecircme

intension amp intention dusagedeacutesambiguumliser lextraction de termes

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

5000

6000

7000

8000

9000

[Khelif et al]wclass 02wprop 04wsig 04

47

Preacutesentateur
Commentaires de preacutesentation
En incluant des poids dans la deacutefinition de lrsquoespace on peut passer progressivement drsquoune distance nrsquoutilisant que la hieacuterarchie agrave une distance nrsquoutilisant que les signatures13En appliquant cette distance agrave la deacutesambiguumlisation de termes extraits drsquoun texte (ie pour retrouver le sens dans lequel un terme est utiliseacute) on voit ici qursquoune distance hybride capable de combiner les deux espaces se comporte mieux que lrsquoune ou lrsquoautre des distances extrecircmes

4 le

ressources

des

distribueacutees

problegraveme

48

Preacutesentateur
Commentaires de preacutesentation
Nous avons vu que nous travaillons sur des meacutemoires qui utilisent le web seacutemantique dans leur mateacuterialisation et pour lesquelles la repreacutesentation et le traitement agrave base de graphes fournissaient eacutenormeacutement drsquoatouts13Cependant le contenu et les traitements de ces meacutemoires ne sont pas forceacutement sur la mecircme machine

graphesdistribueacutes

49

Preacutesentateur
Commentaires de preacutesentation
Le premier problegraveme qui peut se poser crsquoest si mes graphes ne sont pas sur la mecircme machine13Si mes triplets RDF mes arcs viennent de diffeacuterents endroits

serveursquelques

RDF

RDF

RDF

RDF

SPARQL

application web

service web

identiques

service web

service web

50

Preacutesentateur
Commentaires de preacutesentation
Nous avons consideacutereacute un cas classique en entreprise ou il y a une liste connue restreinte et stable de serveurs

broadcasteacuteviter le

51

52

index de serveurcaracteacuteriser son contenu les eacutetoiles et les chemins

53

annotation

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

54

Preacutesentateur
Commentaires de preacutesentation
voici une annotation simplifieacutee drsquoun document dans le projet SevenPro concernant la conception drsquoune voiture

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 28: HDR

RDFS pour deacutefinir les relations leur hieacuterarchie et leurs signatures creacuteateur

auteurDocument Personne

28

Preacutesentateur
Commentaires de preacutesentation
et pourhellip

FandO rarr R hArr GF le GRmapping modulo une ontologie

voiture

veacutehicule

voiture(x)rArrveacutehicule(x)

29

GF

GRveacutehicule

voiture

O

Preacutesentateur
Commentaires de preacutesentation
13Degraves lors on va complexifier notre mapping pour prendre en compte non seulement la connaissance capturer dans les graphes requecirctes et les graphes faits mais aussi la connaissance drsquoune ontologie13Notamment lorsque je dois veacuterifier que les eacutetiquettes de mon graphe requecircte et de mon graphe cible sont compatibles je vais le faire modulo une ontologie13Mecircme si veacutehicule et voiture ne sont pas les mecircme eacutetiquettes si mon ontologie dit que voiture est un sous-type de veacutehicule alors mon homomorphisme est valide13

EMappingopeacuteration centrale interroger

raisonner

visualiser

hellip

30

Preacutesentateur
Commentaires de preacutesentation
ce type drsquoopeacuteration est central pourhellip

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

31

Preacutesentateur
Commentaires de preacutesentation
La relation standard du web seacutemantique et graphes nrsquoest pas agrave sens unique On peut aussi utiliser des travaux sur les graphes pour suggeacuterer des solutions agrave des problegravemes dans les standards13Par exemple le problegraveme de la provenance des arcs drsquoun graphes RDF Il nrsquoy a pas de moyen actuellement de speacutecifier drsquoougrave viennent les diffeacuterents morceaux de mon graphe RDF

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

httpwwww3org

http wwwinriafrhttp wwwinriafrhttp wwwinriafr

httpwwww3org

32

Preacutesentateur
Commentaires de preacutesentation
En srsquoinspirant des graphes nommeacutes on peut suggeacuterer une extension de la syntaxe RDFXML pour indiquer la provenance et crsquoest ce que jrsquoai conduit en reacutedigeant une soumission drsquoextension du standard RDF au W3C13

3 espaces meacutetriques des graphes de connaissances

33

Preacutesentateur
Commentaires de preacutesentation
Nous avons donc des meacutemoires qui utilisent les formalismes du web seacutemantique et leurs structures de graphe13La structure et les manipulations de graphe ne sont pas uniquement une autre faccedilon de faire des repreacutesentations et des raisonnements logiques13Les graphes ont des caracteacuteristiques propres inteacuteressantes pour nos sceacutenarios drsquousage et crsquoest ce que nous allons voir dans cette troisiegraveme partie13

distances seacutemantiquesmeacutetaphore matheacutematique pour une comparaison intuitive

34

Preacutesentateur
Commentaires de preacutesentation
Je vais me focaliser ici sur un exemple drsquoinfeacuterence particulier les distances seacutemantiques13Il srsquoagit drsquoune meacutetaphore matheacutematique pour une comparaison intuitive13Si je considegravere un coupeacute un break et un avion naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche du break que de lrsquoavion13Cependant si maintenant je considegravere un coupeacute un avion et un livre naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche de lrsquoavion que du livre13Ces raisonnements nous les utilisons tous les jours pour comparer et eacutevaluer les diffeacuterences que nous percevons 13

simuler la meacutemoireseacutemantique est une ideacutee ancienne(Quillian 1968) (Collins amp Loftus 1975)

mais avec de nouveaux besoins

35

Preacutesentateur
Commentaires de preacutesentation
hellip nous allons voir certains de ces besoins

de linteacuterecirct dun agrave peu pregraves

ma montre na quune aiguillemais elle nest pas casseacutee

36

Preacutesentateur
Commentaires de preacutesentation
Ceci est ma montre Elle na quune aiguille mais elle nest pas casseacutee Elle se lit comme un chronomegravetre Elle donne lrsquoheure en une seule lecture donc tregraves rapidement mais en contrepartie elle est moins preacutecise les gens commettent en moyenne une erreur de lecture de 3 min13En recherche drsquoinformation aussi il peut ecirctre inteacuteressant de pouvoir obtenir une reacuteponse approcheacutee mais plus rapidement ou agrave deacutefaut de bonne reacuteponse13Crsquoest lagrave que les distances entrent en jeu

projection classique

voiture

veacutehicule

t1 lt t2 ie t1(x)rArrt2(x) T1 sub T2

voiture(x)rArrveacutehicule(x)

37

Preacutesentateur
Commentaires de preacutesentation
Reprenons notre projection modulo une ontologie fournissant des relations logiques entre les eacutetiquettes de mes graphes13

relaxer une contrainte de typage

camion

voiture

voiture(x) camion(x)

t1(x)rArrt2(x) rarr d(t1t2)ltseuil

sum neisin ⎥⎦⎤

⎢⎣⎡=leisinforall

121 )(21212

21 21)( aon )(

ttttt tdepthHc ttlttHttc

( ))()(min)( aon )( 21212

21 21ttlttlttdistHtt

cc HHttttc +=isinforall gege

38

Preacutesentateur
Commentaires de preacutesentation
Srsquoil nrsquoexiste pas de reacuteponse exacte on peut srsquointeacuteresser agrave remplacer les contraintes logiques entre les types par des contraintes numeacuteriques sur une distance entre ces types13Ici par exemple on considegravere un arbre de types et la longueur minimal des chemins seacuteparant les deux types sachant que les arcs sont exponentiellement plus courts qursquoils sont profonds dans lrsquoarbre13Et en fixant un seuil on va pouvoir controcircler les approximations que lrsquoon fait sur les types13

organiserun tas dobjets

39

Preacutesentateur
Commentaires de preacutesentation
deuxiegraveme exemple de besoin pour ces distances pour organiser et grouper des descriptions lorsque nos bases de graphes deviennent grandes et que lrsquoon veut avoir une ideacutee de ce qursquoelles contiennent

organiserdes compeacutetences

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

40

Preacutesentateur
Commentaires de preacutesentation
Dans le projet KmP preacutesenteacute au deacutebut les entreprises deacutecrivent leurs compeacutetences agrave lrsquoaide drsquoune ontologie13A lrsquoautre bout de la chaine les deacutecideurs et la reacutegion aimeraient savoir qursquoelles sont les compeacutetences preacutesentes sur Sophia13Pour cela nos collegravegues en gestion construisent des repreacutesentations comme celle-ci des groupes ou clusters des compeacutetences compleacutementaires ou similaires sur Sophia13Question avec quoi peut-on construire ces groupes13Reacuteponse avec une distance permettant de savoir lesquelles sont proches et lesquelles ne le sont pas13

organiserdes compeacutetences

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

1)(1)(2))((21 2121 21

21

21)( minusminusminus minusminus= tdepthtdepthttlcstdepthttdist

( )( ) 2121)(21 quand )(max)(21

ttttlcststdistttdistttlcststCH ne=

leforall

2121 quand 0)( ttttdistCH ==

A B C D H IGFE M NLKJ255

75

175

0

41

Preacutesentateur
Commentaires de preacutesentation
Derriegravere ces cluster il y a une structure que lrsquoon appelle un dendrogramme qui permet de choisir le niveau de regroupement souhaiteacute13Ce dendrograme correspond agrave une ultra-meacutetrique crsquoest-agrave-dire une distance pour laquelle lrsquoineacutegaliteacute triangulaire est sur-contrainte13Ce que jrsquoai proposeacute ici crsquoest une transformation de la distance sur un arbre de types dans lrsquoontologie agrave une ultra meacutetrique permettant de reproduire les groupements faits par les gestionnaires13

42

Preacutesentateur
Commentaires de preacutesentation
Voilagrave alors ce que lrsquoon peut produire en choisissant un niveau de deacutetail une vue radar des compeacutetences sur Sophia ici dans le domaine du logiciel avec un zoom sur les compeacutetences cœurs qui sont eacutevidemment proche du domaine des reacuteseaux

seacuteparer deux aspects

meacutetaphore matheacutematiqueles laquo distances raquo au naturel

simulations informatiquesespaces amp meacutetriques double conception

43

Preacutesentateur
Commentaires de preacutesentation
agrave ce stade jrsquoai voulu seacuteparer et travailler en parallegravele sur deux aspects des distances13le fait que lrsquoon utilise peut-ecirctre abusivement de terme distance et que cette meacutetaphore a peut-ecirctre ses limites13le fait ce que lrsquoon construit vraiment ce sont des espaces meacutetriques et qursquoil srsquoagit donc drsquoune double conception

tester les laquo distances raquo au naturel

44

Preacutesentateur
Commentaires de preacutesentation
Pour comprendre un peu mieux les distances je donne ici un exemple drsquoexpeacuterience simple que jrsquoai encadreacutee on demande ici agrave lrsquoutilisateur de positionner des concepts de faccedilon agrave ce qursquoils soient geacuteomeacutetriquement proches srsquoils sont seacutemantiquement proches Lrsquoexpeacuterience a eacuteteacute faite avec plus drsquoune trentaine de personnes de tous horizons13

tester les distances au naturel

camion

45

Preacutesentateur
Commentaires de preacutesentation
En suite si lrsquoon regarde par exemple la distance moyenne entre le concept de camion et le concept drsquoavion de bus de camionnettehellip on voit une chose inteacuteressante crsquoest que veacutehicule qui serait typiquement un pegravere des autres nrsquoest pourtant est plus loin de camion que certains de ses fregraveres et plus proche que drsquoautres sur un arbre simple avec seulement ces concepts crsquoest impossible agrave faire il faut soit modifier les concepts pour mettre des classes abstraites soit modifier les liens pour permettre drsquoautres parcours par exemple en reacuteifiant les liens aux fregraveres13

intension amp intention dusageutilisables dans un mecircme graphe concis

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

Technologie

AppareilReacuteseau

Sans-fil

WifiGSM

Teacuteleacutephone

Cellulaire

connexion

sous‐type‐et‐signature

46

Preacutesentateur
Commentaires de preacutesentation
concernant la double conception espace et meacutetrique je donne ici un exemple drsquoune approche que jrsquoessaie de systeacutematiser ougrave lrsquoon donne deux deacutefinitions formelles13une deacutefinition formelle de lrsquoespace13une deacutefinition formelle de la meacutetrique13Ici je mrsquointeacuteresse agrave eacutelargir les parcours possibles dans lrsquoontologie agrave drsquoautres graphes que celui de la hieacuterarchie des types et dans cette exemple jrsquoinclus les signatures des relations crsquoest-agrave-dire les types drsquoobjets qui peuvent ecirctre relieacutes par une relation13La meacutetrique reste la mecircme

intension amp intention dusagedeacutesambiguumliser lextraction de termes

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

5000

6000

7000

8000

9000

[Khelif et al]wclass 02wprop 04wsig 04

47

Preacutesentateur
Commentaires de preacutesentation
En incluant des poids dans la deacutefinition de lrsquoespace on peut passer progressivement drsquoune distance nrsquoutilisant que la hieacuterarchie agrave une distance nrsquoutilisant que les signatures13En appliquant cette distance agrave la deacutesambiguumlisation de termes extraits drsquoun texte (ie pour retrouver le sens dans lequel un terme est utiliseacute) on voit ici qursquoune distance hybride capable de combiner les deux espaces se comporte mieux que lrsquoune ou lrsquoautre des distances extrecircmes

4 le

ressources

des

distribueacutees

problegraveme

48

Preacutesentateur
Commentaires de preacutesentation
Nous avons vu que nous travaillons sur des meacutemoires qui utilisent le web seacutemantique dans leur mateacuterialisation et pour lesquelles la repreacutesentation et le traitement agrave base de graphes fournissaient eacutenormeacutement drsquoatouts13Cependant le contenu et les traitements de ces meacutemoires ne sont pas forceacutement sur la mecircme machine

graphesdistribueacutes

49

Preacutesentateur
Commentaires de preacutesentation
Le premier problegraveme qui peut se poser crsquoest si mes graphes ne sont pas sur la mecircme machine13Si mes triplets RDF mes arcs viennent de diffeacuterents endroits

serveursquelques

RDF

RDF

RDF

RDF

SPARQL

application web

service web

identiques

service web

service web

50

Preacutesentateur
Commentaires de preacutesentation
Nous avons consideacutereacute un cas classique en entreprise ou il y a une liste connue restreinte et stable de serveurs

broadcasteacuteviter le

51

52

index de serveurcaracteacuteriser son contenu les eacutetoiles et les chemins

53

annotation

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

54

Preacutesentateur
Commentaires de preacutesentation
voici une annotation simplifieacutee drsquoun document dans le projet SevenPro concernant la conception drsquoune voiture

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 29: HDR

FandO rarr R hArr GF le GRmapping modulo une ontologie

voiture

veacutehicule

voiture(x)rArrveacutehicule(x)

29

GF

GRveacutehicule

voiture

O

Preacutesentateur
Commentaires de preacutesentation
13Degraves lors on va complexifier notre mapping pour prendre en compte non seulement la connaissance capturer dans les graphes requecirctes et les graphes faits mais aussi la connaissance drsquoune ontologie13Notamment lorsque je dois veacuterifier que les eacutetiquettes de mon graphe requecircte et de mon graphe cible sont compatibles je vais le faire modulo une ontologie13Mecircme si veacutehicule et voiture ne sont pas les mecircme eacutetiquettes si mon ontologie dit que voiture est un sous-type de veacutehicule alors mon homomorphisme est valide13

EMappingopeacuteration centrale interroger

raisonner

visualiser

hellip

30

Preacutesentateur
Commentaires de preacutesentation
ce type drsquoopeacuteration est central pourhellip

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

31

Preacutesentateur
Commentaires de preacutesentation
La relation standard du web seacutemantique et graphes nrsquoest pas agrave sens unique On peut aussi utiliser des travaux sur les graphes pour suggeacuterer des solutions agrave des problegravemes dans les standards13Par exemple le problegraveme de la provenance des arcs drsquoun graphes RDF Il nrsquoy a pas de moyen actuellement de speacutecifier drsquoougrave viennent les diffeacuterents morceaux de mon graphe RDF

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

httpwwww3org

http wwwinriafrhttp wwwinriafrhttp wwwinriafr

httpwwww3org

32

Preacutesentateur
Commentaires de preacutesentation
En srsquoinspirant des graphes nommeacutes on peut suggeacuterer une extension de la syntaxe RDFXML pour indiquer la provenance et crsquoest ce que jrsquoai conduit en reacutedigeant une soumission drsquoextension du standard RDF au W3C13

3 espaces meacutetriques des graphes de connaissances

33

Preacutesentateur
Commentaires de preacutesentation
Nous avons donc des meacutemoires qui utilisent les formalismes du web seacutemantique et leurs structures de graphe13La structure et les manipulations de graphe ne sont pas uniquement une autre faccedilon de faire des repreacutesentations et des raisonnements logiques13Les graphes ont des caracteacuteristiques propres inteacuteressantes pour nos sceacutenarios drsquousage et crsquoest ce que nous allons voir dans cette troisiegraveme partie13

distances seacutemantiquesmeacutetaphore matheacutematique pour une comparaison intuitive

34

Preacutesentateur
Commentaires de preacutesentation
Je vais me focaliser ici sur un exemple drsquoinfeacuterence particulier les distances seacutemantiques13Il srsquoagit drsquoune meacutetaphore matheacutematique pour une comparaison intuitive13Si je considegravere un coupeacute un break et un avion naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche du break que de lrsquoavion13Cependant si maintenant je considegravere un coupeacute un avion et un livre naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche de lrsquoavion que du livre13Ces raisonnements nous les utilisons tous les jours pour comparer et eacutevaluer les diffeacuterences que nous percevons 13

simuler la meacutemoireseacutemantique est une ideacutee ancienne(Quillian 1968) (Collins amp Loftus 1975)

mais avec de nouveaux besoins

35

Preacutesentateur
Commentaires de preacutesentation
hellip nous allons voir certains de ces besoins

de linteacuterecirct dun agrave peu pregraves

ma montre na quune aiguillemais elle nest pas casseacutee

36

Preacutesentateur
Commentaires de preacutesentation
Ceci est ma montre Elle na quune aiguille mais elle nest pas casseacutee Elle se lit comme un chronomegravetre Elle donne lrsquoheure en une seule lecture donc tregraves rapidement mais en contrepartie elle est moins preacutecise les gens commettent en moyenne une erreur de lecture de 3 min13En recherche drsquoinformation aussi il peut ecirctre inteacuteressant de pouvoir obtenir une reacuteponse approcheacutee mais plus rapidement ou agrave deacutefaut de bonne reacuteponse13Crsquoest lagrave que les distances entrent en jeu

projection classique

voiture

veacutehicule

t1 lt t2 ie t1(x)rArrt2(x) T1 sub T2

voiture(x)rArrveacutehicule(x)

37

Preacutesentateur
Commentaires de preacutesentation
Reprenons notre projection modulo une ontologie fournissant des relations logiques entre les eacutetiquettes de mes graphes13

relaxer une contrainte de typage

camion

voiture

voiture(x) camion(x)

t1(x)rArrt2(x) rarr d(t1t2)ltseuil

sum neisin ⎥⎦⎤

⎢⎣⎡=leisinforall

121 )(21212

21 21)( aon )(

ttttt tdepthHc ttlttHttc

( ))()(min)( aon )( 21212

21 21ttlttlttdistHtt

cc HHttttc +=isinforall gege

38

Preacutesentateur
Commentaires de preacutesentation
Srsquoil nrsquoexiste pas de reacuteponse exacte on peut srsquointeacuteresser agrave remplacer les contraintes logiques entre les types par des contraintes numeacuteriques sur une distance entre ces types13Ici par exemple on considegravere un arbre de types et la longueur minimal des chemins seacuteparant les deux types sachant que les arcs sont exponentiellement plus courts qursquoils sont profonds dans lrsquoarbre13Et en fixant un seuil on va pouvoir controcircler les approximations que lrsquoon fait sur les types13

organiserun tas dobjets

39

Preacutesentateur
Commentaires de preacutesentation
deuxiegraveme exemple de besoin pour ces distances pour organiser et grouper des descriptions lorsque nos bases de graphes deviennent grandes et que lrsquoon veut avoir une ideacutee de ce qursquoelles contiennent

organiserdes compeacutetences

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

40

Preacutesentateur
Commentaires de preacutesentation
Dans le projet KmP preacutesenteacute au deacutebut les entreprises deacutecrivent leurs compeacutetences agrave lrsquoaide drsquoune ontologie13A lrsquoautre bout de la chaine les deacutecideurs et la reacutegion aimeraient savoir qursquoelles sont les compeacutetences preacutesentes sur Sophia13Pour cela nos collegravegues en gestion construisent des repreacutesentations comme celle-ci des groupes ou clusters des compeacutetences compleacutementaires ou similaires sur Sophia13Question avec quoi peut-on construire ces groupes13Reacuteponse avec une distance permettant de savoir lesquelles sont proches et lesquelles ne le sont pas13

organiserdes compeacutetences

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

1)(1)(2))((21 2121 21

21

21)( minusminusminus minusminus= tdepthtdepthttlcstdepthttdist

( )( ) 2121)(21 quand )(max)(21

ttttlcststdistttdistttlcststCH ne=

leforall

2121 quand 0)( ttttdistCH ==

A B C D H IGFE M NLKJ255

75

175

0

41

Preacutesentateur
Commentaires de preacutesentation
Derriegravere ces cluster il y a une structure que lrsquoon appelle un dendrogramme qui permet de choisir le niveau de regroupement souhaiteacute13Ce dendrograme correspond agrave une ultra-meacutetrique crsquoest-agrave-dire une distance pour laquelle lrsquoineacutegaliteacute triangulaire est sur-contrainte13Ce que jrsquoai proposeacute ici crsquoest une transformation de la distance sur un arbre de types dans lrsquoontologie agrave une ultra meacutetrique permettant de reproduire les groupements faits par les gestionnaires13

42

Preacutesentateur
Commentaires de preacutesentation
Voilagrave alors ce que lrsquoon peut produire en choisissant un niveau de deacutetail une vue radar des compeacutetences sur Sophia ici dans le domaine du logiciel avec un zoom sur les compeacutetences cœurs qui sont eacutevidemment proche du domaine des reacuteseaux

seacuteparer deux aspects

meacutetaphore matheacutematiqueles laquo distances raquo au naturel

simulations informatiquesespaces amp meacutetriques double conception

43

Preacutesentateur
Commentaires de preacutesentation
agrave ce stade jrsquoai voulu seacuteparer et travailler en parallegravele sur deux aspects des distances13le fait que lrsquoon utilise peut-ecirctre abusivement de terme distance et que cette meacutetaphore a peut-ecirctre ses limites13le fait ce que lrsquoon construit vraiment ce sont des espaces meacutetriques et qursquoil srsquoagit donc drsquoune double conception

tester les laquo distances raquo au naturel

44

Preacutesentateur
Commentaires de preacutesentation
Pour comprendre un peu mieux les distances je donne ici un exemple drsquoexpeacuterience simple que jrsquoai encadreacutee on demande ici agrave lrsquoutilisateur de positionner des concepts de faccedilon agrave ce qursquoils soient geacuteomeacutetriquement proches srsquoils sont seacutemantiquement proches Lrsquoexpeacuterience a eacuteteacute faite avec plus drsquoune trentaine de personnes de tous horizons13

tester les distances au naturel

camion

45

Preacutesentateur
Commentaires de preacutesentation
En suite si lrsquoon regarde par exemple la distance moyenne entre le concept de camion et le concept drsquoavion de bus de camionnettehellip on voit une chose inteacuteressante crsquoest que veacutehicule qui serait typiquement un pegravere des autres nrsquoest pourtant est plus loin de camion que certains de ses fregraveres et plus proche que drsquoautres sur un arbre simple avec seulement ces concepts crsquoest impossible agrave faire il faut soit modifier les concepts pour mettre des classes abstraites soit modifier les liens pour permettre drsquoautres parcours par exemple en reacuteifiant les liens aux fregraveres13

intension amp intention dusageutilisables dans un mecircme graphe concis

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

Technologie

AppareilReacuteseau

Sans-fil

WifiGSM

Teacuteleacutephone

Cellulaire

connexion

sous‐type‐et‐signature

46

Preacutesentateur
Commentaires de preacutesentation
concernant la double conception espace et meacutetrique je donne ici un exemple drsquoune approche que jrsquoessaie de systeacutematiser ougrave lrsquoon donne deux deacutefinitions formelles13une deacutefinition formelle de lrsquoespace13une deacutefinition formelle de la meacutetrique13Ici je mrsquointeacuteresse agrave eacutelargir les parcours possibles dans lrsquoontologie agrave drsquoautres graphes que celui de la hieacuterarchie des types et dans cette exemple jrsquoinclus les signatures des relations crsquoest-agrave-dire les types drsquoobjets qui peuvent ecirctre relieacutes par une relation13La meacutetrique reste la mecircme

intension amp intention dusagedeacutesambiguumliser lextraction de termes

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

5000

6000

7000

8000

9000

[Khelif et al]wclass 02wprop 04wsig 04

47

Preacutesentateur
Commentaires de preacutesentation
En incluant des poids dans la deacutefinition de lrsquoespace on peut passer progressivement drsquoune distance nrsquoutilisant que la hieacuterarchie agrave une distance nrsquoutilisant que les signatures13En appliquant cette distance agrave la deacutesambiguumlisation de termes extraits drsquoun texte (ie pour retrouver le sens dans lequel un terme est utiliseacute) on voit ici qursquoune distance hybride capable de combiner les deux espaces se comporte mieux que lrsquoune ou lrsquoautre des distances extrecircmes

4 le

ressources

des

distribueacutees

problegraveme

48

Preacutesentateur
Commentaires de preacutesentation
Nous avons vu que nous travaillons sur des meacutemoires qui utilisent le web seacutemantique dans leur mateacuterialisation et pour lesquelles la repreacutesentation et le traitement agrave base de graphes fournissaient eacutenormeacutement drsquoatouts13Cependant le contenu et les traitements de ces meacutemoires ne sont pas forceacutement sur la mecircme machine

graphesdistribueacutes

49

Preacutesentateur
Commentaires de preacutesentation
Le premier problegraveme qui peut se poser crsquoest si mes graphes ne sont pas sur la mecircme machine13Si mes triplets RDF mes arcs viennent de diffeacuterents endroits

serveursquelques

RDF

RDF

RDF

RDF

SPARQL

application web

service web

identiques

service web

service web

50

Preacutesentateur
Commentaires de preacutesentation
Nous avons consideacutereacute un cas classique en entreprise ou il y a une liste connue restreinte et stable de serveurs

broadcasteacuteviter le

51

52

index de serveurcaracteacuteriser son contenu les eacutetoiles et les chemins

53

annotation

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

54

Preacutesentateur
Commentaires de preacutesentation
voici une annotation simplifieacutee drsquoun document dans le projet SevenPro concernant la conception drsquoune voiture

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 30: HDR

EMappingopeacuteration centrale interroger

raisonner

visualiser

hellip

30

Preacutesentateur
Commentaires de preacutesentation
ce type drsquoopeacuteration est central pourhellip

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

31

Preacutesentateur
Commentaires de preacutesentation
La relation standard du web seacutemantique et graphes nrsquoest pas agrave sens unique On peut aussi utiliser des travaux sur les graphes pour suggeacuterer des solutions agrave des problegravemes dans les standards13Par exemple le problegraveme de la provenance des arcs drsquoun graphes RDF Il nrsquoy a pas de moyen actuellement de speacutecifier drsquoougrave viennent les diffeacuterents morceaux de mon graphe RDF

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

httpwwww3org

http wwwinriafrhttp wwwinriafrhttp wwwinriafr

httpwwww3org

32

Preacutesentateur
Commentaires de preacutesentation
En srsquoinspirant des graphes nommeacutes on peut suggeacuterer une extension de la syntaxe RDFXML pour indiquer la provenance et crsquoest ce que jrsquoai conduit en reacutedigeant une soumission drsquoextension du standard RDF au W3C13

3 espaces meacutetriques des graphes de connaissances

33

Preacutesentateur
Commentaires de preacutesentation
Nous avons donc des meacutemoires qui utilisent les formalismes du web seacutemantique et leurs structures de graphe13La structure et les manipulations de graphe ne sont pas uniquement une autre faccedilon de faire des repreacutesentations et des raisonnements logiques13Les graphes ont des caracteacuteristiques propres inteacuteressantes pour nos sceacutenarios drsquousage et crsquoest ce que nous allons voir dans cette troisiegraveme partie13

distances seacutemantiquesmeacutetaphore matheacutematique pour une comparaison intuitive

34

Preacutesentateur
Commentaires de preacutesentation
Je vais me focaliser ici sur un exemple drsquoinfeacuterence particulier les distances seacutemantiques13Il srsquoagit drsquoune meacutetaphore matheacutematique pour une comparaison intuitive13Si je considegravere un coupeacute un break et un avion naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche du break que de lrsquoavion13Cependant si maintenant je considegravere un coupeacute un avion et un livre naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche de lrsquoavion que du livre13Ces raisonnements nous les utilisons tous les jours pour comparer et eacutevaluer les diffeacuterences que nous percevons 13

simuler la meacutemoireseacutemantique est une ideacutee ancienne(Quillian 1968) (Collins amp Loftus 1975)

mais avec de nouveaux besoins

35

Preacutesentateur
Commentaires de preacutesentation
hellip nous allons voir certains de ces besoins

de linteacuterecirct dun agrave peu pregraves

ma montre na quune aiguillemais elle nest pas casseacutee

36

Preacutesentateur
Commentaires de preacutesentation
Ceci est ma montre Elle na quune aiguille mais elle nest pas casseacutee Elle se lit comme un chronomegravetre Elle donne lrsquoheure en une seule lecture donc tregraves rapidement mais en contrepartie elle est moins preacutecise les gens commettent en moyenne une erreur de lecture de 3 min13En recherche drsquoinformation aussi il peut ecirctre inteacuteressant de pouvoir obtenir une reacuteponse approcheacutee mais plus rapidement ou agrave deacutefaut de bonne reacuteponse13Crsquoest lagrave que les distances entrent en jeu

projection classique

voiture

veacutehicule

t1 lt t2 ie t1(x)rArrt2(x) T1 sub T2

voiture(x)rArrveacutehicule(x)

37

Preacutesentateur
Commentaires de preacutesentation
Reprenons notre projection modulo une ontologie fournissant des relations logiques entre les eacutetiquettes de mes graphes13

relaxer une contrainte de typage

camion

voiture

voiture(x) camion(x)

t1(x)rArrt2(x) rarr d(t1t2)ltseuil

sum neisin ⎥⎦⎤

⎢⎣⎡=leisinforall

121 )(21212

21 21)( aon )(

ttttt tdepthHc ttlttHttc

( ))()(min)( aon )( 21212

21 21ttlttlttdistHtt

cc HHttttc +=isinforall gege

38

Preacutesentateur
Commentaires de preacutesentation
Srsquoil nrsquoexiste pas de reacuteponse exacte on peut srsquointeacuteresser agrave remplacer les contraintes logiques entre les types par des contraintes numeacuteriques sur une distance entre ces types13Ici par exemple on considegravere un arbre de types et la longueur minimal des chemins seacuteparant les deux types sachant que les arcs sont exponentiellement plus courts qursquoils sont profonds dans lrsquoarbre13Et en fixant un seuil on va pouvoir controcircler les approximations que lrsquoon fait sur les types13

organiserun tas dobjets

39

Preacutesentateur
Commentaires de preacutesentation
deuxiegraveme exemple de besoin pour ces distances pour organiser et grouper des descriptions lorsque nos bases de graphes deviennent grandes et que lrsquoon veut avoir une ideacutee de ce qursquoelles contiennent

organiserdes compeacutetences

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

40

Preacutesentateur
Commentaires de preacutesentation
Dans le projet KmP preacutesenteacute au deacutebut les entreprises deacutecrivent leurs compeacutetences agrave lrsquoaide drsquoune ontologie13A lrsquoautre bout de la chaine les deacutecideurs et la reacutegion aimeraient savoir qursquoelles sont les compeacutetences preacutesentes sur Sophia13Pour cela nos collegravegues en gestion construisent des repreacutesentations comme celle-ci des groupes ou clusters des compeacutetences compleacutementaires ou similaires sur Sophia13Question avec quoi peut-on construire ces groupes13Reacuteponse avec une distance permettant de savoir lesquelles sont proches et lesquelles ne le sont pas13

organiserdes compeacutetences

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

1)(1)(2))((21 2121 21

21

21)( minusminusminus minusminus= tdepthtdepthttlcstdepthttdist

( )( ) 2121)(21 quand )(max)(21

ttttlcststdistttdistttlcststCH ne=

leforall

2121 quand 0)( ttttdistCH ==

A B C D H IGFE M NLKJ255

75

175

0

41

Preacutesentateur
Commentaires de preacutesentation
Derriegravere ces cluster il y a une structure que lrsquoon appelle un dendrogramme qui permet de choisir le niveau de regroupement souhaiteacute13Ce dendrograme correspond agrave une ultra-meacutetrique crsquoest-agrave-dire une distance pour laquelle lrsquoineacutegaliteacute triangulaire est sur-contrainte13Ce que jrsquoai proposeacute ici crsquoest une transformation de la distance sur un arbre de types dans lrsquoontologie agrave une ultra meacutetrique permettant de reproduire les groupements faits par les gestionnaires13

42

Preacutesentateur
Commentaires de preacutesentation
Voilagrave alors ce que lrsquoon peut produire en choisissant un niveau de deacutetail une vue radar des compeacutetences sur Sophia ici dans le domaine du logiciel avec un zoom sur les compeacutetences cœurs qui sont eacutevidemment proche du domaine des reacuteseaux

seacuteparer deux aspects

meacutetaphore matheacutematiqueles laquo distances raquo au naturel

simulations informatiquesespaces amp meacutetriques double conception

43

Preacutesentateur
Commentaires de preacutesentation
agrave ce stade jrsquoai voulu seacuteparer et travailler en parallegravele sur deux aspects des distances13le fait que lrsquoon utilise peut-ecirctre abusivement de terme distance et que cette meacutetaphore a peut-ecirctre ses limites13le fait ce que lrsquoon construit vraiment ce sont des espaces meacutetriques et qursquoil srsquoagit donc drsquoune double conception

tester les laquo distances raquo au naturel

44

Preacutesentateur
Commentaires de preacutesentation
Pour comprendre un peu mieux les distances je donne ici un exemple drsquoexpeacuterience simple que jrsquoai encadreacutee on demande ici agrave lrsquoutilisateur de positionner des concepts de faccedilon agrave ce qursquoils soient geacuteomeacutetriquement proches srsquoils sont seacutemantiquement proches Lrsquoexpeacuterience a eacuteteacute faite avec plus drsquoune trentaine de personnes de tous horizons13

tester les distances au naturel

camion

45

Preacutesentateur
Commentaires de preacutesentation
En suite si lrsquoon regarde par exemple la distance moyenne entre le concept de camion et le concept drsquoavion de bus de camionnettehellip on voit une chose inteacuteressante crsquoest que veacutehicule qui serait typiquement un pegravere des autres nrsquoest pourtant est plus loin de camion que certains de ses fregraveres et plus proche que drsquoautres sur un arbre simple avec seulement ces concepts crsquoest impossible agrave faire il faut soit modifier les concepts pour mettre des classes abstraites soit modifier les liens pour permettre drsquoautres parcours par exemple en reacuteifiant les liens aux fregraveres13

intension amp intention dusageutilisables dans un mecircme graphe concis

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

Technologie

AppareilReacuteseau

Sans-fil

WifiGSM

Teacuteleacutephone

Cellulaire

connexion

sous‐type‐et‐signature

46

Preacutesentateur
Commentaires de preacutesentation
concernant la double conception espace et meacutetrique je donne ici un exemple drsquoune approche que jrsquoessaie de systeacutematiser ougrave lrsquoon donne deux deacutefinitions formelles13une deacutefinition formelle de lrsquoespace13une deacutefinition formelle de la meacutetrique13Ici je mrsquointeacuteresse agrave eacutelargir les parcours possibles dans lrsquoontologie agrave drsquoautres graphes que celui de la hieacuterarchie des types et dans cette exemple jrsquoinclus les signatures des relations crsquoest-agrave-dire les types drsquoobjets qui peuvent ecirctre relieacutes par une relation13La meacutetrique reste la mecircme

intension amp intention dusagedeacutesambiguumliser lextraction de termes

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

5000

6000

7000

8000

9000

[Khelif et al]wclass 02wprop 04wsig 04

47

Preacutesentateur
Commentaires de preacutesentation
En incluant des poids dans la deacutefinition de lrsquoespace on peut passer progressivement drsquoune distance nrsquoutilisant que la hieacuterarchie agrave une distance nrsquoutilisant que les signatures13En appliquant cette distance agrave la deacutesambiguumlisation de termes extraits drsquoun texte (ie pour retrouver le sens dans lequel un terme est utiliseacute) on voit ici qursquoune distance hybride capable de combiner les deux espaces se comporte mieux que lrsquoune ou lrsquoautre des distances extrecircmes

4 le

ressources

des

distribueacutees

problegraveme

48

Preacutesentateur
Commentaires de preacutesentation
Nous avons vu que nous travaillons sur des meacutemoires qui utilisent le web seacutemantique dans leur mateacuterialisation et pour lesquelles la repreacutesentation et le traitement agrave base de graphes fournissaient eacutenormeacutement drsquoatouts13Cependant le contenu et les traitements de ces meacutemoires ne sont pas forceacutement sur la mecircme machine

graphesdistribueacutes

49

Preacutesentateur
Commentaires de preacutesentation
Le premier problegraveme qui peut se poser crsquoest si mes graphes ne sont pas sur la mecircme machine13Si mes triplets RDF mes arcs viennent de diffeacuterents endroits

serveursquelques

RDF

RDF

RDF

RDF

SPARQL

application web

service web

identiques

service web

service web

50

Preacutesentateur
Commentaires de preacutesentation
Nous avons consideacutereacute un cas classique en entreprise ou il y a une liste connue restreinte et stable de serveurs

broadcasteacuteviter le

51

52

index de serveurcaracteacuteriser son contenu les eacutetoiles et les chemins

53

annotation

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

54

Preacutesentateur
Commentaires de preacutesentation
voici une annotation simplifieacutee drsquoun document dans le projet SevenPro concernant la conception drsquoune voiture

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 31: HDR

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

31

Preacutesentateur
Commentaires de preacutesentation
La relation standard du web seacutemantique et graphes nrsquoest pas agrave sens unique On peut aussi utiliser des travaux sur les graphes pour suggeacuterer des solutions agrave des problegravemes dans les standards13Par exemple le problegraveme de la provenance des arcs drsquoun graphes RDF Il nrsquoy a pas de moyen actuellement de speacutecifier drsquoougrave viennent les diffeacuterents morceaux de mon graphe RDF

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

httpwwww3org

http wwwinriafrhttp wwwinriafrhttp wwwinriafr

httpwwww3org

32

Preacutesentateur
Commentaires de preacutesentation
En srsquoinspirant des graphes nommeacutes on peut suggeacuterer une extension de la syntaxe RDFXML pour indiquer la provenance et crsquoest ce que jrsquoai conduit en reacutedigeant une soumission drsquoextension du standard RDF au W3C13

3 espaces meacutetriques des graphes de connaissances

33

Preacutesentateur
Commentaires de preacutesentation
Nous avons donc des meacutemoires qui utilisent les formalismes du web seacutemantique et leurs structures de graphe13La structure et les manipulations de graphe ne sont pas uniquement une autre faccedilon de faire des repreacutesentations et des raisonnements logiques13Les graphes ont des caracteacuteristiques propres inteacuteressantes pour nos sceacutenarios drsquousage et crsquoest ce que nous allons voir dans cette troisiegraveme partie13

distances seacutemantiquesmeacutetaphore matheacutematique pour une comparaison intuitive

34

Preacutesentateur
Commentaires de preacutesentation
Je vais me focaliser ici sur un exemple drsquoinfeacuterence particulier les distances seacutemantiques13Il srsquoagit drsquoune meacutetaphore matheacutematique pour une comparaison intuitive13Si je considegravere un coupeacute un break et un avion naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche du break que de lrsquoavion13Cependant si maintenant je considegravere un coupeacute un avion et un livre naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche de lrsquoavion que du livre13Ces raisonnements nous les utilisons tous les jours pour comparer et eacutevaluer les diffeacuterences que nous percevons 13

simuler la meacutemoireseacutemantique est une ideacutee ancienne(Quillian 1968) (Collins amp Loftus 1975)

mais avec de nouveaux besoins

35

Preacutesentateur
Commentaires de preacutesentation
hellip nous allons voir certains de ces besoins

de linteacuterecirct dun agrave peu pregraves

ma montre na quune aiguillemais elle nest pas casseacutee

36

Preacutesentateur
Commentaires de preacutesentation
Ceci est ma montre Elle na quune aiguille mais elle nest pas casseacutee Elle se lit comme un chronomegravetre Elle donne lrsquoheure en une seule lecture donc tregraves rapidement mais en contrepartie elle est moins preacutecise les gens commettent en moyenne une erreur de lecture de 3 min13En recherche drsquoinformation aussi il peut ecirctre inteacuteressant de pouvoir obtenir une reacuteponse approcheacutee mais plus rapidement ou agrave deacutefaut de bonne reacuteponse13Crsquoest lagrave que les distances entrent en jeu

projection classique

voiture

veacutehicule

t1 lt t2 ie t1(x)rArrt2(x) T1 sub T2

voiture(x)rArrveacutehicule(x)

37

Preacutesentateur
Commentaires de preacutesentation
Reprenons notre projection modulo une ontologie fournissant des relations logiques entre les eacutetiquettes de mes graphes13

relaxer une contrainte de typage

camion

voiture

voiture(x) camion(x)

t1(x)rArrt2(x) rarr d(t1t2)ltseuil

sum neisin ⎥⎦⎤

⎢⎣⎡=leisinforall

121 )(21212

21 21)( aon )(

ttttt tdepthHc ttlttHttc

( ))()(min)( aon )( 21212

21 21ttlttlttdistHtt

cc HHttttc +=isinforall gege

38

Preacutesentateur
Commentaires de preacutesentation
Srsquoil nrsquoexiste pas de reacuteponse exacte on peut srsquointeacuteresser agrave remplacer les contraintes logiques entre les types par des contraintes numeacuteriques sur une distance entre ces types13Ici par exemple on considegravere un arbre de types et la longueur minimal des chemins seacuteparant les deux types sachant que les arcs sont exponentiellement plus courts qursquoils sont profonds dans lrsquoarbre13Et en fixant un seuil on va pouvoir controcircler les approximations que lrsquoon fait sur les types13

organiserun tas dobjets

39

Preacutesentateur
Commentaires de preacutesentation
deuxiegraveme exemple de besoin pour ces distances pour organiser et grouper des descriptions lorsque nos bases de graphes deviennent grandes et que lrsquoon veut avoir une ideacutee de ce qursquoelles contiennent

organiserdes compeacutetences

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

40

Preacutesentateur
Commentaires de preacutesentation
Dans le projet KmP preacutesenteacute au deacutebut les entreprises deacutecrivent leurs compeacutetences agrave lrsquoaide drsquoune ontologie13A lrsquoautre bout de la chaine les deacutecideurs et la reacutegion aimeraient savoir qursquoelles sont les compeacutetences preacutesentes sur Sophia13Pour cela nos collegravegues en gestion construisent des repreacutesentations comme celle-ci des groupes ou clusters des compeacutetences compleacutementaires ou similaires sur Sophia13Question avec quoi peut-on construire ces groupes13Reacuteponse avec une distance permettant de savoir lesquelles sont proches et lesquelles ne le sont pas13

organiserdes compeacutetences

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

1)(1)(2))((21 2121 21

21

21)( minusminusminus minusminus= tdepthtdepthttlcstdepthttdist

( )( ) 2121)(21 quand )(max)(21

ttttlcststdistttdistttlcststCH ne=

leforall

2121 quand 0)( ttttdistCH ==

A B C D H IGFE M NLKJ255

75

175

0

41

Preacutesentateur
Commentaires de preacutesentation
Derriegravere ces cluster il y a une structure que lrsquoon appelle un dendrogramme qui permet de choisir le niveau de regroupement souhaiteacute13Ce dendrograme correspond agrave une ultra-meacutetrique crsquoest-agrave-dire une distance pour laquelle lrsquoineacutegaliteacute triangulaire est sur-contrainte13Ce que jrsquoai proposeacute ici crsquoest une transformation de la distance sur un arbre de types dans lrsquoontologie agrave une ultra meacutetrique permettant de reproduire les groupements faits par les gestionnaires13

42

Preacutesentateur
Commentaires de preacutesentation
Voilagrave alors ce que lrsquoon peut produire en choisissant un niveau de deacutetail une vue radar des compeacutetences sur Sophia ici dans le domaine du logiciel avec un zoom sur les compeacutetences cœurs qui sont eacutevidemment proche du domaine des reacuteseaux

seacuteparer deux aspects

meacutetaphore matheacutematiqueles laquo distances raquo au naturel

simulations informatiquesespaces amp meacutetriques double conception

43

Preacutesentateur
Commentaires de preacutesentation
agrave ce stade jrsquoai voulu seacuteparer et travailler en parallegravele sur deux aspects des distances13le fait que lrsquoon utilise peut-ecirctre abusivement de terme distance et que cette meacutetaphore a peut-ecirctre ses limites13le fait ce que lrsquoon construit vraiment ce sont des espaces meacutetriques et qursquoil srsquoagit donc drsquoune double conception

tester les laquo distances raquo au naturel

44

Preacutesentateur
Commentaires de preacutesentation
Pour comprendre un peu mieux les distances je donne ici un exemple drsquoexpeacuterience simple que jrsquoai encadreacutee on demande ici agrave lrsquoutilisateur de positionner des concepts de faccedilon agrave ce qursquoils soient geacuteomeacutetriquement proches srsquoils sont seacutemantiquement proches Lrsquoexpeacuterience a eacuteteacute faite avec plus drsquoune trentaine de personnes de tous horizons13

tester les distances au naturel

camion

45

Preacutesentateur
Commentaires de preacutesentation
En suite si lrsquoon regarde par exemple la distance moyenne entre le concept de camion et le concept drsquoavion de bus de camionnettehellip on voit une chose inteacuteressante crsquoest que veacutehicule qui serait typiquement un pegravere des autres nrsquoest pourtant est plus loin de camion que certains de ses fregraveres et plus proche que drsquoautres sur un arbre simple avec seulement ces concepts crsquoest impossible agrave faire il faut soit modifier les concepts pour mettre des classes abstraites soit modifier les liens pour permettre drsquoautres parcours par exemple en reacuteifiant les liens aux fregraveres13

intension amp intention dusageutilisables dans un mecircme graphe concis

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

Technologie

AppareilReacuteseau

Sans-fil

WifiGSM

Teacuteleacutephone

Cellulaire

connexion

sous‐type‐et‐signature

46

Preacutesentateur
Commentaires de preacutesentation
concernant la double conception espace et meacutetrique je donne ici un exemple drsquoune approche que jrsquoessaie de systeacutematiser ougrave lrsquoon donne deux deacutefinitions formelles13une deacutefinition formelle de lrsquoespace13une deacutefinition formelle de la meacutetrique13Ici je mrsquointeacuteresse agrave eacutelargir les parcours possibles dans lrsquoontologie agrave drsquoautres graphes que celui de la hieacuterarchie des types et dans cette exemple jrsquoinclus les signatures des relations crsquoest-agrave-dire les types drsquoobjets qui peuvent ecirctre relieacutes par une relation13La meacutetrique reste la mecircme

intension amp intention dusagedeacutesambiguumliser lextraction de termes

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

5000

6000

7000

8000

9000

[Khelif et al]wclass 02wprop 04wsig 04

47

Preacutesentateur
Commentaires de preacutesentation
En incluant des poids dans la deacutefinition de lrsquoespace on peut passer progressivement drsquoune distance nrsquoutilisant que la hieacuterarchie agrave une distance nrsquoutilisant que les signatures13En appliquant cette distance agrave la deacutesambiguumlisation de termes extraits drsquoun texte (ie pour retrouver le sens dans lequel un terme est utiliseacute) on voit ici qursquoune distance hybride capable de combiner les deux espaces se comporte mieux que lrsquoune ou lrsquoautre des distances extrecircmes

4 le

ressources

des

distribueacutees

problegraveme

48

Preacutesentateur
Commentaires de preacutesentation
Nous avons vu que nous travaillons sur des meacutemoires qui utilisent le web seacutemantique dans leur mateacuterialisation et pour lesquelles la repreacutesentation et le traitement agrave base de graphes fournissaient eacutenormeacutement drsquoatouts13Cependant le contenu et les traitements de ces meacutemoires ne sont pas forceacutement sur la mecircme machine

graphesdistribueacutes

49

Preacutesentateur
Commentaires de preacutesentation
Le premier problegraveme qui peut se poser crsquoest si mes graphes ne sont pas sur la mecircme machine13Si mes triplets RDF mes arcs viennent de diffeacuterents endroits

serveursquelques

RDF

RDF

RDF

RDF

SPARQL

application web

service web

identiques

service web

service web

50

Preacutesentateur
Commentaires de preacutesentation
Nous avons consideacutereacute un cas classique en entreprise ou il y a une liste connue restreinte et stable de serveurs

broadcasteacuteviter le

51

52

index de serveurcaracteacuteriser son contenu les eacutetoiles et les chemins

53

annotation

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

54

Preacutesentateur
Commentaires de preacutesentation
voici une annotation simplifieacutee drsquoun document dans le projet SevenPro concernant la conception drsquoune voiture

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 32: HDR

provenanceextension de RDFXML pour deacuteclarer la

httprdfsourcehtml

httpme RDF Source

dctitle

mailtofgandoninriafr Fabien Gandon

dccreator

foafmbox

foafPerson

rdftype foafname

httpwwww3org

http wwwinriafrhttp wwwinriafrhttp wwwinriafr

httpwwww3org

32

Preacutesentateur
Commentaires de preacutesentation
En srsquoinspirant des graphes nommeacutes on peut suggeacuterer une extension de la syntaxe RDFXML pour indiquer la provenance et crsquoest ce que jrsquoai conduit en reacutedigeant une soumission drsquoextension du standard RDF au W3C13

3 espaces meacutetriques des graphes de connaissances

33

Preacutesentateur
Commentaires de preacutesentation
Nous avons donc des meacutemoires qui utilisent les formalismes du web seacutemantique et leurs structures de graphe13La structure et les manipulations de graphe ne sont pas uniquement une autre faccedilon de faire des repreacutesentations et des raisonnements logiques13Les graphes ont des caracteacuteristiques propres inteacuteressantes pour nos sceacutenarios drsquousage et crsquoest ce que nous allons voir dans cette troisiegraveme partie13

distances seacutemantiquesmeacutetaphore matheacutematique pour une comparaison intuitive

34

Preacutesentateur
Commentaires de preacutesentation
Je vais me focaliser ici sur un exemple drsquoinfeacuterence particulier les distances seacutemantiques13Il srsquoagit drsquoune meacutetaphore matheacutematique pour une comparaison intuitive13Si je considegravere un coupeacute un break et un avion naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche du break que de lrsquoavion13Cependant si maintenant je considegravere un coupeacute un avion et un livre naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche de lrsquoavion que du livre13Ces raisonnements nous les utilisons tous les jours pour comparer et eacutevaluer les diffeacuterences que nous percevons 13

simuler la meacutemoireseacutemantique est une ideacutee ancienne(Quillian 1968) (Collins amp Loftus 1975)

mais avec de nouveaux besoins

35

Preacutesentateur
Commentaires de preacutesentation
hellip nous allons voir certains de ces besoins

de linteacuterecirct dun agrave peu pregraves

ma montre na quune aiguillemais elle nest pas casseacutee

36

Preacutesentateur
Commentaires de preacutesentation
Ceci est ma montre Elle na quune aiguille mais elle nest pas casseacutee Elle se lit comme un chronomegravetre Elle donne lrsquoheure en une seule lecture donc tregraves rapidement mais en contrepartie elle est moins preacutecise les gens commettent en moyenne une erreur de lecture de 3 min13En recherche drsquoinformation aussi il peut ecirctre inteacuteressant de pouvoir obtenir une reacuteponse approcheacutee mais plus rapidement ou agrave deacutefaut de bonne reacuteponse13Crsquoest lagrave que les distances entrent en jeu

projection classique

voiture

veacutehicule

t1 lt t2 ie t1(x)rArrt2(x) T1 sub T2

voiture(x)rArrveacutehicule(x)

37

Preacutesentateur
Commentaires de preacutesentation
Reprenons notre projection modulo une ontologie fournissant des relations logiques entre les eacutetiquettes de mes graphes13

relaxer une contrainte de typage

camion

voiture

voiture(x) camion(x)

t1(x)rArrt2(x) rarr d(t1t2)ltseuil

sum neisin ⎥⎦⎤

⎢⎣⎡=leisinforall

121 )(21212

21 21)( aon )(

ttttt tdepthHc ttlttHttc

( ))()(min)( aon )( 21212

21 21ttlttlttdistHtt

cc HHttttc +=isinforall gege

38

Preacutesentateur
Commentaires de preacutesentation
Srsquoil nrsquoexiste pas de reacuteponse exacte on peut srsquointeacuteresser agrave remplacer les contraintes logiques entre les types par des contraintes numeacuteriques sur une distance entre ces types13Ici par exemple on considegravere un arbre de types et la longueur minimal des chemins seacuteparant les deux types sachant que les arcs sont exponentiellement plus courts qursquoils sont profonds dans lrsquoarbre13Et en fixant un seuil on va pouvoir controcircler les approximations que lrsquoon fait sur les types13

organiserun tas dobjets

39

Preacutesentateur
Commentaires de preacutesentation
deuxiegraveme exemple de besoin pour ces distances pour organiser et grouper des descriptions lorsque nos bases de graphes deviennent grandes et que lrsquoon veut avoir une ideacutee de ce qursquoelles contiennent

organiserdes compeacutetences

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

40

Preacutesentateur
Commentaires de preacutesentation
Dans le projet KmP preacutesenteacute au deacutebut les entreprises deacutecrivent leurs compeacutetences agrave lrsquoaide drsquoune ontologie13A lrsquoautre bout de la chaine les deacutecideurs et la reacutegion aimeraient savoir qursquoelles sont les compeacutetences preacutesentes sur Sophia13Pour cela nos collegravegues en gestion construisent des repreacutesentations comme celle-ci des groupes ou clusters des compeacutetences compleacutementaires ou similaires sur Sophia13Question avec quoi peut-on construire ces groupes13Reacuteponse avec une distance permettant de savoir lesquelles sont proches et lesquelles ne le sont pas13

organiserdes compeacutetences

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

1)(1)(2))((21 2121 21

21

21)( minusminusminus minusminus= tdepthtdepthttlcstdepthttdist

( )( ) 2121)(21 quand )(max)(21

ttttlcststdistttdistttlcststCH ne=

leforall

2121 quand 0)( ttttdistCH ==

A B C D H IGFE M NLKJ255

75

175

0

41

Preacutesentateur
Commentaires de preacutesentation
Derriegravere ces cluster il y a une structure que lrsquoon appelle un dendrogramme qui permet de choisir le niveau de regroupement souhaiteacute13Ce dendrograme correspond agrave une ultra-meacutetrique crsquoest-agrave-dire une distance pour laquelle lrsquoineacutegaliteacute triangulaire est sur-contrainte13Ce que jrsquoai proposeacute ici crsquoest une transformation de la distance sur un arbre de types dans lrsquoontologie agrave une ultra meacutetrique permettant de reproduire les groupements faits par les gestionnaires13

42

Preacutesentateur
Commentaires de preacutesentation
Voilagrave alors ce que lrsquoon peut produire en choisissant un niveau de deacutetail une vue radar des compeacutetences sur Sophia ici dans le domaine du logiciel avec un zoom sur les compeacutetences cœurs qui sont eacutevidemment proche du domaine des reacuteseaux

seacuteparer deux aspects

meacutetaphore matheacutematiqueles laquo distances raquo au naturel

simulations informatiquesespaces amp meacutetriques double conception

43

Preacutesentateur
Commentaires de preacutesentation
agrave ce stade jrsquoai voulu seacuteparer et travailler en parallegravele sur deux aspects des distances13le fait que lrsquoon utilise peut-ecirctre abusivement de terme distance et que cette meacutetaphore a peut-ecirctre ses limites13le fait ce que lrsquoon construit vraiment ce sont des espaces meacutetriques et qursquoil srsquoagit donc drsquoune double conception

tester les laquo distances raquo au naturel

44

Preacutesentateur
Commentaires de preacutesentation
Pour comprendre un peu mieux les distances je donne ici un exemple drsquoexpeacuterience simple que jrsquoai encadreacutee on demande ici agrave lrsquoutilisateur de positionner des concepts de faccedilon agrave ce qursquoils soient geacuteomeacutetriquement proches srsquoils sont seacutemantiquement proches Lrsquoexpeacuterience a eacuteteacute faite avec plus drsquoune trentaine de personnes de tous horizons13

tester les distances au naturel

camion

45

Preacutesentateur
Commentaires de preacutesentation
En suite si lrsquoon regarde par exemple la distance moyenne entre le concept de camion et le concept drsquoavion de bus de camionnettehellip on voit une chose inteacuteressante crsquoest que veacutehicule qui serait typiquement un pegravere des autres nrsquoest pourtant est plus loin de camion que certains de ses fregraveres et plus proche que drsquoautres sur un arbre simple avec seulement ces concepts crsquoest impossible agrave faire il faut soit modifier les concepts pour mettre des classes abstraites soit modifier les liens pour permettre drsquoautres parcours par exemple en reacuteifiant les liens aux fregraveres13

intension amp intention dusageutilisables dans un mecircme graphe concis

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

Technologie

AppareilReacuteseau

Sans-fil

WifiGSM

Teacuteleacutephone

Cellulaire

connexion

sous‐type‐et‐signature

46

Preacutesentateur
Commentaires de preacutesentation
concernant la double conception espace et meacutetrique je donne ici un exemple drsquoune approche que jrsquoessaie de systeacutematiser ougrave lrsquoon donne deux deacutefinitions formelles13une deacutefinition formelle de lrsquoespace13une deacutefinition formelle de la meacutetrique13Ici je mrsquointeacuteresse agrave eacutelargir les parcours possibles dans lrsquoontologie agrave drsquoautres graphes que celui de la hieacuterarchie des types et dans cette exemple jrsquoinclus les signatures des relations crsquoest-agrave-dire les types drsquoobjets qui peuvent ecirctre relieacutes par une relation13La meacutetrique reste la mecircme

intension amp intention dusagedeacutesambiguumliser lextraction de termes

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

5000

6000

7000

8000

9000

[Khelif et al]wclass 02wprop 04wsig 04

47

Preacutesentateur
Commentaires de preacutesentation
En incluant des poids dans la deacutefinition de lrsquoespace on peut passer progressivement drsquoune distance nrsquoutilisant que la hieacuterarchie agrave une distance nrsquoutilisant que les signatures13En appliquant cette distance agrave la deacutesambiguumlisation de termes extraits drsquoun texte (ie pour retrouver le sens dans lequel un terme est utiliseacute) on voit ici qursquoune distance hybride capable de combiner les deux espaces se comporte mieux que lrsquoune ou lrsquoautre des distances extrecircmes

4 le

ressources

des

distribueacutees

problegraveme

48

Preacutesentateur
Commentaires de preacutesentation
Nous avons vu que nous travaillons sur des meacutemoires qui utilisent le web seacutemantique dans leur mateacuterialisation et pour lesquelles la repreacutesentation et le traitement agrave base de graphes fournissaient eacutenormeacutement drsquoatouts13Cependant le contenu et les traitements de ces meacutemoires ne sont pas forceacutement sur la mecircme machine

graphesdistribueacutes

49

Preacutesentateur
Commentaires de preacutesentation
Le premier problegraveme qui peut se poser crsquoest si mes graphes ne sont pas sur la mecircme machine13Si mes triplets RDF mes arcs viennent de diffeacuterents endroits

serveursquelques

RDF

RDF

RDF

RDF

SPARQL

application web

service web

identiques

service web

service web

50

Preacutesentateur
Commentaires de preacutesentation
Nous avons consideacutereacute un cas classique en entreprise ou il y a une liste connue restreinte et stable de serveurs

broadcasteacuteviter le

51

52

index de serveurcaracteacuteriser son contenu les eacutetoiles et les chemins

53

annotation

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

54

Preacutesentateur
Commentaires de preacutesentation
voici une annotation simplifieacutee drsquoun document dans le projet SevenPro concernant la conception drsquoune voiture

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 33: HDR

3 espaces meacutetriques des graphes de connaissances

33

Preacutesentateur
Commentaires de preacutesentation
Nous avons donc des meacutemoires qui utilisent les formalismes du web seacutemantique et leurs structures de graphe13La structure et les manipulations de graphe ne sont pas uniquement une autre faccedilon de faire des repreacutesentations et des raisonnements logiques13Les graphes ont des caracteacuteristiques propres inteacuteressantes pour nos sceacutenarios drsquousage et crsquoest ce que nous allons voir dans cette troisiegraveme partie13

distances seacutemantiquesmeacutetaphore matheacutematique pour une comparaison intuitive

34

Preacutesentateur
Commentaires de preacutesentation
Je vais me focaliser ici sur un exemple drsquoinfeacuterence particulier les distances seacutemantiques13Il srsquoagit drsquoune meacutetaphore matheacutematique pour une comparaison intuitive13Si je considegravere un coupeacute un break et un avion naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche du break que de lrsquoavion13Cependant si maintenant je considegravere un coupeacute un avion et un livre naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche de lrsquoavion que du livre13Ces raisonnements nous les utilisons tous les jours pour comparer et eacutevaluer les diffeacuterences que nous percevons 13

simuler la meacutemoireseacutemantique est une ideacutee ancienne(Quillian 1968) (Collins amp Loftus 1975)

mais avec de nouveaux besoins

35

Preacutesentateur
Commentaires de preacutesentation
hellip nous allons voir certains de ces besoins

de linteacuterecirct dun agrave peu pregraves

ma montre na quune aiguillemais elle nest pas casseacutee

36

Preacutesentateur
Commentaires de preacutesentation
Ceci est ma montre Elle na quune aiguille mais elle nest pas casseacutee Elle se lit comme un chronomegravetre Elle donne lrsquoheure en une seule lecture donc tregraves rapidement mais en contrepartie elle est moins preacutecise les gens commettent en moyenne une erreur de lecture de 3 min13En recherche drsquoinformation aussi il peut ecirctre inteacuteressant de pouvoir obtenir une reacuteponse approcheacutee mais plus rapidement ou agrave deacutefaut de bonne reacuteponse13Crsquoest lagrave que les distances entrent en jeu

projection classique

voiture

veacutehicule

t1 lt t2 ie t1(x)rArrt2(x) T1 sub T2

voiture(x)rArrveacutehicule(x)

37

Preacutesentateur
Commentaires de preacutesentation
Reprenons notre projection modulo une ontologie fournissant des relations logiques entre les eacutetiquettes de mes graphes13

relaxer une contrainte de typage

camion

voiture

voiture(x) camion(x)

t1(x)rArrt2(x) rarr d(t1t2)ltseuil

sum neisin ⎥⎦⎤

⎢⎣⎡=leisinforall

121 )(21212

21 21)( aon )(

ttttt tdepthHc ttlttHttc

( ))()(min)( aon )( 21212

21 21ttlttlttdistHtt

cc HHttttc +=isinforall gege

38

Preacutesentateur
Commentaires de preacutesentation
Srsquoil nrsquoexiste pas de reacuteponse exacte on peut srsquointeacuteresser agrave remplacer les contraintes logiques entre les types par des contraintes numeacuteriques sur une distance entre ces types13Ici par exemple on considegravere un arbre de types et la longueur minimal des chemins seacuteparant les deux types sachant que les arcs sont exponentiellement plus courts qursquoils sont profonds dans lrsquoarbre13Et en fixant un seuil on va pouvoir controcircler les approximations que lrsquoon fait sur les types13

organiserun tas dobjets

39

Preacutesentateur
Commentaires de preacutesentation
deuxiegraveme exemple de besoin pour ces distances pour organiser et grouper des descriptions lorsque nos bases de graphes deviennent grandes et que lrsquoon veut avoir une ideacutee de ce qursquoelles contiennent

organiserdes compeacutetences

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

40

Preacutesentateur
Commentaires de preacutesentation
Dans le projet KmP preacutesenteacute au deacutebut les entreprises deacutecrivent leurs compeacutetences agrave lrsquoaide drsquoune ontologie13A lrsquoautre bout de la chaine les deacutecideurs et la reacutegion aimeraient savoir qursquoelles sont les compeacutetences preacutesentes sur Sophia13Pour cela nos collegravegues en gestion construisent des repreacutesentations comme celle-ci des groupes ou clusters des compeacutetences compleacutementaires ou similaires sur Sophia13Question avec quoi peut-on construire ces groupes13Reacuteponse avec une distance permettant de savoir lesquelles sont proches et lesquelles ne le sont pas13

organiserdes compeacutetences

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

1)(1)(2))((21 2121 21

21

21)( minusminusminus minusminus= tdepthtdepthttlcstdepthttdist

( )( ) 2121)(21 quand )(max)(21

ttttlcststdistttdistttlcststCH ne=

leforall

2121 quand 0)( ttttdistCH ==

A B C D H IGFE M NLKJ255

75

175

0

41

Preacutesentateur
Commentaires de preacutesentation
Derriegravere ces cluster il y a une structure que lrsquoon appelle un dendrogramme qui permet de choisir le niveau de regroupement souhaiteacute13Ce dendrograme correspond agrave une ultra-meacutetrique crsquoest-agrave-dire une distance pour laquelle lrsquoineacutegaliteacute triangulaire est sur-contrainte13Ce que jrsquoai proposeacute ici crsquoest une transformation de la distance sur un arbre de types dans lrsquoontologie agrave une ultra meacutetrique permettant de reproduire les groupements faits par les gestionnaires13

42

Preacutesentateur
Commentaires de preacutesentation
Voilagrave alors ce que lrsquoon peut produire en choisissant un niveau de deacutetail une vue radar des compeacutetences sur Sophia ici dans le domaine du logiciel avec un zoom sur les compeacutetences cœurs qui sont eacutevidemment proche du domaine des reacuteseaux

seacuteparer deux aspects

meacutetaphore matheacutematiqueles laquo distances raquo au naturel

simulations informatiquesespaces amp meacutetriques double conception

43

Preacutesentateur
Commentaires de preacutesentation
agrave ce stade jrsquoai voulu seacuteparer et travailler en parallegravele sur deux aspects des distances13le fait que lrsquoon utilise peut-ecirctre abusivement de terme distance et que cette meacutetaphore a peut-ecirctre ses limites13le fait ce que lrsquoon construit vraiment ce sont des espaces meacutetriques et qursquoil srsquoagit donc drsquoune double conception

tester les laquo distances raquo au naturel

44

Preacutesentateur
Commentaires de preacutesentation
Pour comprendre un peu mieux les distances je donne ici un exemple drsquoexpeacuterience simple que jrsquoai encadreacutee on demande ici agrave lrsquoutilisateur de positionner des concepts de faccedilon agrave ce qursquoils soient geacuteomeacutetriquement proches srsquoils sont seacutemantiquement proches Lrsquoexpeacuterience a eacuteteacute faite avec plus drsquoune trentaine de personnes de tous horizons13

tester les distances au naturel

camion

45

Preacutesentateur
Commentaires de preacutesentation
En suite si lrsquoon regarde par exemple la distance moyenne entre le concept de camion et le concept drsquoavion de bus de camionnettehellip on voit une chose inteacuteressante crsquoest que veacutehicule qui serait typiquement un pegravere des autres nrsquoest pourtant est plus loin de camion que certains de ses fregraveres et plus proche que drsquoautres sur un arbre simple avec seulement ces concepts crsquoest impossible agrave faire il faut soit modifier les concepts pour mettre des classes abstraites soit modifier les liens pour permettre drsquoautres parcours par exemple en reacuteifiant les liens aux fregraveres13

intension amp intention dusageutilisables dans un mecircme graphe concis

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

Technologie

AppareilReacuteseau

Sans-fil

WifiGSM

Teacuteleacutephone

Cellulaire

connexion

sous‐type‐et‐signature

46

Preacutesentateur
Commentaires de preacutesentation
concernant la double conception espace et meacutetrique je donne ici un exemple drsquoune approche que jrsquoessaie de systeacutematiser ougrave lrsquoon donne deux deacutefinitions formelles13une deacutefinition formelle de lrsquoespace13une deacutefinition formelle de la meacutetrique13Ici je mrsquointeacuteresse agrave eacutelargir les parcours possibles dans lrsquoontologie agrave drsquoautres graphes que celui de la hieacuterarchie des types et dans cette exemple jrsquoinclus les signatures des relations crsquoest-agrave-dire les types drsquoobjets qui peuvent ecirctre relieacutes par une relation13La meacutetrique reste la mecircme

intension amp intention dusagedeacutesambiguumliser lextraction de termes

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

5000

6000

7000

8000

9000

[Khelif et al]wclass 02wprop 04wsig 04

47

Preacutesentateur
Commentaires de preacutesentation
En incluant des poids dans la deacutefinition de lrsquoespace on peut passer progressivement drsquoune distance nrsquoutilisant que la hieacuterarchie agrave une distance nrsquoutilisant que les signatures13En appliquant cette distance agrave la deacutesambiguumlisation de termes extraits drsquoun texte (ie pour retrouver le sens dans lequel un terme est utiliseacute) on voit ici qursquoune distance hybride capable de combiner les deux espaces se comporte mieux que lrsquoune ou lrsquoautre des distances extrecircmes

4 le

ressources

des

distribueacutees

problegraveme

48

Preacutesentateur
Commentaires de preacutesentation
Nous avons vu que nous travaillons sur des meacutemoires qui utilisent le web seacutemantique dans leur mateacuterialisation et pour lesquelles la repreacutesentation et le traitement agrave base de graphes fournissaient eacutenormeacutement drsquoatouts13Cependant le contenu et les traitements de ces meacutemoires ne sont pas forceacutement sur la mecircme machine

graphesdistribueacutes

49

Preacutesentateur
Commentaires de preacutesentation
Le premier problegraveme qui peut se poser crsquoest si mes graphes ne sont pas sur la mecircme machine13Si mes triplets RDF mes arcs viennent de diffeacuterents endroits

serveursquelques

RDF

RDF

RDF

RDF

SPARQL

application web

service web

identiques

service web

service web

50

Preacutesentateur
Commentaires de preacutesentation
Nous avons consideacutereacute un cas classique en entreprise ou il y a une liste connue restreinte et stable de serveurs

broadcasteacuteviter le

51

52

index de serveurcaracteacuteriser son contenu les eacutetoiles et les chemins

53

annotation

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

54

Preacutesentateur
Commentaires de preacutesentation
voici une annotation simplifieacutee drsquoun document dans le projet SevenPro concernant la conception drsquoune voiture

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 34: HDR

distances seacutemantiquesmeacutetaphore matheacutematique pour une comparaison intuitive

34

Preacutesentateur
Commentaires de preacutesentation
Je vais me focaliser ici sur un exemple drsquoinfeacuterence particulier les distances seacutemantiques13Il srsquoagit drsquoune meacutetaphore matheacutematique pour une comparaison intuitive13Si je considegravere un coupeacute un break et un avion naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche du break que de lrsquoavion13Cependant si maintenant je considegravere un coupeacute un avion et un livre naturellement je vais avoir tendance agrave penser que le coupeacute est plus proche de lrsquoavion que du livre13Ces raisonnements nous les utilisons tous les jours pour comparer et eacutevaluer les diffeacuterences que nous percevons 13

simuler la meacutemoireseacutemantique est une ideacutee ancienne(Quillian 1968) (Collins amp Loftus 1975)

mais avec de nouveaux besoins

35

Preacutesentateur
Commentaires de preacutesentation
hellip nous allons voir certains de ces besoins

de linteacuterecirct dun agrave peu pregraves

ma montre na quune aiguillemais elle nest pas casseacutee

36

Preacutesentateur
Commentaires de preacutesentation
Ceci est ma montre Elle na quune aiguille mais elle nest pas casseacutee Elle se lit comme un chronomegravetre Elle donne lrsquoheure en une seule lecture donc tregraves rapidement mais en contrepartie elle est moins preacutecise les gens commettent en moyenne une erreur de lecture de 3 min13En recherche drsquoinformation aussi il peut ecirctre inteacuteressant de pouvoir obtenir une reacuteponse approcheacutee mais plus rapidement ou agrave deacutefaut de bonne reacuteponse13Crsquoest lagrave que les distances entrent en jeu

projection classique

voiture

veacutehicule

t1 lt t2 ie t1(x)rArrt2(x) T1 sub T2

voiture(x)rArrveacutehicule(x)

37

Preacutesentateur
Commentaires de preacutesentation
Reprenons notre projection modulo une ontologie fournissant des relations logiques entre les eacutetiquettes de mes graphes13

relaxer une contrainte de typage

camion

voiture

voiture(x) camion(x)

t1(x)rArrt2(x) rarr d(t1t2)ltseuil

sum neisin ⎥⎦⎤

⎢⎣⎡=leisinforall

121 )(21212

21 21)( aon )(

ttttt tdepthHc ttlttHttc

( ))()(min)( aon )( 21212

21 21ttlttlttdistHtt

cc HHttttc +=isinforall gege

38

Preacutesentateur
Commentaires de preacutesentation
Srsquoil nrsquoexiste pas de reacuteponse exacte on peut srsquointeacuteresser agrave remplacer les contraintes logiques entre les types par des contraintes numeacuteriques sur une distance entre ces types13Ici par exemple on considegravere un arbre de types et la longueur minimal des chemins seacuteparant les deux types sachant que les arcs sont exponentiellement plus courts qursquoils sont profonds dans lrsquoarbre13Et en fixant un seuil on va pouvoir controcircler les approximations que lrsquoon fait sur les types13

organiserun tas dobjets

39

Preacutesentateur
Commentaires de preacutesentation
deuxiegraveme exemple de besoin pour ces distances pour organiser et grouper des descriptions lorsque nos bases de graphes deviennent grandes et que lrsquoon veut avoir une ideacutee de ce qursquoelles contiennent

organiserdes compeacutetences

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

40

Preacutesentateur
Commentaires de preacutesentation
Dans le projet KmP preacutesenteacute au deacutebut les entreprises deacutecrivent leurs compeacutetences agrave lrsquoaide drsquoune ontologie13A lrsquoautre bout de la chaine les deacutecideurs et la reacutegion aimeraient savoir qursquoelles sont les compeacutetences preacutesentes sur Sophia13Pour cela nos collegravegues en gestion construisent des repreacutesentations comme celle-ci des groupes ou clusters des compeacutetences compleacutementaires ou similaires sur Sophia13Question avec quoi peut-on construire ces groupes13Reacuteponse avec une distance permettant de savoir lesquelles sont proches et lesquelles ne le sont pas13

organiserdes compeacutetences

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

1)(1)(2))((21 2121 21

21

21)( minusminusminus minusminus= tdepthtdepthttlcstdepthttdist

( )( ) 2121)(21 quand )(max)(21

ttttlcststdistttdistttlcststCH ne=

leforall

2121 quand 0)( ttttdistCH ==

A B C D H IGFE M NLKJ255

75

175

0

41

Preacutesentateur
Commentaires de preacutesentation
Derriegravere ces cluster il y a une structure que lrsquoon appelle un dendrogramme qui permet de choisir le niveau de regroupement souhaiteacute13Ce dendrograme correspond agrave une ultra-meacutetrique crsquoest-agrave-dire une distance pour laquelle lrsquoineacutegaliteacute triangulaire est sur-contrainte13Ce que jrsquoai proposeacute ici crsquoest une transformation de la distance sur un arbre de types dans lrsquoontologie agrave une ultra meacutetrique permettant de reproduire les groupements faits par les gestionnaires13

42

Preacutesentateur
Commentaires de preacutesentation
Voilagrave alors ce que lrsquoon peut produire en choisissant un niveau de deacutetail une vue radar des compeacutetences sur Sophia ici dans le domaine du logiciel avec un zoom sur les compeacutetences cœurs qui sont eacutevidemment proche du domaine des reacuteseaux

seacuteparer deux aspects

meacutetaphore matheacutematiqueles laquo distances raquo au naturel

simulations informatiquesespaces amp meacutetriques double conception

43

Preacutesentateur
Commentaires de preacutesentation
agrave ce stade jrsquoai voulu seacuteparer et travailler en parallegravele sur deux aspects des distances13le fait que lrsquoon utilise peut-ecirctre abusivement de terme distance et que cette meacutetaphore a peut-ecirctre ses limites13le fait ce que lrsquoon construit vraiment ce sont des espaces meacutetriques et qursquoil srsquoagit donc drsquoune double conception

tester les laquo distances raquo au naturel

44

Preacutesentateur
Commentaires de preacutesentation
Pour comprendre un peu mieux les distances je donne ici un exemple drsquoexpeacuterience simple que jrsquoai encadreacutee on demande ici agrave lrsquoutilisateur de positionner des concepts de faccedilon agrave ce qursquoils soient geacuteomeacutetriquement proches srsquoils sont seacutemantiquement proches Lrsquoexpeacuterience a eacuteteacute faite avec plus drsquoune trentaine de personnes de tous horizons13

tester les distances au naturel

camion

45

Preacutesentateur
Commentaires de preacutesentation
En suite si lrsquoon regarde par exemple la distance moyenne entre le concept de camion et le concept drsquoavion de bus de camionnettehellip on voit une chose inteacuteressante crsquoest que veacutehicule qui serait typiquement un pegravere des autres nrsquoest pourtant est plus loin de camion que certains de ses fregraveres et plus proche que drsquoautres sur un arbre simple avec seulement ces concepts crsquoest impossible agrave faire il faut soit modifier les concepts pour mettre des classes abstraites soit modifier les liens pour permettre drsquoautres parcours par exemple en reacuteifiant les liens aux fregraveres13

intension amp intention dusageutilisables dans un mecircme graphe concis

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

Technologie

AppareilReacuteseau

Sans-fil

WifiGSM

Teacuteleacutephone

Cellulaire

connexion

sous‐type‐et‐signature

46

Preacutesentateur
Commentaires de preacutesentation
concernant la double conception espace et meacutetrique je donne ici un exemple drsquoune approche que jrsquoessaie de systeacutematiser ougrave lrsquoon donne deux deacutefinitions formelles13une deacutefinition formelle de lrsquoespace13une deacutefinition formelle de la meacutetrique13Ici je mrsquointeacuteresse agrave eacutelargir les parcours possibles dans lrsquoontologie agrave drsquoautres graphes que celui de la hieacuterarchie des types et dans cette exemple jrsquoinclus les signatures des relations crsquoest-agrave-dire les types drsquoobjets qui peuvent ecirctre relieacutes par une relation13La meacutetrique reste la mecircme

intension amp intention dusagedeacutesambiguumliser lextraction de termes

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

5000

6000

7000

8000

9000

[Khelif et al]wclass 02wprop 04wsig 04

47

Preacutesentateur
Commentaires de preacutesentation
En incluant des poids dans la deacutefinition de lrsquoespace on peut passer progressivement drsquoune distance nrsquoutilisant que la hieacuterarchie agrave une distance nrsquoutilisant que les signatures13En appliquant cette distance agrave la deacutesambiguumlisation de termes extraits drsquoun texte (ie pour retrouver le sens dans lequel un terme est utiliseacute) on voit ici qursquoune distance hybride capable de combiner les deux espaces se comporte mieux que lrsquoune ou lrsquoautre des distances extrecircmes

4 le

ressources

des

distribueacutees

problegraveme

48

Preacutesentateur
Commentaires de preacutesentation
Nous avons vu que nous travaillons sur des meacutemoires qui utilisent le web seacutemantique dans leur mateacuterialisation et pour lesquelles la repreacutesentation et le traitement agrave base de graphes fournissaient eacutenormeacutement drsquoatouts13Cependant le contenu et les traitements de ces meacutemoires ne sont pas forceacutement sur la mecircme machine

graphesdistribueacutes

49

Preacutesentateur
Commentaires de preacutesentation
Le premier problegraveme qui peut se poser crsquoest si mes graphes ne sont pas sur la mecircme machine13Si mes triplets RDF mes arcs viennent de diffeacuterents endroits

serveursquelques

RDF

RDF

RDF

RDF

SPARQL

application web

service web

identiques

service web

service web

50

Preacutesentateur
Commentaires de preacutesentation
Nous avons consideacutereacute un cas classique en entreprise ou il y a une liste connue restreinte et stable de serveurs

broadcasteacuteviter le

51

52

index de serveurcaracteacuteriser son contenu les eacutetoiles et les chemins

53

annotation

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

54

Preacutesentateur
Commentaires de preacutesentation
voici une annotation simplifieacutee drsquoun document dans le projet SevenPro concernant la conception drsquoune voiture

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 35: HDR

simuler la meacutemoireseacutemantique est une ideacutee ancienne(Quillian 1968) (Collins amp Loftus 1975)

mais avec de nouveaux besoins

35

Preacutesentateur
Commentaires de preacutesentation
hellip nous allons voir certains de ces besoins

de linteacuterecirct dun agrave peu pregraves

ma montre na quune aiguillemais elle nest pas casseacutee

36

Preacutesentateur
Commentaires de preacutesentation
Ceci est ma montre Elle na quune aiguille mais elle nest pas casseacutee Elle se lit comme un chronomegravetre Elle donne lrsquoheure en une seule lecture donc tregraves rapidement mais en contrepartie elle est moins preacutecise les gens commettent en moyenne une erreur de lecture de 3 min13En recherche drsquoinformation aussi il peut ecirctre inteacuteressant de pouvoir obtenir une reacuteponse approcheacutee mais plus rapidement ou agrave deacutefaut de bonne reacuteponse13Crsquoest lagrave que les distances entrent en jeu

projection classique

voiture

veacutehicule

t1 lt t2 ie t1(x)rArrt2(x) T1 sub T2

voiture(x)rArrveacutehicule(x)

37

Preacutesentateur
Commentaires de preacutesentation
Reprenons notre projection modulo une ontologie fournissant des relations logiques entre les eacutetiquettes de mes graphes13

relaxer une contrainte de typage

camion

voiture

voiture(x) camion(x)

t1(x)rArrt2(x) rarr d(t1t2)ltseuil

sum neisin ⎥⎦⎤

⎢⎣⎡=leisinforall

121 )(21212

21 21)( aon )(

ttttt tdepthHc ttlttHttc

( ))()(min)( aon )( 21212

21 21ttlttlttdistHtt

cc HHttttc +=isinforall gege

38

Preacutesentateur
Commentaires de preacutesentation
Srsquoil nrsquoexiste pas de reacuteponse exacte on peut srsquointeacuteresser agrave remplacer les contraintes logiques entre les types par des contraintes numeacuteriques sur une distance entre ces types13Ici par exemple on considegravere un arbre de types et la longueur minimal des chemins seacuteparant les deux types sachant que les arcs sont exponentiellement plus courts qursquoils sont profonds dans lrsquoarbre13Et en fixant un seuil on va pouvoir controcircler les approximations que lrsquoon fait sur les types13

organiserun tas dobjets

39

Preacutesentateur
Commentaires de preacutesentation
deuxiegraveme exemple de besoin pour ces distances pour organiser et grouper des descriptions lorsque nos bases de graphes deviennent grandes et que lrsquoon veut avoir une ideacutee de ce qursquoelles contiennent

organiserdes compeacutetences

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

40

Preacutesentateur
Commentaires de preacutesentation
Dans le projet KmP preacutesenteacute au deacutebut les entreprises deacutecrivent leurs compeacutetences agrave lrsquoaide drsquoune ontologie13A lrsquoautre bout de la chaine les deacutecideurs et la reacutegion aimeraient savoir qursquoelles sont les compeacutetences preacutesentes sur Sophia13Pour cela nos collegravegues en gestion construisent des repreacutesentations comme celle-ci des groupes ou clusters des compeacutetences compleacutementaires ou similaires sur Sophia13Question avec quoi peut-on construire ces groupes13Reacuteponse avec une distance permettant de savoir lesquelles sont proches et lesquelles ne le sont pas13

organiserdes compeacutetences

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

1)(1)(2))((21 2121 21

21

21)( minusminusminus minusminus= tdepthtdepthttlcstdepthttdist

( )( ) 2121)(21 quand )(max)(21

ttttlcststdistttdistttlcststCH ne=

leforall

2121 quand 0)( ttttdistCH ==

A B C D H IGFE M NLKJ255

75

175

0

41

Preacutesentateur
Commentaires de preacutesentation
Derriegravere ces cluster il y a une structure que lrsquoon appelle un dendrogramme qui permet de choisir le niveau de regroupement souhaiteacute13Ce dendrograme correspond agrave une ultra-meacutetrique crsquoest-agrave-dire une distance pour laquelle lrsquoineacutegaliteacute triangulaire est sur-contrainte13Ce que jrsquoai proposeacute ici crsquoest une transformation de la distance sur un arbre de types dans lrsquoontologie agrave une ultra meacutetrique permettant de reproduire les groupements faits par les gestionnaires13

42

Preacutesentateur
Commentaires de preacutesentation
Voilagrave alors ce que lrsquoon peut produire en choisissant un niveau de deacutetail une vue radar des compeacutetences sur Sophia ici dans le domaine du logiciel avec un zoom sur les compeacutetences cœurs qui sont eacutevidemment proche du domaine des reacuteseaux

seacuteparer deux aspects

meacutetaphore matheacutematiqueles laquo distances raquo au naturel

simulations informatiquesespaces amp meacutetriques double conception

43

Preacutesentateur
Commentaires de preacutesentation
agrave ce stade jrsquoai voulu seacuteparer et travailler en parallegravele sur deux aspects des distances13le fait que lrsquoon utilise peut-ecirctre abusivement de terme distance et que cette meacutetaphore a peut-ecirctre ses limites13le fait ce que lrsquoon construit vraiment ce sont des espaces meacutetriques et qursquoil srsquoagit donc drsquoune double conception

tester les laquo distances raquo au naturel

44

Preacutesentateur
Commentaires de preacutesentation
Pour comprendre un peu mieux les distances je donne ici un exemple drsquoexpeacuterience simple que jrsquoai encadreacutee on demande ici agrave lrsquoutilisateur de positionner des concepts de faccedilon agrave ce qursquoils soient geacuteomeacutetriquement proches srsquoils sont seacutemantiquement proches Lrsquoexpeacuterience a eacuteteacute faite avec plus drsquoune trentaine de personnes de tous horizons13

tester les distances au naturel

camion

45

Preacutesentateur
Commentaires de preacutesentation
En suite si lrsquoon regarde par exemple la distance moyenne entre le concept de camion et le concept drsquoavion de bus de camionnettehellip on voit une chose inteacuteressante crsquoest que veacutehicule qui serait typiquement un pegravere des autres nrsquoest pourtant est plus loin de camion que certains de ses fregraveres et plus proche que drsquoautres sur un arbre simple avec seulement ces concepts crsquoest impossible agrave faire il faut soit modifier les concepts pour mettre des classes abstraites soit modifier les liens pour permettre drsquoautres parcours par exemple en reacuteifiant les liens aux fregraveres13

intension amp intention dusageutilisables dans un mecircme graphe concis

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

Technologie

AppareilReacuteseau

Sans-fil

WifiGSM

Teacuteleacutephone

Cellulaire

connexion

sous‐type‐et‐signature

46

Preacutesentateur
Commentaires de preacutesentation
concernant la double conception espace et meacutetrique je donne ici un exemple drsquoune approche que jrsquoessaie de systeacutematiser ougrave lrsquoon donne deux deacutefinitions formelles13une deacutefinition formelle de lrsquoespace13une deacutefinition formelle de la meacutetrique13Ici je mrsquointeacuteresse agrave eacutelargir les parcours possibles dans lrsquoontologie agrave drsquoautres graphes que celui de la hieacuterarchie des types et dans cette exemple jrsquoinclus les signatures des relations crsquoest-agrave-dire les types drsquoobjets qui peuvent ecirctre relieacutes par une relation13La meacutetrique reste la mecircme

intension amp intention dusagedeacutesambiguumliser lextraction de termes

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

5000

6000

7000

8000

9000

[Khelif et al]wclass 02wprop 04wsig 04

47

Preacutesentateur
Commentaires de preacutesentation
En incluant des poids dans la deacutefinition de lrsquoespace on peut passer progressivement drsquoune distance nrsquoutilisant que la hieacuterarchie agrave une distance nrsquoutilisant que les signatures13En appliquant cette distance agrave la deacutesambiguumlisation de termes extraits drsquoun texte (ie pour retrouver le sens dans lequel un terme est utiliseacute) on voit ici qursquoune distance hybride capable de combiner les deux espaces se comporte mieux que lrsquoune ou lrsquoautre des distances extrecircmes

4 le

ressources

des

distribueacutees

problegraveme

48

Preacutesentateur
Commentaires de preacutesentation
Nous avons vu que nous travaillons sur des meacutemoires qui utilisent le web seacutemantique dans leur mateacuterialisation et pour lesquelles la repreacutesentation et le traitement agrave base de graphes fournissaient eacutenormeacutement drsquoatouts13Cependant le contenu et les traitements de ces meacutemoires ne sont pas forceacutement sur la mecircme machine

graphesdistribueacutes

49

Preacutesentateur
Commentaires de preacutesentation
Le premier problegraveme qui peut se poser crsquoest si mes graphes ne sont pas sur la mecircme machine13Si mes triplets RDF mes arcs viennent de diffeacuterents endroits

serveursquelques

RDF

RDF

RDF

RDF

SPARQL

application web

service web

identiques

service web

service web

50

Preacutesentateur
Commentaires de preacutesentation
Nous avons consideacutereacute un cas classique en entreprise ou il y a une liste connue restreinte et stable de serveurs

broadcasteacuteviter le

51

52

index de serveurcaracteacuteriser son contenu les eacutetoiles et les chemins

53

annotation

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

54

Preacutesentateur
Commentaires de preacutesentation
voici une annotation simplifieacutee drsquoun document dans le projet SevenPro concernant la conception drsquoune voiture

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 36: HDR

de linteacuterecirct dun agrave peu pregraves

ma montre na quune aiguillemais elle nest pas casseacutee

36

Preacutesentateur
Commentaires de preacutesentation
Ceci est ma montre Elle na quune aiguille mais elle nest pas casseacutee Elle se lit comme un chronomegravetre Elle donne lrsquoheure en une seule lecture donc tregraves rapidement mais en contrepartie elle est moins preacutecise les gens commettent en moyenne une erreur de lecture de 3 min13En recherche drsquoinformation aussi il peut ecirctre inteacuteressant de pouvoir obtenir une reacuteponse approcheacutee mais plus rapidement ou agrave deacutefaut de bonne reacuteponse13Crsquoest lagrave que les distances entrent en jeu

projection classique

voiture

veacutehicule

t1 lt t2 ie t1(x)rArrt2(x) T1 sub T2

voiture(x)rArrveacutehicule(x)

37

Preacutesentateur
Commentaires de preacutesentation
Reprenons notre projection modulo une ontologie fournissant des relations logiques entre les eacutetiquettes de mes graphes13

relaxer une contrainte de typage

camion

voiture

voiture(x) camion(x)

t1(x)rArrt2(x) rarr d(t1t2)ltseuil

sum neisin ⎥⎦⎤

⎢⎣⎡=leisinforall

121 )(21212

21 21)( aon )(

ttttt tdepthHc ttlttHttc

( ))()(min)( aon )( 21212

21 21ttlttlttdistHtt

cc HHttttc +=isinforall gege

38

Preacutesentateur
Commentaires de preacutesentation
Srsquoil nrsquoexiste pas de reacuteponse exacte on peut srsquointeacuteresser agrave remplacer les contraintes logiques entre les types par des contraintes numeacuteriques sur une distance entre ces types13Ici par exemple on considegravere un arbre de types et la longueur minimal des chemins seacuteparant les deux types sachant que les arcs sont exponentiellement plus courts qursquoils sont profonds dans lrsquoarbre13Et en fixant un seuil on va pouvoir controcircler les approximations que lrsquoon fait sur les types13

organiserun tas dobjets

39

Preacutesentateur
Commentaires de preacutesentation
deuxiegraveme exemple de besoin pour ces distances pour organiser et grouper des descriptions lorsque nos bases de graphes deviennent grandes et que lrsquoon veut avoir une ideacutee de ce qursquoelles contiennent

organiserdes compeacutetences

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

40

Preacutesentateur
Commentaires de preacutesentation
Dans le projet KmP preacutesenteacute au deacutebut les entreprises deacutecrivent leurs compeacutetences agrave lrsquoaide drsquoune ontologie13A lrsquoautre bout de la chaine les deacutecideurs et la reacutegion aimeraient savoir qursquoelles sont les compeacutetences preacutesentes sur Sophia13Pour cela nos collegravegues en gestion construisent des repreacutesentations comme celle-ci des groupes ou clusters des compeacutetences compleacutementaires ou similaires sur Sophia13Question avec quoi peut-on construire ces groupes13Reacuteponse avec une distance permettant de savoir lesquelles sont proches et lesquelles ne le sont pas13

organiserdes compeacutetences

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

1)(1)(2))((21 2121 21

21

21)( minusminusminus minusminus= tdepthtdepthttlcstdepthttdist

( )( ) 2121)(21 quand )(max)(21

ttttlcststdistttdistttlcststCH ne=

leforall

2121 quand 0)( ttttdistCH ==

A B C D H IGFE M NLKJ255

75

175

0

41

Preacutesentateur
Commentaires de preacutesentation
Derriegravere ces cluster il y a une structure que lrsquoon appelle un dendrogramme qui permet de choisir le niveau de regroupement souhaiteacute13Ce dendrograme correspond agrave une ultra-meacutetrique crsquoest-agrave-dire une distance pour laquelle lrsquoineacutegaliteacute triangulaire est sur-contrainte13Ce que jrsquoai proposeacute ici crsquoest une transformation de la distance sur un arbre de types dans lrsquoontologie agrave une ultra meacutetrique permettant de reproduire les groupements faits par les gestionnaires13

42

Preacutesentateur
Commentaires de preacutesentation
Voilagrave alors ce que lrsquoon peut produire en choisissant un niveau de deacutetail une vue radar des compeacutetences sur Sophia ici dans le domaine du logiciel avec un zoom sur les compeacutetences cœurs qui sont eacutevidemment proche du domaine des reacuteseaux

seacuteparer deux aspects

meacutetaphore matheacutematiqueles laquo distances raquo au naturel

simulations informatiquesespaces amp meacutetriques double conception

43

Preacutesentateur
Commentaires de preacutesentation
agrave ce stade jrsquoai voulu seacuteparer et travailler en parallegravele sur deux aspects des distances13le fait que lrsquoon utilise peut-ecirctre abusivement de terme distance et que cette meacutetaphore a peut-ecirctre ses limites13le fait ce que lrsquoon construit vraiment ce sont des espaces meacutetriques et qursquoil srsquoagit donc drsquoune double conception

tester les laquo distances raquo au naturel

44

Preacutesentateur
Commentaires de preacutesentation
Pour comprendre un peu mieux les distances je donne ici un exemple drsquoexpeacuterience simple que jrsquoai encadreacutee on demande ici agrave lrsquoutilisateur de positionner des concepts de faccedilon agrave ce qursquoils soient geacuteomeacutetriquement proches srsquoils sont seacutemantiquement proches Lrsquoexpeacuterience a eacuteteacute faite avec plus drsquoune trentaine de personnes de tous horizons13

tester les distances au naturel

camion

45

Preacutesentateur
Commentaires de preacutesentation
En suite si lrsquoon regarde par exemple la distance moyenne entre le concept de camion et le concept drsquoavion de bus de camionnettehellip on voit une chose inteacuteressante crsquoest que veacutehicule qui serait typiquement un pegravere des autres nrsquoest pourtant est plus loin de camion que certains de ses fregraveres et plus proche que drsquoautres sur un arbre simple avec seulement ces concepts crsquoest impossible agrave faire il faut soit modifier les concepts pour mettre des classes abstraites soit modifier les liens pour permettre drsquoautres parcours par exemple en reacuteifiant les liens aux fregraveres13

intension amp intention dusageutilisables dans un mecircme graphe concis

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

Technologie

AppareilReacuteseau

Sans-fil

WifiGSM

Teacuteleacutephone

Cellulaire

connexion

sous‐type‐et‐signature

46

Preacutesentateur
Commentaires de preacutesentation
concernant la double conception espace et meacutetrique je donne ici un exemple drsquoune approche que jrsquoessaie de systeacutematiser ougrave lrsquoon donne deux deacutefinitions formelles13une deacutefinition formelle de lrsquoespace13une deacutefinition formelle de la meacutetrique13Ici je mrsquointeacuteresse agrave eacutelargir les parcours possibles dans lrsquoontologie agrave drsquoautres graphes que celui de la hieacuterarchie des types et dans cette exemple jrsquoinclus les signatures des relations crsquoest-agrave-dire les types drsquoobjets qui peuvent ecirctre relieacutes par une relation13La meacutetrique reste la mecircme

intension amp intention dusagedeacutesambiguumliser lextraction de termes

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

5000

6000

7000

8000

9000

[Khelif et al]wclass 02wprop 04wsig 04

47

Preacutesentateur
Commentaires de preacutesentation
En incluant des poids dans la deacutefinition de lrsquoespace on peut passer progressivement drsquoune distance nrsquoutilisant que la hieacuterarchie agrave une distance nrsquoutilisant que les signatures13En appliquant cette distance agrave la deacutesambiguumlisation de termes extraits drsquoun texte (ie pour retrouver le sens dans lequel un terme est utiliseacute) on voit ici qursquoune distance hybride capable de combiner les deux espaces se comporte mieux que lrsquoune ou lrsquoautre des distances extrecircmes

4 le

ressources

des

distribueacutees

problegraveme

48

Preacutesentateur
Commentaires de preacutesentation
Nous avons vu que nous travaillons sur des meacutemoires qui utilisent le web seacutemantique dans leur mateacuterialisation et pour lesquelles la repreacutesentation et le traitement agrave base de graphes fournissaient eacutenormeacutement drsquoatouts13Cependant le contenu et les traitements de ces meacutemoires ne sont pas forceacutement sur la mecircme machine

graphesdistribueacutes

49

Preacutesentateur
Commentaires de preacutesentation
Le premier problegraveme qui peut se poser crsquoest si mes graphes ne sont pas sur la mecircme machine13Si mes triplets RDF mes arcs viennent de diffeacuterents endroits

serveursquelques

RDF

RDF

RDF

RDF

SPARQL

application web

service web

identiques

service web

service web

50

Preacutesentateur
Commentaires de preacutesentation
Nous avons consideacutereacute un cas classique en entreprise ou il y a une liste connue restreinte et stable de serveurs

broadcasteacuteviter le

51

52

index de serveurcaracteacuteriser son contenu les eacutetoiles et les chemins

53

annotation

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

54

Preacutesentateur
Commentaires de preacutesentation
voici une annotation simplifieacutee drsquoun document dans le projet SevenPro concernant la conception drsquoune voiture

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 37: HDR

projection classique

voiture

veacutehicule

t1 lt t2 ie t1(x)rArrt2(x) T1 sub T2

voiture(x)rArrveacutehicule(x)

37

Preacutesentateur
Commentaires de preacutesentation
Reprenons notre projection modulo une ontologie fournissant des relations logiques entre les eacutetiquettes de mes graphes13

relaxer une contrainte de typage

camion

voiture

voiture(x) camion(x)

t1(x)rArrt2(x) rarr d(t1t2)ltseuil

sum neisin ⎥⎦⎤

⎢⎣⎡=leisinforall

121 )(21212

21 21)( aon )(

ttttt tdepthHc ttlttHttc

( ))()(min)( aon )( 21212

21 21ttlttlttdistHtt

cc HHttttc +=isinforall gege

38

Preacutesentateur
Commentaires de preacutesentation
Srsquoil nrsquoexiste pas de reacuteponse exacte on peut srsquointeacuteresser agrave remplacer les contraintes logiques entre les types par des contraintes numeacuteriques sur une distance entre ces types13Ici par exemple on considegravere un arbre de types et la longueur minimal des chemins seacuteparant les deux types sachant que les arcs sont exponentiellement plus courts qursquoils sont profonds dans lrsquoarbre13Et en fixant un seuil on va pouvoir controcircler les approximations que lrsquoon fait sur les types13

organiserun tas dobjets

39

Preacutesentateur
Commentaires de preacutesentation
deuxiegraveme exemple de besoin pour ces distances pour organiser et grouper des descriptions lorsque nos bases de graphes deviennent grandes et que lrsquoon veut avoir une ideacutee de ce qursquoelles contiennent

organiserdes compeacutetences

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

40

Preacutesentateur
Commentaires de preacutesentation
Dans le projet KmP preacutesenteacute au deacutebut les entreprises deacutecrivent leurs compeacutetences agrave lrsquoaide drsquoune ontologie13A lrsquoautre bout de la chaine les deacutecideurs et la reacutegion aimeraient savoir qursquoelles sont les compeacutetences preacutesentes sur Sophia13Pour cela nos collegravegues en gestion construisent des repreacutesentations comme celle-ci des groupes ou clusters des compeacutetences compleacutementaires ou similaires sur Sophia13Question avec quoi peut-on construire ces groupes13Reacuteponse avec une distance permettant de savoir lesquelles sont proches et lesquelles ne le sont pas13

organiserdes compeacutetences

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

1)(1)(2))((21 2121 21

21

21)( minusminusminus minusminus= tdepthtdepthttlcstdepthttdist

( )( ) 2121)(21 quand )(max)(21

ttttlcststdistttdistttlcststCH ne=

leforall

2121 quand 0)( ttttdistCH ==

A B C D H IGFE M NLKJ255

75

175

0

41

Preacutesentateur
Commentaires de preacutesentation
Derriegravere ces cluster il y a une structure que lrsquoon appelle un dendrogramme qui permet de choisir le niveau de regroupement souhaiteacute13Ce dendrograme correspond agrave une ultra-meacutetrique crsquoest-agrave-dire une distance pour laquelle lrsquoineacutegaliteacute triangulaire est sur-contrainte13Ce que jrsquoai proposeacute ici crsquoest une transformation de la distance sur un arbre de types dans lrsquoontologie agrave une ultra meacutetrique permettant de reproduire les groupements faits par les gestionnaires13

42

Preacutesentateur
Commentaires de preacutesentation
Voilagrave alors ce que lrsquoon peut produire en choisissant un niveau de deacutetail une vue radar des compeacutetences sur Sophia ici dans le domaine du logiciel avec un zoom sur les compeacutetences cœurs qui sont eacutevidemment proche du domaine des reacuteseaux

seacuteparer deux aspects

meacutetaphore matheacutematiqueles laquo distances raquo au naturel

simulations informatiquesespaces amp meacutetriques double conception

43

Preacutesentateur
Commentaires de preacutesentation
agrave ce stade jrsquoai voulu seacuteparer et travailler en parallegravele sur deux aspects des distances13le fait que lrsquoon utilise peut-ecirctre abusivement de terme distance et que cette meacutetaphore a peut-ecirctre ses limites13le fait ce que lrsquoon construit vraiment ce sont des espaces meacutetriques et qursquoil srsquoagit donc drsquoune double conception

tester les laquo distances raquo au naturel

44

Preacutesentateur
Commentaires de preacutesentation
Pour comprendre un peu mieux les distances je donne ici un exemple drsquoexpeacuterience simple que jrsquoai encadreacutee on demande ici agrave lrsquoutilisateur de positionner des concepts de faccedilon agrave ce qursquoils soient geacuteomeacutetriquement proches srsquoils sont seacutemantiquement proches Lrsquoexpeacuterience a eacuteteacute faite avec plus drsquoune trentaine de personnes de tous horizons13

tester les distances au naturel

camion

45

Preacutesentateur
Commentaires de preacutesentation
En suite si lrsquoon regarde par exemple la distance moyenne entre le concept de camion et le concept drsquoavion de bus de camionnettehellip on voit une chose inteacuteressante crsquoest que veacutehicule qui serait typiquement un pegravere des autres nrsquoest pourtant est plus loin de camion que certains de ses fregraveres et plus proche que drsquoautres sur un arbre simple avec seulement ces concepts crsquoest impossible agrave faire il faut soit modifier les concepts pour mettre des classes abstraites soit modifier les liens pour permettre drsquoautres parcours par exemple en reacuteifiant les liens aux fregraveres13

intension amp intention dusageutilisables dans un mecircme graphe concis

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

Technologie

AppareilReacuteseau

Sans-fil

WifiGSM

Teacuteleacutephone

Cellulaire

connexion

sous‐type‐et‐signature

46

Preacutesentateur
Commentaires de preacutesentation
concernant la double conception espace et meacutetrique je donne ici un exemple drsquoune approche que jrsquoessaie de systeacutematiser ougrave lrsquoon donne deux deacutefinitions formelles13une deacutefinition formelle de lrsquoespace13une deacutefinition formelle de la meacutetrique13Ici je mrsquointeacuteresse agrave eacutelargir les parcours possibles dans lrsquoontologie agrave drsquoautres graphes que celui de la hieacuterarchie des types et dans cette exemple jrsquoinclus les signatures des relations crsquoest-agrave-dire les types drsquoobjets qui peuvent ecirctre relieacutes par une relation13La meacutetrique reste la mecircme

intension amp intention dusagedeacutesambiguumliser lextraction de termes

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

5000

6000

7000

8000

9000

[Khelif et al]wclass 02wprop 04wsig 04

47

Preacutesentateur
Commentaires de preacutesentation
En incluant des poids dans la deacutefinition de lrsquoespace on peut passer progressivement drsquoune distance nrsquoutilisant que la hieacuterarchie agrave une distance nrsquoutilisant que les signatures13En appliquant cette distance agrave la deacutesambiguumlisation de termes extraits drsquoun texte (ie pour retrouver le sens dans lequel un terme est utiliseacute) on voit ici qursquoune distance hybride capable de combiner les deux espaces se comporte mieux que lrsquoune ou lrsquoautre des distances extrecircmes

4 le

ressources

des

distribueacutees

problegraveme

48

Preacutesentateur
Commentaires de preacutesentation
Nous avons vu que nous travaillons sur des meacutemoires qui utilisent le web seacutemantique dans leur mateacuterialisation et pour lesquelles la repreacutesentation et le traitement agrave base de graphes fournissaient eacutenormeacutement drsquoatouts13Cependant le contenu et les traitements de ces meacutemoires ne sont pas forceacutement sur la mecircme machine

graphesdistribueacutes

49

Preacutesentateur
Commentaires de preacutesentation
Le premier problegraveme qui peut se poser crsquoest si mes graphes ne sont pas sur la mecircme machine13Si mes triplets RDF mes arcs viennent de diffeacuterents endroits

serveursquelques

RDF

RDF

RDF

RDF

SPARQL

application web

service web

identiques

service web

service web

50

Preacutesentateur
Commentaires de preacutesentation
Nous avons consideacutereacute un cas classique en entreprise ou il y a une liste connue restreinte et stable de serveurs

broadcasteacuteviter le

51

52

index de serveurcaracteacuteriser son contenu les eacutetoiles et les chemins

53

annotation

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

54

Preacutesentateur
Commentaires de preacutesentation
voici une annotation simplifieacutee drsquoun document dans le projet SevenPro concernant la conception drsquoune voiture

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 38: HDR

relaxer une contrainte de typage

camion

voiture

voiture(x) camion(x)

t1(x)rArrt2(x) rarr d(t1t2)ltseuil

sum neisin ⎥⎦⎤

⎢⎣⎡=leisinforall

121 )(21212

21 21)( aon )(

ttttt tdepthHc ttlttHttc

( ))()(min)( aon )( 21212

21 21ttlttlttdistHtt

cc HHttttc +=isinforall gege

38

Preacutesentateur
Commentaires de preacutesentation
Srsquoil nrsquoexiste pas de reacuteponse exacte on peut srsquointeacuteresser agrave remplacer les contraintes logiques entre les types par des contraintes numeacuteriques sur une distance entre ces types13Ici par exemple on considegravere un arbre de types et la longueur minimal des chemins seacuteparant les deux types sachant que les arcs sont exponentiellement plus courts qursquoils sont profonds dans lrsquoarbre13Et en fixant un seuil on va pouvoir controcircler les approximations que lrsquoon fait sur les types13

organiserun tas dobjets

39

Preacutesentateur
Commentaires de preacutesentation
deuxiegraveme exemple de besoin pour ces distances pour organiser et grouper des descriptions lorsque nos bases de graphes deviennent grandes et que lrsquoon veut avoir une ideacutee de ce qursquoelles contiennent

organiserdes compeacutetences

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

40

Preacutesentateur
Commentaires de preacutesentation
Dans le projet KmP preacutesenteacute au deacutebut les entreprises deacutecrivent leurs compeacutetences agrave lrsquoaide drsquoune ontologie13A lrsquoautre bout de la chaine les deacutecideurs et la reacutegion aimeraient savoir qursquoelles sont les compeacutetences preacutesentes sur Sophia13Pour cela nos collegravegues en gestion construisent des repreacutesentations comme celle-ci des groupes ou clusters des compeacutetences compleacutementaires ou similaires sur Sophia13Question avec quoi peut-on construire ces groupes13Reacuteponse avec une distance permettant de savoir lesquelles sont proches et lesquelles ne le sont pas13

organiserdes compeacutetences

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

1)(1)(2))((21 2121 21

21

21)( minusminusminus minusminus= tdepthtdepthttlcstdepthttdist

( )( ) 2121)(21 quand )(max)(21

ttttlcststdistttdistttlcststCH ne=

leforall

2121 quand 0)( ttttdistCH ==

A B C D H IGFE M NLKJ255

75

175

0

41

Preacutesentateur
Commentaires de preacutesentation
Derriegravere ces cluster il y a une structure que lrsquoon appelle un dendrogramme qui permet de choisir le niveau de regroupement souhaiteacute13Ce dendrograme correspond agrave une ultra-meacutetrique crsquoest-agrave-dire une distance pour laquelle lrsquoineacutegaliteacute triangulaire est sur-contrainte13Ce que jrsquoai proposeacute ici crsquoest une transformation de la distance sur un arbre de types dans lrsquoontologie agrave une ultra meacutetrique permettant de reproduire les groupements faits par les gestionnaires13

42

Preacutesentateur
Commentaires de preacutesentation
Voilagrave alors ce que lrsquoon peut produire en choisissant un niveau de deacutetail une vue radar des compeacutetences sur Sophia ici dans le domaine du logiciel avec un zoom sur les compeacutetences cœurs qui sont eacutevidemment proche du domaine des reacuteseaux

seacuteparer deux aspects

meacutetaphore matheacutematiqueles laquo distances raquo au naturel

simulations informatiquesespaces amp meacutetriques double conception

43

Preacutesentateur
Commentaires de preacutesentation
agrave ce stade jrsquoai voulu seacuteparer et travailler en parallegravele sur deux aspects des distances13le fait que lrsquoon utilise peut-ecirctre abusivement de terme distance et que cette meacutetaphore a peut-ecirctre ses limites13le fait ce que lrsquoon construit vraiment ce sont des espaces meacutetriques et qursquoil srsquoagit donc drsquoune double conception

tester les laquo distances raquo au naturel

44

Preacutesentateur
Commentaires de preacutesentation
Pour comprendre un peu mieux les distances je donne ici un exemple drsquoexpeacuterience simple que jrsquoai encadreacutee on demande ici agrave lrsquoutilisateur de positionner des concepts de faccedilon agrave ce qursquoils soient geacuteomeacutetriquement proches srsquoils sont seacutemantiquement proches Lrsquoexpeacuterience a eacuteteacute faite avec plus drsquoune trentaine de personnes de tous horizons13

tester les distances au naturel

camion

45

Preacutesentateur
Commentaires de preacutesentation
En suite si lrsquoon regarde par exemple la distance moyenne entre le concept de camion et le concept drsquoavion de bus de camionnettehellip on voit une chose inteacuteressante crsquoest que veacutehicule qui serait typiquement un pegravere des autres nrsquoest pourtant est plus loin de camion que certains de ses fregraveres et plus proche que drsquoautres sur un arbre simple avec seulement ces concepts crsquoest impossible agrave faire il faut soit modifier les concepts pour mettre des classes abstraites soit modifier les liens pour permettre drsquoautres parcours par exemple en reacuteifiant les liens aux fregraveres13

intension amp intention dusageutilisables dans un mecircme graphe concis

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

Technologie

AppareilReacuteseau

Sans-fil

WifiGSM

Teacuteleacutephone

Cellulaire

connexion

sous‐type‐et‐signature

46

Preacutesentateur
Commentaires de preacutesentation
concernant la double conception espace et meacutetrique je donne ici un exemple drsquoune approche que jrsquoessaie de systeacutematiser ougrave lrsquoon donne deux deacutefinitions formelles13une deacutefinition formelle de lrsquoespace13une deacutefinition formelle de la meacutetrique13Ici je mrsquointeacuteresse agrave eacutelargir les parcours possibles dans lrsquoontologie agrave drsquoautres graphes que celui de la hieacuterarchie des types et dans cette exemple jrsquoinclus les signatures des relations crsquoest-agrave-dire les types drsquoobjets qui peuvent ecirctre relieacutes par une relation13La meacutetrique reste la mecircme

intension amp intention dusagedeacutesambiguumliser lextraction de termes

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

5000

6000

7000

8000

9000

[Khelif et al]wclass 02wprop 04wsig 04

47

Preacutesentateur
Commentaires de preacutesentation
En incluant des poids dans la deacutefinition de lrsquoespace on peut passer progressivement drsquoune distance nrsquoutilisant que la hieacuterarchie agrave une distance nrsquoutilisant que les signatures13En appliquant cette distance agrave la deacutesambiguumlisation de termes extraits drsquoun texte (ie pour retrouver le sens dans lequel un terme est utiliseacute) on voit ici qursquoune distance hybride capable de combiner les deux espaces se comporte mieux que lrsquoune ou lrsquoautre des distances extrecircmes

4 le

ressources

des

distribueacutees

problegraveme

48

Preacutesentateur
Commentaires de preacutesentation
Nous avons vu que nous travaillons sur des meacutemoires qui utilisent le web seacutemantique dans leur mateacuterialisation et pour lesquelles la repreacutesentation et le traitement agrave base de graphes fournissaient eacutenormeacutement drsquoatouts13Cependant le contenu et les traitements de ces meacutemoires ne sont pas forceacutement sur la mecircme machine

graphesdistribueacutes

49

Preacutesentateur
Commentaires de preacutesentation
Le premier problegraveme qui peut se poser crsquoest si mes graphes ne sont pas sur la mecircme machine13Si mes triplets RDF mes arcs viennent de diffeacuterents endroits

serveursquelques

RDF

RDF

RDF

RDF

SPARQL

application web

service web

identiques

service web

service web

50

Preacutesentateur
Commentaires de preacutesentation
Nous avons consideacutereacute un cas classique en entreprise ou il y a une liste connue restreinte et stable de serveurs

broadcasteacuteviter le

51

52

index de serveurcaracteacuteriser son contenu les eacutetoiles et les chemins

53

annotation

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

54

Preacutesentateur
Commentaires de preacutesentation
voici une annotation simplifieacutee drsquoun document dans le projet SevenPro concernant la conception drsquoune voiture

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 39: HDR

organiserun tas dobjets

39

Preacutesentateur
Commentaires de preacutesentation
deuxiegraveme exemple de besoin pour ces distances pour organiser et grouper des descriptions lorsque nos bases de graphes deviennent grandes et que lrsquoon veut avoir une ideacutee de ce qursquoelles contiennent

organiserdes compeacutetences

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

40

Preacutesentateur
Commentaires de preacutesentation
Dans le projet KmP preacutesenteacute au deacutebut les entreprises deacutecrivent leurs compeacutetences agrave lrsquoaide drsquoune ontologie13A lrsquoautre bout de la chaine les deacutecideurs et la reacutegion aimeraient savoir qursquoelles sont les compeacutetences preacutesentes sur Sophia13Pour cela nos collegravegues en gestion construisent des repreacutesentations comme celle-ci des groupes ou clusters des compeacutetences compleacutementaires ou similaires sur Sophia13Question avec quoi peut-on construire ces groupes13Reacuteponse avec une distance permettant de savoir lesquelles sont proches et lesquelles ne le sont pas13

organiserdes compeacutetences

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

1)(1)(2))((21 2121 21

21

21)( minusminusminus minusminus= tdepthtdepthttlcstdepthttdist

( )( ) 2121)(21 quand )(max)(21

ttttlcststdistttdistttlcststCH ne=

leforall

2121 quand 0)( ttttdistCH ==

A B C D H IGFE M NLKJ255

75

175

0

41

Preacutesentateur
Commentaires de preacutesentation
Derriegravere ces cluster il y a une structure que lrsquoon appelle un dendrogramme qui permet de choisir le niveau de regroupement souhaiteacute13Ce dendrograme correspond agrave une ultra-meacutetrique crsquoest-agrave-dire une distance pour laquelle lrsquoineacutegaliteacute triangulaire est sur-contrainte13Ce que jrsquoai proposeacute ici crsquoest une transformation de la distance sur un arbre de types dans lrsquoontologie agrave une ultra meacutetrique permettant de reproduire les groupements faits par les gestionnaires13

42

Preacutesentateur
Commentaires de preacutesentation
Voilagrave alors ce que lrsquoon peut produire en choisissant un niveau de deacutetail une vue radar des compeacutetences sur Sophia ici dans le domaine du logiciel avec un zoom sur les compeacutetences cœurs qui sont eacutevidemment proche du domaine des reacuteseaux

seacuteparer deux aspects

meacutetaphore matheacutematiqueles laquo distances raquo au naturel

simulations informatiquesespaces amp meacutetriques double conception

43

Preacutesentateur
Commentaires de preacutesentation
agrave ce stade jrsquoai voulu seacuteparer et travailler en parallegravele sur deux aspects des distances13le fait que lrsquoon utilise peut-ecirctre abusivement de terme distance et que cette meacutetaphore a peut-ecirctre ses limites13le fait ce que lrsquoon construit vraiment ce sont des espaces meacutetriques et qursquoil srsquoagit donc drsquoune double conception

tester les laquo distances raquo au naturel

44

Preacutesentateur
Commentaires de preacutesentation
Pour comprendre un peu mieux les distances je donne ici un exemple drsquoexpeacuterience simple que jrsquoai encadreacutee on demande ici agrave lrsquoutilisateur de positionner des concepts de faccedilon agrave ce qursquoils soient geacuteomeacutetriquement proches srsquoils sont seacutemantiquement proches Lrsquoexpeacuterience a eacuteteacute faite avec plus drsquoune trentaine de personnes de tous horizons13

tester les distances au naturel

camion

45

Preacutesentateur
Commentaires de preacutesentation
En suite si lrsquoon regarde par exemple la distance moyenne entre le concept de camion et le concept drsquoavion de bus de camionnettehellip on voit une chose inteacuteressante crsquoest que veacutehicule qui serait typiquement un pegravere des autres nrsquoest pourtant est plus loin de camion que certains de ses fregraveres et plus proche que drsquoautres sur un arbre simple avec seulement ces concepts crsquoest impossible agrave faire il faut soit modifier les concepts pour mettre des classes abstraites soit modifier les liens pour permettre drsquoautres parcours par exemple en reacuteifiant les liens aux fregraveres13

intension amp intention dusageutilisables dans un mecircme graphe concis

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

Technologie

AppareilReacuteseau

Sans-fil

WifiGSM

Teacuteleacutephone

Cellulaire

connexion

sous‐type‐et‐signature

46

Preacutesentateur
Commentaires de preacutesentation
concernant la double conception espace et meacutetrique je donne ici un exemple drsquoune approche que jrsquoessaie de systeacutematiser ougrave lrsquoon donne deux deacutefinitions formelles13une deacutefinition formelle de lrsquoespace13une deacutefinition formelle de la meacutetrique13Ici je mrsquointeacuteresse agrave eacutelargir les parcours possibles dans lrsquoontologie agrave drsquoautres graphes que celui de la hieacuterarchie des types et dans cette exemple jrsquoinclus les signatures des relations crsquoest-agrave-dire les types drsquoobjets qui peuvent ecirctre relieacutes par une relation13La meacutetrique reste la mecircme

intension amp intention dusagedeacutesambiguumliser lextraction de termes

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

5000

6000

7000

8000

9000

[Khelif et al]wclass 02wprop 04wsig 04

47

Preacutesentateur
Commentaires de preacutesentation
En incluant des poids dans la deacutefinition de lrsquoespace on peut passer progressivement drsquoune distance nrsquoutilisant que la hieacuterarchie agrave une distance nrsquoutilisant que les signatures13En appliquant cette distance agrave la deacutesambiguumlisation de termes extraits drsquoun texte (ie pour retrouver le sens dans lequel un terme est utiliseacute) on voit ici qursquoune distance hybride capable de combiner les deux espaces se comporte mieux que lrsquoune ou lrsquoautre des distances extrecircmes

4 le

ressources

des

distribueacutees

problegraveme

48

Preacutesentateur
Commentaires de preacutesentation
Nous avons vu que nous travaillons sur des meacutemoires qui utilisent le web seacutemantique dans leur mateacuterialisation et pour lesquelles la repreacutesentation et le traitement agrave base de graphes fournissaient eacutenormeacutement drsquoatouts13Cependant le contenu et les traitements de ces meacutemoires ne sont pas forceacutement sur la mecircme machine

graphesdistribueacutes

49

Preacutesentateur
Commentaires de preacutesentation
Le premier problegraveme qui peut se poser crsquoest si mes graphes ne sont pas sur la mecircme machine13Si mes triplets RDF mes arcs viennent de diffeacuterents endroits

serveursquelques

RDF

RDF

RDF

RDF

SPARQL

application web

service web

identiques

service web

service web

50

Preacutesentateur
Commentaires de preacutesentation
Nous avons consideacutereacute un cas classique en entreprise ou il y a une liste connue restreinte et stable de serveurs

broadcasteacuteviter le

51

52

index de serveurcaracteacuteriser son contenu les eacutetoiles et les chemins

53

annotation

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

54

Preacutesentateur
Commentaires de preacutesentation
voici une annotation simplifieacutee drsquoun document dans le projet SevenPro concernant la conception drsquoune voiture

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 40: HDR

organiserdes compeacutetences

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Market SI Market IT Applications

Clusters (groups of bubbles) represent complementary competencies ie similar from technology stand point

Bubbles (circles) represent similar competences their size represent their frequency

Market Telecoms

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

40

Preacutesentateur
Commentaires de preacutesentation
Dans le projet KmP preacutesenteacute au deacutebut les entreprises deacutecrivent leurs compeacutetences agrave lrsquoaide drsquoune ontologie13A lrsquoautre bout de la chaine les deacutecideurs et la reacutegion aimeraient savoir qursquoelles sont les compeacutetences preacutesentes sur Sophia13Pour cela nos collegravegues en gestion construisent des repreacutesentations comme celle-ci des groupes ou clusters des compeacutetences compleacutementaires ou similaires sur Sophia13Question avec quoi peut-on construire ces groupes13Reacuteponse avec une distance permettant de savoir lesquelles sont proches et lesquelles ne le sont pas13

organiserdes compeacutetences

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

1)(1)(2))((21 2121 21

21

21)( minusminusminus minusminus= tdepthtdepthttlcstdepthttdist

( )( ) 2121)(21 quand )(max)(21

ttttlcststdistttdistttlcststCH ne=

leforall

2121 quand 0)( ttttdistCH ==

A B C D H IGFE M NLKJ255

75

175

0

41

Preacutesentateur
Commentaires de preacutesentation
Derriegravere ces cluster il y a une structure que lrsquoon appelle un dendrogramme qui permet de choisir le niveau de regroupement souhaiteacute13Ce dendrograme correspond agrave une ultra-meacutetrique crsquoest-agrave-dire une distance pour laquelle lrsquoineacutegaliteacute triangulaire est sur-contrainte13Ce que jrsquoai proposeacute ici crsquoest une transformation de la distance sur un arbre de types dans lrsquoontologie agrave une ultra meacutetrique permettant de reproduire les groupements faits par les gestionnaires13

42

Preacutesentateur
Commentaires de preacutesentation
Voilagrave alors ce que lrsquoon peut produire en choisissant un niveau de deacutetail une vue radar des compeacutetences sur Sophia ici dans le domaine du logiciel avec un zoom sur les compeacutetences cœurs qui sont eacutevidemment proche du domaine des reacuteseaux

seacuteparer deux aspects

meacutetaphore matheacutematiqueles laquo distances raquo au naturel

simulations informatiquesespaces amp meacutetriques double conception

43

Preacutesentateur
Commentaires de preacutesentation
agrave ce stade jrsquoai voulu seacuteparer et travailler en parallegravele sur deux aspects des distances13le fait que lrsquoon utilise peut-ecirctre abusivement de terme distance et que cette meacutetaphore a peut-ecirctre ses limites13le fait ce que lrsquoon construit vraiment ce sont des espaces meacutetriques et qursquoil srsquoagit donc drsquoune double conception

tester les laquo distances raquo au naturel

44

Preacutesentateur
Commentaires de preacutesentation
Pour comprendre un peu mieux les distances je donne ici un exemple drsquoexpeacuterience simple que jrsquoai encadreacutee on demande ici agrave lrsquoutilisateur de positionner des concepts de faccedilon agrave ce qursquoils soient geacuteomeacutetriquement proches srsquoils sont seacutemantiquement proches Lrsquoexpeacuterience a eacuteteacute faite avec plus drsquoune trentaine de personnes de tous horizons13

tester les distances au naturel

camion

45

Preacutesentateur
Commentaires de preacutesentation
En suite si lrsquoon regarde par exemple la distance moyenne entre le concept de camion et le concept drsquoavion de bus de camionnettehellip on voit une chose inteacuteressante crsquoest que veacutehicule qui serait typiquement un pegravere des autres nrsquoest pourtant est plus loin de camion que certains de ses fregraveres et plus proche que drsquoautres sur un arbre simple avec seulement ces concepts crsquoest impossible agrave faire il faut soit modifier les concepts pour mettre des classes abstraites soit modifier les liens pour permettre drsquoautres parcours par exemple en reacuteifiant les liens aux fregraveres13

intension amp intention dusageutilisables dans un mecircme graphe concis

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

Technologie

AppareilReacuteseau

Sans-fil

WifiGSM

Teacuteleacutephone

Cellulaire

connexion

sous‐type‐et‐signature

46

Preacutesentateur
Commentaires de preacutesentation
concernant la double conception espace et meacutetrique je donne ici un exemple drsquoune approche que jrsquoessaie de systeacutematiser ougrave lrsquoon donne deux deacutefinitions formelles13une deacutefinition formelle de lrsquoespace13une deacutefinition formelle de la meacutetrique13Ici je mrsquointeacuteresse agrave eacutelargir les parcours possibles dans lrsquoontologie agrave drsquoautres graphes que celui de la hieacuterarchie des types et dans cette exemple jrsquoinclus les signatures des relations crsquoest-agrave-dire les types drsquoobjets qui peuvent ecirctre relieacutes par une relation13La meacutetrique reste la mecircme

intension amp intention dusagedeacutesambiguumliser lextraction de termes

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

5000

6000

7000

8000

9000

[Khelif et al]wclass 02wprop 04wsig 04

47

Preacutesentateur
Commentaires de preacutesentation
En incluant des poids dans la deacutefinition de lrsquoespace on peut passer progressivement drsquoune distance nrsquoutilisant que la hieacuterarchie agrave une distance nrsquoutilisant que les signatures13En appliquant cette distance agrave la deacutesambiguumlisation de termes extraits drsquoun texte (ie pour retrouver le sens dans lequel un terme est utiliseacute) on voit ici qursquoune distance hybride capable de combiner les deux espaces se comporte mieux que lrsquoune ou lrsquoautre des distances extrecircmes

4 le

ressources

des

distribueacutees

problegraveme

48

Preacutesentateur
Commentaires de preacutesentation
Nous avons vu que nous travaillons sur des meacutemoires qui utilisent le web seacutemantique dans leur mateacuterialisation et pour lesquelles la repreacutesentation et le traitement agrave base de graphes fournissaient eacutenormeacutement drsquoatouts13Cependant le contenu et les traitements de ces meacutemoires ne sont pas forceacutement sur la mecircme machine

graphesdistribueacutes

49

Preacutesentateur
Commentaires de preacutesentation
Le premier problegraveme qui peut se poser crsquoest si mes graphes ne sont pas sur la mecircme machine13Si mes triplets RDF mes arcs viennent de diffeacuterents endroits

serveursquelques

RDF

RDF

RDF

RDF

SPARQL

application web

service web

identiques

service web

service web

50

Preacutesentateur
Commentaires de preacutesentation
Nous avons consideacutereacute un cas classique en entreprise ou il y a une liste connue restreinte et stable de serveurs

broadcasteacuteviter le

51

52

index de serveurcaracteacuteriser son contenu les eacutetoiles et les chemins

53

annotation

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

54

Preacutesentateur
Commentaires de preacutesentation
voici une annotation simplifieacutee drsquoun document dans le projet SevenPro concernant la conception drsquoune voiture

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 41: HDR

organiserdes compeacutetences

Prof 2

Prof 12

Racines (38 termes)

Compeacutetences (36 termes)

Echanges (70 termes)

Actions (116 termes)

Deacutelivrables (145 termes)

Sys Offres (120 termes)

Ressources (616 termes)

Prof 2

+41 +180+3 +43

1)(1)(2))((21 2121 21

21

21)( minusminusminus minusminus= tdepthtdepthttlcstdepthttdist

( )( ) 2121)(21 quand )(max)(21

ttttlcststdistttdistttlcststCH ne=

leforall

2121 quand 0)( ttttdistCH ==

A B C D H IGFE M NLKJ255

75

175

0

41

Preacutesentateur
Commentaires de preacutesentation
Derriegravere ces cluster il y a une structure que lrsquoon appelle un dendrogramme qui permet de choisir le niveau de regroupement souhaiteacute13Ce dendrograme correspond agrave une ultra-meacutetrique crsquoest-agrave-dire une distance pour laquelle lrsquoineacutegaliteacute triangulaire est sur-contrainte13Ce que jrsquoai proposeacute ici crsquoest une transformation de la distance sur un arbre de types dans lrsquoontologie agrave une ultra meacutetrique permettant de reproduire les groupements faits par les gestionnaires13

42

Preacutesentateur
Commentaires de preacutesentation
Voilagrave alors ce que lrsquoon peut produire en choisissant un niveau de deacutetail une vue radar des compeacutetences sur Sophia ici dans le domaine du logiciel avec un zoom sur les compeacutetences cœurs qui sont eacutevidemment proche du domaine des reacuteseaux

seacuteparer deux aspects

meacutetaphore matheacutematiqueles laquo distances raquo au naturel

simulations informatiquesespaces amp meacutetriques double conception

43

Preacutesentateur
Commentaires de preacutesentation
agrave ce stade jrsquoai voulu seacuteparer et travailler en parallegravele sur deux aspects des distances13le fait que lrsquoon utilise peut-ecirctre abusivement de terme distance et que cette meacutetaphore a peut-ecirctre ses limites13le fait ce que lrsquoon construit vraiment ce sont des espaces meacutetriques et qursquoil srsquoagit donc drsquoune double conception

tester les laquo distances raquo au naturel

44

Preacutesentateur
Commentaires de preacutesentation
Pour comprendre un peu mieux les distances je donne ici un exemple drsquoexpeacuterience simple que jrsquoai encadreacutee on demande ici agrave lrsquoutilisateur de positionner des concepts de faccedilon agrave ce qursquoils soient geacuteomeacutetriquement proches srsquoils sont seacutemantiquement proches Lrsquoexpeacuterience a eacuteteacute faite avec plus drsquoune trentaine de personnes de tous horizons13

tester les distances au naturel

camion

45

Preacutesentateur
Commentaires de preacutesentation
En suite si lrsquoon regarde par exemple la distance moyenne entre le concept de camion et le concept drsquoavion de bus de camionnettehellip on voit une chose inteacuteressante crsquoest que veacutehicule qui serait typiquement un pegravere des autres nrsquoest pourtant est plus loin de camion que certains de ses fregraveres et plus proche que drsquoautres sur un arbre simple avec seulement ces concepts crsquoest impossible agrave faire il faut soit modifier les concepts pour mettre des classes abstraites soit modifier les liens pour permettre drsquoautres parcours par exemple en reacuteifiant les liens aux fregraveres13

intension amp intention dusageutilisables dans un mecircme graphe concis

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

Technologie

AppareilReacuteseau

Sans-fil

WifiGSM

Teacuteleacutephone

Cellulaire

connexion

sous‐type‐et‐signature

46

Preacutesentateur
Commentaires de preacutesentation
concernant la double conception espace et meacutetrique je donne ici un exemple drsquoune approche que jrsquoessaie de systeacutematiser ougrave lrsquoon donne deux deacutefinitions formelles13une deacutefinition formelle de lrsquoespace13une deacutefinition formelle de la meacutetrique13Ici je mrsquointeacuteresse agrave eacutelargir les parcours possibles dans lrsquoontologie agrave drsquoautres graphes que celui de la hieacuterarchie des types et dans cette exemple jrsquoinclus les signatures des relations crsquoest-agrave-dire les types drsquoobjets qui peuvent ecirctre relieacutes par une relation13La meacutetrique reste la mecircme

intension amp intention dusagedeacutesambiguumliser lextraction de termes

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

5000

6000

7000

8000

9000

[Khelif et al]wclass 02wprop 04wsig 04

47

Preacutesentateur
Commentaires de preacutesentation
En incluant des poids dans la deacutefinition de lrsquoespace on peut passer progressivement drsquoune distance nrsquoutilisant que la hieacuterarchie agrave une distance nrsquoutilisant que les signatures13En appliquant cette distance agrave la deacutesambiguumlisation de termes extraits drsquoun texte (ie pour retrouver le sens dans lequel un terme est utiliseacute) on voit ici qursquoune distance hybride capable de combiner les deux espaces se comporte mieux que lrsquoune ou lrsquoautre des distances extrecircmes

4 le

ressources

des

distribueacutees

problegraveme

48

Preacutesentateur
Commentaires de preacutesentation
Nous avons vu que nous travaillons sur des meacutemoires qui utilisent le web seacutemantique dans leur mateacuterialisation et pour lesquelles la repreacutesentation et le traitement agrave base de graphes fournissaient eacutenormeacutement drsquoatouts13Cependant le contenu et les traitements de ces meacutemoires ne sont pas forceacutement sur la mecircme machine

graphesdistribueacutes

49

Preacutesentateur
Commentaires de preacutesentation
Le premier problegraveme qui peut se poser crsquoest si mes graphes ne sont pas sur la mecircme machine13Si mes triplets RDF mes arcs viennent de diffeacuterents endroits

serveursquelques

RDF

RDF

RDF

RDF

SPARQL

application web

service web

identiques

service web

service web

50

Preacutesentateur
Commentaires de preacutesentation
Nous avons consideacutereacute un cas classique en entreprise ou il y a une liste connue restreinte et stable de serveurs

broadcasteacuteviter le

51

52

index de serveurcaracteacuteriser son contenu les eacutetoiles et les chemins

53

annotation

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

54

Preacutesentateur
Commentaires de preacutesentation
voici une annotation simplifieacutee drsquoun document dans le projet SevenPro concernant la conception drsquoune voiture

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 42: HDR

42

Preacutesentateur
Commentaires de preacutesentation
Voilagrave alors ce que lrsquoon peut produire en choisissant un niveau de deacutetail une vue radar des compeacutetences sur Sophia ici dans le domaine du logiciel avec un zoom sur les compeacutetences cœurs qui sont eacutevidemment proche du domaine des reacuteseaux

seacuteparer deux aspects

meacutetaphore matheacutematiqueles laquo distances raquo au naturel

simulations informatiquesespaces amp meacutetriques double conception

43

Preacutesentateur
Commentaires de preacutesentation
agrave ce stade jrsquoai voulu seacuteparer et travailler en parallegravele sur deux aspects des distances13le fait que lrsquoon utilise peut-ecirctre abusivement de terme distance et que cette meacutetaphore a peut-ecirctre ses limites13le fait ce que lrsquoon construit vraiment ce sont des espaces meacutetriques et qursquoil srsquoagit donc drsquoune double conception

tester les laquo distances raquo au naturel

44

Preacutesentateur
Commentaires de preacutesentation
Pour comprendre un peu mieux les distances je donne ici un exemple drsquoexpeacuterience simple que jrsquoai encadreacutee on demande ici agrave lrsquoutilisateur de positionner des concepts de faccedilon agrave ce qursquoils soient geacuteomeacutetriquement proches srsquoils sont seacutemantiquement proches Lrsquoexpeacuterience a eacuteteacute faite avec plus drsquoune trentaine de personnes de tous horizons13

tester les distances au naturel

camion

45

Preacutesentateur
Commentaires de preacutesentation
En suite si lrsquoon regarde par exemple la distance moyenne entre le concept de camion et le concept drsquoavion de bus de camionnettehellip on voit une chose inteacuteressante crsquoest que veacutehicule qui serait typiquement un pegravere des autres nrsquoest pourtant est plus loin de camion que certains de ses fregraveres et plus proche que drsquoautres sur un arbre simple avec seulement ces concepts crsquoest impossible agrave faire il faut soit modifier les concepts pour mettre des classes abstraites soit modifier les liens pour permettre drsquoautres parcours par exemple en reacuteifiant les liens aux fregraveres13

intension amp intention dusageutilisables dans un mecircme graphe concis

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

Technologie

AppareilReacuteseau

Sans-fil

WifiGSM

Teacuteleacutephone

Cellulaire

connexion

sous‐type‐et‐signature

46

Preacutesentateur
Commentaires de preacutesentation
concernant la double conception espace et meacutetrique je donne ici un exemple drsquoune approche que jrsquoessaie de systeacutematiser ougrave lrsquoon donne deux deacutefinitions formelles13une deacutefinition formelle de lrsquoespace13une deacutefinition formelle de la meacutetrique13Ici je mrsquointeacuteresse agrave eacutelargir les parcours possibles dans lrsquoontologie agrave drsquoautres graphes que celui de la hieacuterarchie des types et dans cette exemple jrsquoinclus les signatures des relations crsquoest-agrave-dire les types drsquoobjets qui peuvent ecirctre relieacutes par une relation13La meacutetrique reste la mecircme

intension amp intention dusagedeacutesambiguumliser lextraction de termes

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

5000

6000

7000

8000

9000

[Khelif et al]wclass 02wprop 04wsig 04

47

Preacutesentateur
Commentaires de preacutesentation
En incluant des poids dans la deacutefinition de lrsquoespace on peut passer progressivement drsquoune distance nrsquoutilisant que la hieacuterarchie agrave une distance nrsquoutilisant que les signatures13En appliquant cette distance agrave la deacutesambiguumlisation de termes extraits drsquoun texte (ie pour retrouver le sens dans lequel un terme est utiliseacute) on voit ici qursquoune distance hybride capable de combiner les deux espaces se comporte mieux que lrsquoune ou lrsquoautre des distances extrecircmes

4 le

ressources

des

distribueacutees

problegraveme

48

Preacutesentateur
Commentaires de preacutesentation
Nous avons vu que nous travaillons sur des meacutemoires qui utilisent le web seacutemantique dans leur mateacuterialisation et pour lesquelles la repreacutesentation et le traitement agrave base de graphes fournissaient eacutenormeacutement drsquoatouts13Cependant le contenu et les traitements de ces meacutemoires ne sont pas forceacutement sur la mecircme machine

graphesdistribueacutes

49

Preacutesentateur
Commentaires de preacutesentation
Le premier problegraveme qui peut se poser crsquoest si mes graphes ne sont pas sur la mecircme machine13Si mes triplets RDF mes arcs viennent de diffeacuterents endroits

serveursquelques

RDF

RDF

RDF

RDF

SPARQL

application web

service web

identiques

service web

service web

50

Preacutesentateur
Commentaires de preacutesentation
Nous avons consideacutereacute un cas classique en entreprise ou il y a une liste connue restreinte et stable de serveurs

broadcasteacuteviter le

51

52

index de serveurcaracteacuteriser son contenu les eacutetoiles et les chemins

53

annotation

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

54

Preacutesentateur
Commentaires de preacutesentation
voici une annotation simplifieacutee drsquoun document dans le projet SevenPro concernant la conception drsquoune voiture

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 43: HDR

seacuteparer deux aspects

meacutetaphore matheacutematiqueles laquo distances raquo au naturel

simulations informatiquesespaces amp meacutetriques double conception

43

Preacutesentateur
Commentaires de preacutesentation
agrave ce stade jrsquoai voulu seacuteparer et travailler en parallegravele sur deux aspects des distances13le fait que lrsquoon utilise peut-ecirctre abusivement de terme distance et que cette meacutetaphore a peut-ecirctre ses limites13le fait ce que lrsquoon construit vraiment ce sont des espaces meacutetriques et qursquoil srsquoagit donc drsquoune double conception

tester les laquo distances raquo au naturel

44

Preacutesentateur
Commentaires de preacutesentation
Pour comprendre un peu mieux les distances je donne ici un exemple drsquoexpeacuterience simple que jrsquoai encadreacutee on demande ici agrave lrsquoutilisateur de positionner des concepts de faccedilon agrave ce qursquoils soient geacuteomeacutetriquement proches srsquoils sont seacutemantiquement proches Lrsquoexpeacuterience a eacuteteacute faite avec plus drsquoune trentaine de personnes de tous horizons13

tester les distances au naturel

camion

45

Preacutesentateur
Commentaires de preacutesentation
En suite si lrsquoon regarde par exemple la distance moyenne entre le concept de camion et le concept drsquoavion de bus de camionnettehellip on voit une chose inteacuteressante crsquoest que veacutehicule qui serait typiquement un pegravere des autres nrsquoest pourtant est plus loin de camion que certains de ses fregraveres et plus proche que drsquoautres sur un arbre simple avec seulement ces concepts crsquoest impossible agrave faire il faut soit modifier les concepts pour mettre des classes abstraites soit modifier les liens pour permettre drsquoautres parcours par exemple en reacuteifiant les liens aux fregraveres13

intension amp intention dusageutilisables dans un mecircme graphe concis

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

Technologie

AppareilReacuteseau

Sans-fil

WifiGSM

Teacuteleacutephone

Cellulaire

connexion

sous‐type‐et‐signature

46

Preacutesentateur
Commentaires de preacutesentation
concernant la double conception espace et meacutetrique je donne ici un exemple drsquoune approche que jrsquoessaie de systeacutematiser ougrave lrsquoon donne deux deacutefinitions formelles13une deacutefinition formelle de lrsquoespace13une deacutefinition formelle de la meacutetrique13Ici je mrsquointeacuteresse agrave eacutelargir les parcours possibles dans lrsquoontologie agrave drsquoautres graphes que celui de la hieacuterarchie des types et dans cette exemple jrsquoinclus les signatures des relations crsquoest-agrave-dire les types drsquoobjets qui peuvent ecirctre relieacutes par une relation13La meacutetrique reste la mecircme

intension amp intention dusagedeacutesambiguumliser lextraction de termes

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

5000

6000

7000

8000

9000

[Khelif et al]wclass 02wprop 04wsig 04

47

Preacutesentateur
Commentaires de preacutesentation
En incluant des poids dans la deacutefinition de lrsquoespace on peut passer progressivement drsquoune distance nrsquoutilisant que la hieacuterarchie agrave une distance nrsquoutilisant que les signatures13En appliquant cette distance agrave la deacutesambiguumlisation de termes extraits drsquoun texte (ie pour retrouver le sens dans lequel un terme est utiliseacute) on voit ici qursquoune distance hybride capable de combiner les deux espaces se comporte mieux que lrsquoune ou lrsquoautre des distances extrecircmes

4 le

ressources

des

distribueacutees

problegraveme

48

Preacutesentateur
Commentaires de preacutesentation
Nous avons vu que nous travaillons sur des meacutemoires qui utilisent le web seacutemantique dans leur mateacuterialisation et pour lesquelles la repreacutesentation et le traitement agrave base de graphes fournissaient eacutenormeacutement drsquoatouts13Cependant le contenu et les traitements de ces meacutemoires ne sont pas forceacutement sur la mecircme machine

graphesdistribueacutes

49

Preacutesentateur
Commentaires de preacutesentation
Le premier problegraveme qui peut se poser crsquoest si mes graphes ne sont pas sur la mecircme machine13Si mes triplets RDF mes arcs viennent de diffeacuterents endroits

serveursquelques

RDF

RDF

RDF

RDF

SPARQL

application web

service web

identiques

service web

service web

50

Preacutesentateur
Commentaires de preacutesentation
Nous avons consideacutereacute un cas classique en entreprise ou il y a une liste connue restreinte et stable de serveurs

broadcasteacuteviter le

51

52

index de serveurcaracteacuteriser son contenu les eacutetoiles et les chemins

53

annotation

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

54

Preacutesentateur
Commentaires de preacutesentation
voici une annotation simplifieacutee drsquoun document dans le projet SevenPro concernant la conception drsquoune voiture

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 44: HDR

tester les laquo distances raquo au naturel

44

Preacutesentateur
Commentaires de preacutesentation
Pour comprendre un peu mieux les distances je donne ici un exemple drsquoexpeacuterience simple que jrsquoai encadreacutee on demande ici agrave lrsquoutilisateur de positionner des concepts de faccedilon agrave ce qursquoils soient geacuteomeacutetriquement proches srsquoils sont seacutemantiquement proches Lrsquoexpeacuterience a eacuteteacute faite avec plus drsquoune trentaine de personnes de tous horizons13

tester les distances au naturel

camion

45

Preacutesentateur
Commentaires de preacutesentation
En suite si lrsquoon regarde par exemple la distance moyenne entre le concept de camion et le concept drsquoavion de bus de camionnettehellip on voit une chose inteacuteressante crsquoest que veacutehicule qui serait typiquement un pegravere des autres nrsquoest pourtant est plus loin de camion que certains de ses fregraveres et plus proche que drsquoautres sur un arbre simple avec seulement ces concepts crsquoest impossible agrave faire il faut soit modifier les concepts pour mettre des classes abstraites soit modifier les liens pour permettre drsquoautres parcours par exemple en reacuteifiant les liens aux fregraveres13

intension amp intention dusageutilisables dans un mecircme graphe concis

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

Technologie

AppareilReacuteseau

Sans-fil

WifiGSM

Teacuteleacutephone

Cellulaire

connexion

sous‐type‐et‐signature

46

Preacutesentateur
Commentaires de preacutesentation
concernant la double conception espace et meacutetrique je donne ici un exemple drsquoune approche que jrsquoessaie de systeacutematiser ougrave lrsquoon donne deux deacutefinitions formelles13une deacutefinition formelle de lrsquoespace13une deacutefinition formelle de la meacutetrique13Ici je mrsquointeacuteresse agrave eacutelargir les parcours possibles dans lrsquoontologie agrave drsquoautres graphes que celui de la hieacuterarchie des types et dans cette exemple jrsquoinclus les signatures des relations crsquoest-agrave-dire les types drsquoobjets qui peuvent ecirctre relieacutes par une relation13La meacutetrique reste la mecircme

intension amp intention dusagedeacutesambiguumliser lextraction de termes

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

5000

6000

7000

8000

9000

[Khelif et al]wclass 02wprop 04wsig 04

47

Preacutesentateur
Commentaires de preacutesentation
En incluant des poids dans la deacutefinition de lrsquoespace on peut passer progressivement drsquoune distance nrsquoutilisant que la hieacuterarchie agrave une distance nrsquoutilisant que les signatures13En appliquant cette distance agrave la deacutesambiguumlisation de termes extraits drsquoun texte (ie pour retrouver le sens dans lequel un terme est utiliseacute) on voit ici qursquoune distance hybride capable de combiner les deux espaces se comporte mieux que lrsquoune ou lrsquoautre des distances extrecircmes

4 le

ressources

des

distribueacutees

problegraveme

48

Preacutesentateur
Commentaires de preacutesentation
Nous avons vu que nous travaillons sur des meacutemoires qui utilisent le web seacutemantique dans leur mateacuterialisation et pour lesquelles la repreacutesentation et le traitement agrave base de graphes fournissaient eacutenormeacutement drsquoatouts13Cependant le contenu et les traitements de ces meacutemoires ne sont pas forceacutement sur la mecircme machine

graphesdistribueacutes

49

Preacutesentateur
Commentaires de preacutesentation
Le premier problegraveme qui peut se poser crsquoest si mes graphes ne sont pas sur la mecircme machine13Si mes triplets RDF mes arcs viennent de diffeacuterents endroits

serveursquelques

RDF

RDF

RDF

RDF

SPARQL

application web

service web

identiques

service web

service web

50

Preacutesentateur
Commentaires de preacutesentation
Nous avons consideacutereacute un cas classique en entreprise ou il y a une liste connue restreinte et stable de serveurs

broadcasteacuteviter le

51

52

index de serveurcaracteacuteriser son contenu les eacutetoiles et les chemins

53

annotation

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

54

Preacutesentateur
Commentaires de preacutesentation
voici une annotation simplifieacutee drsquoun document dans le projet SevenPro concernant la conception drsquoune voiture

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 45: HDR

tester les distances au naturel

camion

45

Preacutesentateur
Commentaires de preacutesentation
En suite si lrsquoon regarde par exemple la distance moyenne entre le concept de camion et le concept drsquoavion de bus de camionnettehellip on voit une chose inteacuteressante crsquoest que veacutehicule qui serait typiquement un pegravere des autres nrsquoest pourtant est plus loin de camion que certains de ses fregraveres et plus proche que drsquoautres sur un arbre simple avec seulement ces concepts crsquoest impossible agrave faire il faut soit modifier les concepts pour mettre des classes abstraites soit modifier les liens pour permettre drsquoautres parcours par exemple en reacuteifiant les liens aux fregraveres13

intension amp intention dusageutilisables dans un mecircme graphe concis

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

Technologie

AppareilReacuteseau

Sans-fil

WifiGSM

Teacuteleacutephone

Cellulaire

connexion

sous‐type‐et‐signature

46

Preacutesentateur
Commentaires de preacutesentation
concernant la double conception espace et meacutetrique je donne ici un exemple drsquoune approche que jrsquoessaie de systeacutematiser ougrave lrsquoon donne deux deacutefinitions formelles13une deacutefinition formelle de lrsquoespace13une deacutefinition formelle de la meacutetrique13Ici je mrsquointeacuteresse agrave eacutelargir les parcours possibles dans lrsquoontologie agrave drsquoautres graphes que celui de la hieacuterarchie des types et dans cette exemple jrsquoinclus les signatures des relations crsquoest-agrave-dire les types drsquoobjets qui peuvent ecirctre relieacutes par une relation13La meacutetrique reste la mecircme

intension amp intention dusagedeacutesambiguumliser lextraction de termes

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

5000

6000

7000

8000

9000

[Khelif et al]wclass 02wprop 04wsig 04

47

Preacutesentateur
Commentaires de preacutesentation
En incluant des poids dans la deacutefinition de lrsquoespace on peut passer progressivement drsquoune distance nrsquoutilisant que la hieacuterarchie agrave une distance nrsquoutilisant que les signatures13En appliquant cette distance agrave la deacutesambiguumlisation de termes extraits drsquoun texte (ie pour retrouver le sens dans lequel un terme est utiliseacute) on voit ici qursquoune distance hybride capable de combiner les deux espaces se comporte mieux que lrsquoune ou lrsquoautre des distances extrecircmes

4 le

ressources

des

distribueacutees

problegraveme

48

Preacutesentateur
Commentaires de preacutesentation
Nous avons vu que nous travaillons sur des meacutemoires qui utilisent le web seacutemantique dans leur mateacuterialisation et pour lesquelles la repreacutesentation et le traitement agrave base de graphes fournissaient eacutenormeacutement drsquoatouts13Cependant le contenu et les traitements de ces meacutemoires ne sont pas forceacutement sur la mecircme machine

graphesdistribueacutes

49

Preacutesentateur
Commentaires de preacutesentation
Le premier problegraveme qui peut se poser crsquoest si mes graphes ne sont pas sur la mecircme machine13Si mes triplets RDF mes arcs viennent de diffeacuterents endroits

serveursquelques

RDF

RDF

RDF

RDF

SPARQL

application web

service web

identiques

service web

service web

50

Preacutesentateur
Commentaires de preacutesentation
Nous avons consideacutereacute un cas classique en entreprise ou il y a une liste connue restreinte et stable de serveurs

broadcasteacuteviter le

51

52

index de serveurcaracteacuteriser son contenu les eacutetoiles et les chemins

53

annotation

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

54

Preacutesentateur
Commentaires de preacutesentation
voici une annotation simplifieacutee drsquoun document dans le projet SevenPro concernant la conception drsquoune voiture

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 46: HDR

intension amp intention dusageutilisables dans un mecircme graphe concis

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

Technologie

AppareilReacuteseau

Sans-fil

WifiGSM

Teacuteleacutephone

Cellulaire

connexion

sous‐type‐et‐signature

46

Preacutesentateur
Commentaires de preacutesentation
concernant la double conception espace et meacutetrique je donne ici un exemple drsquoune approche que jrsquoessaie de systeacutematiser ougrave lrsquoon donne deux deacutefinitions formelles13une deacutefinition formelle de lrsquoespace13une deacutefinition formelle de la meacutetrique13Ici je mrsquointeacuteresse agrave eacutelargir les parcours possibles dans lrsquoontologie agrave drsquoautres graphes que celui de la hieacuterarchie des types et dans cette exemple jrsquoinclus les signatures des relations crsquoest-agrave-dire les types drsquoobjets qui peuvent ecirctre relieacutes par une relation13La meacutetrique reste la mecircme

intension amp intention dusagedeacutesambiguumliser lextraction de termes

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

5000

6000

7000

8000

9000

[Khelif et al]wclass 02wprop 04wsig 04

47

Preacutesentateur
Commentaires de preacutesentation
En incluant des poids dans la deacutefinition de lrsquoespace on peut passer progressivement drsquoune distance nrsquoutilisant que la hieacuterarchie agrave une distance nrsquoutilisant que les signatures13En appliquant cette distance agrave la deacutesambiguumlisation de termes extraits drsquoun texte (ie pour retrouver le sens dans lequel un terme est utiliseacute) on voit ici qursquoune distance hybride capable de combiner les deux espaces se comporte mieux que lrsquoune ou lrsquoautre des distances extrecircmes

4 le

ressources

des

distribueacutees

problegraveme

48

Preacutesentateur
Commentaires de preacutesentation
Nous avons vu que nous travaillons sur des meacutemoires qui utilisent le web seacutemantique dans leur mateacuterialisation et pour lesquelles la repreacutesentation et le traitement agrave base de graphes fournissaient eacutenormeacutement drsquoatouts13Cependant le contenu et les traitements de ces meacutemoires ne sont pas forceacutement sur la mecircme machine

graphesdistribueacutes

49

Preacutesentateur
Commentaires de preacutesentation
Le premier problegraveme qui peut se poser crsquoest si mes graphes ne sont pas sur la mecircme machine13Si mes triplets RDF mes arcs viennent de diffeacuterents endroits

serveursquelques

RDF

RDF

RDF

RDF

SPARQL

application web

service web

identiques

service web

service web

50

Preacutesentateur
Commentaires de preacutesentation
Nous avons consideacutereacute un cas classique en entreprise ou il y a une liste connue restreinte et stable de serveurs

broadcasteacuteviter le

51

52

index de serveurcaracteacuteriser son contenu les eacutetoiles et les chemins

53

annotation

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

54

Preacutesentateur
Commentaires de preacutesentation
voici une annotation simplifieacutee drsquoun document dans le projet SevenPro concernant la conception drsquoune voiture

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 47: HDR

intension amp intention dusagedeacutesambiguumliser lextraction de termes

Deacutefinition formelle de lrsquoespace (meacutetrique) domain(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)range(Tp Tx) rArr sous‐type‐et‐signature (Tp Tx wsig)subClassOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wclass)subPropertyOf(Ty Tx) rArr sous‐type‐et‐signature(Ty Tx wprop)sous‐type‐et‐signature(TxTy w) hArr sous‐type‐et‐signature(TxTy w)

5000

6000

7000

8000

9000

[Khelif et al]wclass 02wprop 04wsig 04

47

Preacutesentateur
Commentaires de preacutesentation
En incluant des poids dans la deacutefinition de lrsquoespace on peut passer progressivement drsquoune distance nrsquoutilisant que la hieacuterarchie agrave une distance nrsquoutilisant que les signatures13En appliquant cette distance agrave la deacutesambiguumlisation de termes extraits drsquoun texte (ie pour retrouver le sens dans lequel un terme est utiliseacute) on voit ici qursquoune distance hybride capable de combiner les deux espaces se comporte mieux que lrsquoune ou lrsquoautre des distances extrecircmes

4 le

ressources

des

distribueacutees

problegraveme

48

Preacutesentateur
Commentaires de preacutesentation
Nous avons vu que nous travaillons sur des meacutemoires qui utilisent le web seacutemantique dans leur mateacuterialisation et pour lesquelles la repreacutesentation et le traitement agrave base de graphes fournissaient eacutenormeacutement drsquoatouts13Cependant le contenu et les traitements de ces meacutemoires ne sont pas forceacutement sur la mecircme machine

graphesdistribueacutes

49

Preacutesentateur
Commentaires de preacutesentation
Le premier problegraveme qui peut se poser crsquoest si mes graphes ne sont pas sur la mecircme machine13Si mes triplets RDF mes arcs viennent de diffeacuterents endroits

serveursquelques

RDF

RDF

RDF

RDF

SPARQL

application web

service web

identiques

service web

service web

50

Preacutesentateur
Commentaires de preacutesentation
Nous avons consideacutereacute un cas classique en entreprise ou il y a une liste connue restreinte et stable de serveurs

broadcasteacuteviter le

51

52

index de serveurcaracteacuteriser son contenu les eacutetoiles et les chemins

53

annotation

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

54

Preacutesentateur
Commentaires de preacutesentation
voici une annotation simplifieacutee drsquoun document dans le projet SevenPro concernant la conception drsquoune voiture

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 48: HDR

4 le

ressources

des

distribueacutees

problegraveme

48

Preacutesentateur
Commentaires de preacutesentation
Nous avons vu que nous travaillons sur des meacutemoires qui utilisent le web seacutemantique dans leur mateacuterialisation et pour lesquelles la repreacutesentation et le traitement agrave base de graphes fournissaient eacutenormeacutement drsquoatouts13Cependant le contenu et les traitements de ces meacutemoires ne sont pas forceacutement sur la mecircme machine

graphesdistribueacutes

49

Preacutesentateur
Commentaires de preacutesentation
Le premier problegraveme qui peut se poser crsquoest si mes graphes ne sont pas sur la mecircme machine13Si mes triplets RDF mes arcs viennent de diffeacuterents endroits

serveursquelques

RDF

RDF

RDF

RDF

SPARQL

application web

service web

identiques

service web

service web

50

Preacutesentateur
Commentaires de preacutesentation
Nous avons consideacutereacute un cas classique en entreprise ou il y a une liste connue restreinte et stable de serveurs

broadcasteacuteviter le

51

52

index de serveurcaracteacuteriser son contenu les eacutetoiles et les chemins

53

annotation

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

54

Preacutesentateur
Commentaires de preacutesentation
voici une annotation simplifieacutee drsquoun document dans le projet SevenPro concernant la conception drsquoune voiture

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 49: HDR

graphesdistribueacutes

49

Preacutesentateur
Commentaires de preacutesentation
Le premier problegraveme qui peut se poser crsquoest si mes graphes ne sont pas sur la mecircme machine13Si mes triplets RDF mes arcs viennent de diffeacuterents endroits

serveursquelques

RDF

RDF

RDF

RDF

SPARQL

application web

service web

identiques

service web

service web

50

Preacutesentateur
Commentaires de preacutesentation
Nous avons consideacutereacute un cas classique en entreprise ou il y a une liste connue restreinte et stable de serveurs

broadcasteacuteviter le

51

52

index de serveurcaracteacuteriser son contenu les eacutetoiles et les chemins

53

annotation

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

54

Preacutesentateur
Commentaires de preacutesentation
voici une annotation simplifieacutee drsquoun document dans le projet SevenPro concernant la conception drsquoune voiture

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 50: HDR

serveursquelques

RDF

RDF

RDF

RDF

SPARQL

application web

service web

identiques

service web

service web

50

Preacutesentateur
Commentaires de preacutesentation
Nous avons consideacutereacute un cas classique en entreprise ou il y a une liste connue restreinte et stable de serveurs

broadcasteacuteviter le

51

52

index de serveurcaracteacuteriser son contenu les eacutetoiles et les chemins

53

annotation

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

54

Preacutesentateur
Commentaires de preacutesentation
voici une annotation simplifieacutee drsquoun document dans le projet SevenPro concernant la conception drsquoune voiture

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 51: HDR

broadcasteacuteviter le

51

52

index de serveurcaracteacuteriser son contenu les eacutetoiles et les chemins

53

annotation

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

54

Preacutesentateur
Commentaires de preacutesentation
voici une annotation simplifieacutee drsquoun document dans le projet SevenPro concernant la conception drsquoune voiture

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 52: HDR

52

index de serveurcaracteacuteriser son contenu les eacutetoiles et les chemins

53

annotation

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

54

Preacutesentateur
Commentaires de preacutesentation
voici une annotation simplifieacutee drsquoun document dans le projet SevenPro concernant la conception drsquoune voiture

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 53: HDR

index de serveurcaracteacuteriser son contenu les eacutetoiles et les chemins

53

annotation

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

54

Preacutesentateur
Commentaires de preacutesentation
voici une annotation simplifieacutee drsquoun document dans le projet SevenPro concernant la conception drsquoune voiture

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 54: HDR

annotation

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

54

Preacutesentateur
Commentaires de preacutesentation
voici une annotation simplifieacutee drsquoun document dans le projet SevenPro concernant la conception drsquoune voiture

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 55: HDR

eacutetoile

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

55

Preacutesentateur
Commentaires de preacutesentation
dans cette annotation il y a une eacutetoile crsquoest-agrave-dire des proprieacuteteacutes partant toutes de la mecircme ressource ici la voiture A

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 56: HDR

chemin

exA rdftype idgCar exA esincludes exB exB rdftype idDoor exB esincludes exC exC rdftype idWindow exC esfixedBy exD exA esheight 1219 exA eswidth 1497 exA esmadeOf exE

exA

exB

exC

exD56

Preacutesentateur
Commentaires de preacutesentation
Il y a aussi un chemin crsquoest-agrave-dire une seacutequence de ressources relieacutees par des proprieacuteteacutes ici la voiture inclut une porte qui inclut une fenecirctre etc

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 57: HDR

57

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex on va oublier les objets et on ne va garder que les types impliqueacutes dans ces eacutetoiles et chemins pour construire des eacutetoiles et chemins drsquoindex

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 58: HDR

chemin dindexCI(xy) =ltt0 p0 t1 p1 t2 pn‐1 tngt

eacutetoile dindexE(x) = ((tx p0 t0) (tx p1 t2) (tx pn tn))

58

Preacutesentateur
Commentaires de preacutesentation
dans lrsquoindex un chemin utilisant une liste de types de ressources et de type de proprieacuteteacutes indique qursquoil existe dans la base au moins un chemin reliant des ressources de ces types par des proprieacuteteacute de ces types13idem pour les eacutetoiles

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 59: HDR

Car A

Door Dincludes

fixedBy

Bolt BmadeOf

Steel S 59

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 60: HDR

Car

Door includes

fixedBy

Bolt madeOf

Steel 60

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 61: HDR

parcoursen profondeur agrave partir de chemins eacutetoiles de taille 1 eacutecrit en SPARQL

61

Preacutesentateur
Commentaires de preacutesentation
la construction des index se fait par un parcours en profondeur du graphe des annotations agrave partir de chemins et drsquoeacutetoiles de taille 113il est eacutecrit en utilisant des requecirctes SPARQL et peut donc fonctionner sur tout point drsquoaccegraves SPARQL

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 62: HDR

lrsquoindex des chemins et eacutetoiles est uneannotation

RDF

62

Preacutesentateur
Commentaires de preacutesentation
lrsquoindex geacuteneacutereacute devient lui-mecircme une annotation RDF agrave propos du serveur qursquoil index

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 63: HDR

serveursconnaicirctre les autres

RDF

RDF

RDF

RDF

63

Preacutesentateur
Commentaires de preacutesentation
lorsqursquoun serveur arrive sur le reacuteseau il calcule donc son index et lrsquoenvoie aux autres serveurs Il reccediloit leurs indexes en eacutechange13chaque serveur est donc capable de savoir ce que les autres peuvent lui apporter lors de la reacutesolution drsquoune requecircte

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 64: HDR

deacutecoupageen sous requecirctes (eacutetoileschemins)

64

Preacutesentateur
Commentaires de preacutesentation
les requecirctes sont deacutecoupeacutees selon le mecircme principe en eacutetoiles et en chemins13chaque morceau de requecircte est envoyeacute uniquement aux serveurs pouvant participer agrave sa reacutesolution13

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 65: HDR

filter(isBLANK(x))x

esBolt67

13inch

03

65

lengthprecision

valueunit

Preacutesentateur
Commentaires de preacutesentation
il y a bien sucircr des subtiliteacutes par exemple la notion de nœud anonyme dans un graphe RDF13un nœud qui nrsquoa pas de nom ne peut pas ecirctre utiliseacute pour faire des jointures13par conseacutequent lorsque lrsquoon deacutecoupe les requecirctes on fait attention agrave indiquer les nœuds ougrave lrsquoon a coupeacute et ou lrsquoon devra faire des jointures13ces nœuds font lrsquoobjets de filtres interdisant les nœud anonymes dans les reacutesultats partiels13

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 66: HDR

webservices seacutemantiques

bull gestion de connaissancesbull gestion de ressourcesbull inteacutegration drsquoapplicationsbull services distribueacutesbull des ressources comme les autres

66

Preacutesentateur
Commentaires de preacutesentation
Nous venons de voir un premier problegraveme poseacute par la distribution des ressources qui est le cas ougrave mes graphes sont deacutecoupeacutes et eacuteparpilleacutes sur le reacuteseau13Le mecircme problegraveme se pose avec les traitements que lrsquoon peut vouloir appliquer agrave ces graphes ils ne sont pas forceacutement sur la mecircme machine que les graphes ou les autres traitement13Nos sceacutenarios passent de plus en plus souvent de la gestion de connaissances agrave la gestion de ressources et notamment agrave lrsquointeacutegration drsquoapplications sous forme de services distribueacutes13Lrsquoideacutee est de consideacuterer les services comme des ressources comme les autres de les deacutecrire et de les geacuterer agrave travers ces descriptions

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 67: HDR

seacutemantiquementservices annoteacutes et rechercheacutes

fournisseurserviceclientdemandeur

annuaire

3

12

67

Preacutesentateur
Commentaires de preacutesentation
Crsquoest ce que lrsquoon appelle le triangle de lrsquoarchitecture de services ougrave un fournisseur de service deacutecrit et publie le service qursquoil met agrave disposition aupregraves drsquoun annuaire13Un demandeur de service interroge cet annuaire pour trouver le service dont il a besoin13Puis se connecte au service pour lrsquoinvoquer13Nos enrichissons ce triangle en reposant sur RDF et RDFS pour deacutecrire les services et sur SPARQL pour interroger des bases de descriptions13Cet enrichissement permet beaucoup drsquoameacuteliorations mais je nrsquoen donnerai qursquoune en exemple

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 68: HDR

Teacuteleacutephone Assistante Teacuteleacutephone rarr Nomnom tel nom

employeacute assistante

68

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple interne agrave lrsquoINRIA ougrave je cherche un service qui me donne le nom drsquoune assistante en fonction du nom drsquoun employeacute13Ce qui est inteacuteressant crsquoest que les services fournis par lrsquoannuaire LDAP de lrsquoINRIA ne donnent pas directement cette information13Par contre le systegraveme a trouveacute une seacutequence de deux services qui composeacutes bout agrave bout rendent le service demandeacute

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 69: HDR

composable

s1 rdftype procProcesss2 rdftype procProcesss1 prochasInput input s2 prochasOutput output input sawsdlmodelRef inTypeoutput sawsdlmodelRef outTypeoutType rdfssubPropertyOf inTyperArrs2 proccomposable s1

inType

outType

69

Preacutesentateur
Commentaires de preacutesentation
Lrsquoapport drsquoune meacutemoire agrave base drsquoontologie se fait ici en deux temps13premiegraverement la deacutefinition formelle de la composabiliteacute de deux services sous forme drsquoune regravegle qui dit que deux services sont composables si le premier service fournit une sortie acceptable comme entreacutee du deuxiegraveme service13Cette regravegle construit donc lrsquoespace des compositions possibles

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 70: HDR

composable

s1 allproccomposable[4] s2s1 prochasInput param1 s2 prochasOutput param2 param1 sawsdlmodelRef cemployeeNameparam2 sawsdlmodelRef cassistantName

70

Preacutesentateur
Commentaires de preacutesentation
Deuxiegraveme eacutetable la recherche dans lrsquoespace des services composables drsquoun chemin de services dont lrsquoentreacutee et la sortie correspondent aux attentes de lrsquoutilisateur13

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 71: HDR

preacutesentation5 lrsquoimportance de la

71

Preacutesentateur
Commentaires de preacutesentation
Bien nous avons vu des exemples de meacutemoires utilisant le web seacutemantique et la repreacutesentation et le raisonnement agrave base de graphes13Nous avons montreacute certaines speacutecificiteacutes de cette approche agrave base de graphes tant pour eacutelargir les manipulations possibles que pour traiter des problegravemes reacutecurrents tels que la distribution des ressources de ces meacutemoires13Maintenant ces meacutemoires ne sont pas destineacutees agrave ecirctre prisonniegraveres de la machine agrave un moment ou agrave un autre leur contenu les reacutesultats de leurs traitements de leur composition doivent ecirctre preacutesenteacutes agrave lrsquoutilisateur Dans nos systegravemes drsquoIA lrsquointelligence se concentre malheureusement souvent au cœur alors que les interfaces et interactions peuvent tout autant en beacuteneacuteficier

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 72: HDR

groupementinfeacuterence amp ontologieA

BC

D

E F

GI

HJ

K

LM

N

D

E F

GJ

K

LM

N

D

E F

GJ

K

L

E

J

K

L

72

Preacutesentateur
Commentaires de preacutesentation
Reprenons lrsquoexemple de KmP ougrave notre ultrameacutetrique permet drsquoobtenir des cluster plus ou moins deacutetailleacutes13

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 73: HDR

73

Preacutesentateur
Commentaires de preacutesentation
Si je les preacutesente directement agrave lrsquoeacutecran comme cela le reacutesultat est assez difficilement compreacutehensible et le positionnement agrave lrsquoeacutecran nrsquoest pas significatif

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 74: HDR

secteurs angulairesdans le squelette taxinomique

74

Preacutesentateur
Commentaires de preacutesentation
Maintenant si je reviens agrave mon ontologie et que je lrsquoutilise pour creacuteer un espace angulaire ougrave les classes et leurs descendants sont associeacutes agrave des secteurs13En combinant ces angles donneacutes par les classes et un rayon fonction de la taille des clusters on obtient des coordonneacutees angulaires signifiantes pour lrsquoutilisateur13

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 75: HDR

75

Preacutesentateur
Commentaires de preacutesentation
Voici un exemple sur la partie Teacuteleacutecom de Sophia

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 76: HDR

substituts en recherche drsquoinformation

76

Preacutesentateur
Commentaires de preacutesentation
Donc en recherche drsquoinformation afficher une reacutesultat de faccedilon compreacutehensible et exploitable est aussi important que drsquoobtenir ce reacutesultat car mecircme srsquoil est juste un reacutesultat mal preacutesenteacute est mal perccedilu et donc mal utiliseacute13Crsquoest la notion de substitut en Recherche drsquoInformation qui a deux sens le substitut en machine par exemple le vecteur de terme ou le graphe RDF qui repreacutesentent un reacutesultat Et le substitut de preacutesentation destineacute agrave ecirctre donneacute agrave lrsquoutilisateur13Voici un exemple drsquoune mecircme requecircte sur Google et sur SearchMonkey Google traite tous les reacutesultats de la mecircme faccedilon SearchMonkey utilise un systegraveme drsquoadaptation des substituts en fonction du type des pages et le reacutesultat est beaucoup plus riche et exploitable par cette simple adaptation

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 77: HDR

conditions drsquoidentiteacutehellip

et substitut drsquoaffichage

φ(x)andφ(y) rarr ( ρ(xy) harr x = y )forallx (x isin α sup nec (x isin α))

Minimal(ρ) harr [ρ(xy) harr andi ti(xy)]and [ notexist ρ IC (ρ) and [ρ(xy) harr andj tj(xy)] and tjsubti]

Minimal(ρ) and [ [ρ(xy) harr andi ti(xy)] rarrexist S Surrogate (S) and Sequivproperty pj pj used in ti(xy) ]

hellipminimales

77

Preacutesentateur
Commentaires de preacutesentation
Jrsquoai regardeacute si ces substituts pouvaient ecirctre suggeacutereacutes par nos repreacutesentations Une possibiliteacute est de srsquointeacuteresser aux conditions drsquoidentiteacute crsquoest-agrave-dire aux conditions qui permettent de dissocier deux membres drsquoune mecircme classe13Par exemple le nom le preacutenom et le sexe permettent drsquoidentifier individuellement chaque personne de cette salle13Une condition est minimale si elle ne contient pas une autre condition plus petite par exemple dans cette salle le nom et le preacutenom sont suffisants et forment une condition minimale13Ce que je propose crsquoest que les proprieacuteteacutes de ces conditions sont de bons candidats pour suggeacuterer des substituts

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 78: HDR

regravegleseacutequivalences ou deacutefinitions sous forme de

01 IF [Person p1]-gt(name)-gtn02 -gt(firstname)-gtf03 -gt(birthdate)-gtd04 AND [Person p2]-gt(name)-gtn05 -gt(firstname)-gtf06 -gt(birthdate)-gtd07 THEN [Personp1]-gt(equivalent)-

01 IF [Person p]-(govern)-[Republic

02 THEN [Presidentp]

78

Preacutesentateur
Commentaires de preacutesentation
Dans nos systegravemes on trouve de telles conditions dans les regravegles drsquoeacutequivalences ou des deacutefinitions 13

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 79: HDR

ouvrages amp auteursd rdftype exDocumentd exauthor aa rdftype exPersona exname nFILTER( regex( n aiman))

79

Preacutesentateur
Commentaires de preacutesentation
prenons une mecircme requecircte ougrave je demande les auteurs dont le nom contient la chaine laquo aiman raquo

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 80: HDR

reacuteponse avanthellip

bull Novel (httpisbnnu0380789035)

author Man (httpwwwneilgaimancom)

name Gaiman

bull Article (httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)

name Aiman-Smith

80

Preacutesentateur
Commentaires de preacutesentation
cette requecircte poseacutee directement donne ce reacutesultat

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 81: HDR

reacuteponse apregraveshellip

bull Novel (httpisbnnu0380789035)

title American Godsdate April 30 2002author Man (httpwwwneilgaimancom)

name Gaimanfirst name Neil

bull Article(httpwwwaseeorgjeepaperscontentcfmname=STEPHEN-209pdf)

title Algorithm for High Technology Engineering andManagement Education

author Woman (httpwwwmgtncsuedufacultybusmgtlaiman-smithhtml)name Aiman-Smithfirst name Lyndae-mail lynda_aiman-smithncsuedu

81

Preacutesentateur
Commentaires de preacutesentation
si maintenant le systegraveme prend en compte les substituts possibles la mecircme requecircte est augmenteacutee automatiquement avec ces informations

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 82: HDR

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

FIPA A

CL m

essages and OW

L Content

User InteractionAgent

e-Wallet Manager Agent

Ontologist Agent

Task-Specific Agents JADE platform82

Preacutesentateur
Commentaires de preacutesentation
Dernier exemple le projet myCampus mentionneacute en deacutebut de preacutesentation pour boucler la boucle13Ce systegraveme conccedilu agrave Carnegie Mellon propose des services aux utilisateurs accessibles sur le campus sur leur PDA agrave travers le reacuteseau Wifi13Les services utilisent le contexte et les connaissances disponibles sur les utilisateurs pour remplir leur tacircche

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 83: HDR

Directory FacilitatorAgent (FIPA)

Agent ManagementAgent (FIPA)

Ontologist Agent

Task-Specific Agents

FIPA A

CL m

essages and OW

L Content

JADE platform

User InteractionAgent

e-Wallet Manager AgentJESS

XSLT OWL (ontologies annotations) Rules (definitions services privacy) Queries

editionresults

83

Preacutesentateur
Commentaires de preacutesentation
Pour cela le e-Wallet de chaque utilisateur fournit une interface seacutemantique unifieacutee et seacutecuriseacutee pour lrsquoaccegraves aux ressources priveacutees des utilisateurs en reposant sur les techniques du web seacutemantique pour reacuteduire au minimum les interactions neacutecessaires avec lrsquoutilisateur

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 84: HDR

interactions minimales amp confidentialiteacute

bull connaissance statique et dynamique

bull services amp regravegles drsquoinvocationbull regravegles controcircle drsquoaccegravesbull regravegles de reacutevision par abstraction ou falsification

84

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 85: HDR

e-

Deacuteclarer besoins eacuteleacutementaires en information et

autorisations neacutecessaires

Preacute‐veacuterification des autorisations

Post‐veacuterification des autorisations

Faire appel connaissances

locales

Application regraveglesde reacutevision

Deacuteclarer contexte requecircte

Requecircte

Assertionconnaissance autoriseacutee

Reacutesultat

Faire appel services personnels

publics

Exemple Norman demande la position geacuteographique de Fabien1‐ lrsquoexpeacutediteur de la requecircte est Norman requecircte arriveacutee agrave 15H34

2‐ besoins = ougrave se trouve Fabien + autorisation accegraves localisation

3‐ (a) Norman peut‐il demander agrave localiser Fabien drsquoapregraves ce que lrsquoon sait

(b) mes collegravegues de travail peuvent connaicirctre le bacirctiment ougrave je me trouvelorsque je suis sur le campus

(c) Norman est‐il un collegravegue de travail Oui

4‐ Pas de reacuteponse dans les connaissances statiques locales

5‐ Regravegles= le reacuteseau sans‐fil permet localisation champ lsquolieursquo de lrsquoagenda

6‐ Fabien est‐il sur le campus Oui

7‐ Fabien nest disposeacute agrave reacuteveacuteler que le bacirctiment ougrave il se trouve

8‐ ldquoFabien est dans le bacirctiment Borelrdquo85

Preacutesentateur
Commentaires de preacutesentation
Voyons un exemple du fonctionnement du e-Wallet sur un sceacutenario ougrave Norman ou un service invoqueacute par Norman demande au e-Wallet de Fabien ougrave ce dernier se trouve

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 86: HDR

bull plusieurs projets de meacutemoires

bull utilisation web seacutemantique etcontributions (RDF source)

bull modegraveles de graphes (Griwes) et caracteacuterisation de leurs espaces meacutetriques

bull requecirctes et services distribueacutes

bull interfaces et interactions intelligentes

condenseacute

86

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 87: HDR

preacutesentation filtreacuteebull gestion des connaissances et des ontologies

bull gestion de sources externes distribueacutees GRDDL

bull serveurs (Sewese) et applications (SweetWiki) web seacutemantique RDFa

bull web seacutemantique amp web social

87

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 88: HDR

diffusion sur 6 anshellip

bullpublications Journal of Web Semantics IEEE Intelligent Systems ICCS EKAW ICIW WWWInternet WWWC Dev track WikiSym ACM ISWC WI IEEEACM AMKM AAAIhellip

bull enseignements Master PolytechrsquoNice Licence ProUGB Saint Louis (Seacuteneacutegal) tutoriel EGC

bull encadrements 3 doctorants 1 post‐doc 3 ingeacutenieurs9 masters

bull confeacuterencier Centrale Paris Ecole des Mines St Etienne Univ Liegravege W3C Seminar IST

bull standardisation W3C SWBPD (2004‐2006) GRDDL (2006‐2007) SWD RDFa TF (2006‐2008)

bull comiteacutes internationaux 12 journaux 10 conf 13 ateliers

88

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 89: HDR

perspectivesbull continuum de scheacutemas amp ontologies agrave lrsquoeacutetat sauvage [Limpens]

bull compositiontimessup2 drsquoespaces meacutetriques

bull index par motifs quelconques [Basse]

bull seacutemantiquendashseacutemiotique (Fresnel )

bull seacutemantique amp reacuteseaux sociaux [Ereacuteteacuteo]

bull ANR ISICIL 2009‐2011

89

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 90: HDR

WEBscience

90

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 91: HDR

des dizaines de milliards de triplets en ligne RDF a pris son envol (eg httpsindicecom )

91

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 92: HDR

pour geacuterer une diversiteacuterien de tel que drsquoutiliser une autre diversiteacute

92

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 93: HDR

diversiteacute des meacutetadonneacuteespour geacuterer les diversiteacutes des ressourceset permettre les passages agrave lrsquoeacutechelle

hellip nombre des ressourceshellip heacuteteacuterogeacuteneacuteiteacute des repreacutesentationshellip foule des utilisateurshellip diversiteacute des mateacuteriels hellip multiplication des applicationsserviceshellip acceacuteleacuteration des cycles de vie

93

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 94: HDR

demaincelui qui controcirclera les meacutetadonneacutees

controcirclera informations amp services

agrave toutes les eacutechelles

94

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave
Page 95: HDR

95

  • Graphes RDF et leur Manipulation pour la Gestion de Connaissances
  • microCV
  • meacutemoires collectives
  • 1 meacutemoires
  • Diapositive numeacutero 5
  • ontologie
  • personnaliseacutes
  • Diapositive numeacutero 8
  • un wiki dans le web seacutemantique
  • Diapositive numeacutero 10
  • Knowledge Management Platform
  • Diapositive numeacutero 12
  • 2 repreacutesenter
  • Diapositive numeacutero 14
  • Diapositive numeacutero 15
  • Diapositive numeacutero 16
  • RDF
  • ex dochtml a pour auteur Fabienet a pour thegraveme la Musique
  • dochtml a pour auteur Fabien dochtml a pour thegraveme Musique
  • Fabienauteur dochtml thegravemeMusique
  • graphes
  • GRIWES
  • ERGraph
  • EMapping
  • Diapositive numeacutero 25
  • langage de requecircte SPARQL
  • RDFS
  • RDFS
  • FO R GF GR
  • EMapping
  • provenance
  • provenance
  • 3 espaces meacutetriques
  • distances seacutemantiques
  • simuler la meacutemoire
  • de linteacuterecirct dun agrave peu pregraves
  • projection
  • relaxer
  • organiser
  • organiser
  • organiser
  • Diapositive numeacutero 42
  • seacuteparer deux aspects
  • tester
  • tester
  • intension amp intention dusage
  • intension amp intention dusage
  • 4 le
  • graphes
  • serveurs
  • broadcast
  • multicast
  • index de serveur
  • annotation
  • eacutetoile
  • chemin
  • types
  • chemin dindex
  • Diapositive numeacutero 59
  • Diapositive numeacutero 60
  • parcours
  • annotation
  • serveurs
  • deacutecoupage
  • filter(isBLANK(x))
  • web services seacutemantiques
  • seacutemantiquement
  • Diapositive numeacutero 68
  • composable
  • composable
  • preacutesentation
  • groupement
  • Diapositive numeacutero 73
  • secteurs angulaires
  • Diapositive numeacutero 75
  • substituts
  • conditions drsquoidentiteacutehellip
  • regravegles
  • ouvrages amp auteurs
  • reacuteponse avanthellip
  • reacuteponse apregraveshellip
  • Diapositive numeacutero 82
  • Diapositive numeacutero 83
  • interactions minimales amp confidentialiteacute
  • Diapositive numeacutero 85
  • condenseacute
  • preacutesentation filtreacutee
  • diffusion sur 6 anshellip
  • perspectives
  • WEB
  • des dizaines de milliards
  • pour geacuterer une diversiteacute
  • diversiteacute des meacutetadonneacutees
  • demain
  • agrave