Upload
anika-clemons
View
34
Download
0
Tags:
Embed Size (px)
DESCRIPTION
OntoCASE : méthodologie et assistant logiciel pour une ingénierie ontologique fondée sur la transformation d’un modèle semi-formel. Soutenance de thèse de Michel Héon Direction : Gilbert Paquette et Josianne Basque. 4 novembre 2010. Déroulement de la présentation. Introduction - PowerPoint PPT Presentation
Citation preview
OntoCASE :méthodologie et assistant logiciel pour une ingénierie ontologique fondée sur la transformation d’un modèle semi-formel
Soutenance de thèsede Michel Héon
Direction : Gilbert Paquette et Josianne Basque
14 novembre 2010
Déroulement de la présentation
Introduction Présentation d’OntoCASE Démarche de construction d’OntoCASE Validation d’OntoCASE Conclusion
2
Impulsion qui m’a conduit à cette thèse
Le transfert d’expertise dans les organisations soutenues
par une instrumentation informatique intelligente
3
OntoCASE : À l’intersection de plusieurs domaines scientifiques
ThèseOntoCASE
Élicitation des connaissances
Conception d’atelier de génie
logiciel
Ingénierie ontologique
Intelligence artificielle
Gestion des connaissances
Web sémantique
Représentation des connaissances
Transformation conduite par les
modèles
Introduction
4
Déroulement de la présentation
Introduction Présentation d’OntoCASE Démarche de construction d’OntoCASE Validation d’OntoCASE Conclusion
5
OntoCASE :Caractéristiques informatiques Conçue selon la technique du Développement conduit par les modèles
(MDD) S’harmonise avec les fonctionnalités développées dans le cadre du
Eclipse Project (www.eclipse.org) Permet :
l’édition graphique (éditeur eLi) de modèles MOT et MindMap la formalisation guidée de modèles semi-formels (MSF) en ontologie OWL-1.0 l’édition d’ontologie OWL dans les notations: N3, OWL, RDF/RDFS et autres l’accès aux moteurs d’inférences :
Pour OWL : Jena, Pellet, Racer, SwiftOWLIM Pour SWRL : Jena-Rules, Jess
la transformation d’ontologie OWL en code Java respectant le Protégé OWL-API
l’importation de modèle MOT+ en notation XML
6
Présentation d’OntoCASE
OntoCASE :Caractéristiques de la méthodologie S’inscrit dans les approches itérative et évolutive des
méthodologies d’ingénierie ontologique (ex. : Methontology) et d’ingénierie logicielle (ex. : Rational Unified Process)
Est appuyée par des modules intelligents et des interfaces qui offrent une convivialité d’utilisation de la méthodologie
Utilise une approche de construction d’ontologie en deux phases : L’élicitation de la connaissance dans un formalisme graphique semi-
formel relativement simple à utiliser par un expert de contenu La formalisation en ontologie avec une assistance intelligente
permettant la désambiguïsation du MSF et la validation par une rétroaction
Soutient la représentation formelle en ontologie de connaissance: déclarative, procédurale, stratégique et factuelle
7
Présentation d’OntoCASE
Notion théorique
La classification des langages de représentation des connaissances en quatre degrés de formalisme selon Uschold et Gruninger
Degré de représentation
Type de langage
Degré d’ambiguïté
Remarque
Hautement informel
Semi-informel
Semi-formel
Formel
Naturel
Naturel
Artificiel
Artificiel
Élevé
Faible
Moyenne
Aucune
Le cerveau humain arrive à décoder en partie, mais l’ordinateur arrive mal à le traiter
C’est une forme restreinte et structurée du langage naturel, telle que celle que l’on retrouve dans la description d’algorithmes (pseudocode) ou encore dans les textes de loi
Comparativement aux langages formels, ce degré de langage contient une certaine relâche des contraintes langagières qui favorise et stimule l'expressivité des connaissances et la communication entre humains.On le retrouve dans les langages comme OWL ou encore les GC de Sowa. Il offre une représentation des connaissances dont l'expressivité est réduite, mais qui en élimine les ambiguïtés, ce qui permet un traitement informatique des connaissances représentées.
Présentation d’OntoCASE
8
Observations concernant les obstacles à la conception d’une ontologie
9
Présentation d’OntoCASE
Les connaissances tacites sont difficiles à éliciter
La formalisation est une activité complexe nécessitant une expertise poussée
La représentation ontologique est limitée à une forme déclarative alors qu’il existe des connaissances de nature diverse (déclarative, procédurale, stratégique)
On constate un manque d’outils pour l’assistance à la conception d’ontologie
Avantages à utiliser un langage semi-formel pour l’élicitation de la connaissance
Convivialité Simple à apprendre et à utiliser Facilite l’expression de connaissances tacites
la spontanéité n’est pas bloquée par la charge cognitive associée à une formalisation plus poussée
Élargit le bassin des personnes aptes à représenter leurs connaissances
La sémantique du langage semi-formel fait en sorte que : Le MSF peut être conçu par des experts de contenu sans l’assistance d’un
ingénieur La connaissance représentée est dans une forme pré-formalisée
Le modèle semi-formel peut être formalisé avec la participation minimale des experts les ayant conçus
10
Présentation d’OntoCASE
Hypothèse :
À partir d’un modèle de connaissances exprimé dans un langage semi-formel qui représente des connaissances de différents types, il est
possible de procéder de manière automatique ou semi-automatique, à sa formalisation en
ontologie qui, du point de vue du domaine de connaissance, est syntaxiquement et
sémantiquement valide.
11
Présentation d’OntoCASE
But
Produire un outil (méthodologique et informatique) permettant de formaliser un modèle semi-formel de connaissances (ex: MOT) en ontologie formelle dans le formalisme OWL
Formaliser avecOntoCASE
FLogic
Carte conceptuelle
Hautement informel Semi-informel Semi-formelRigoureusement
formel
Quantum des degrés de formalisation
Graphe conceptuel
(SOWA)
Communication orale
Communication écrite
Procédure écrite
Pseudocode informatique
Réseau sémantique
Diagramme UMLModèle de
connaissances MOT
Logique des descriptions
Ontologie OWL
12
Présentation d’OntoCASE
Objectifs
1. Concevoir une méthodologie d'ingénierie ontologique intégrant une méthode fondée sur la transformation d'un modèle semi-formel en ontologie et intégrant une méthode:
a. de formalisation en ontologieb. de validation syntaxique et sémantique de l’ontologie produite
2. Développer un outil informatique intelligent et intégré, qui instrumente de manière efficace, efficiente et satisfaisante ces différentes méthodes
3. Développer une ontologie offrant une représentation méta du domaine de la représentation des connaissances, qui opérationnalise les assistants informatiques de la méthodologie et qui sert de représentation pour la méthodologie
13
Présentation d’OntoCASE
Les trois volets d’OntoCASE
Méthodologique décrit l'ensemble des éléments procéduraux, des acteurs et
des ressources contribuant à la formalisation d'un MSF en ontologie
Computationnel (informatique) décrit les composants informatiques ainsi que leurs
utilisations afin d'assister les acteurs dans l'application de la méthode
Représentationnel comporte un ensemble de guides qui permettent d'orienter le
déroulement de chacune des méthodes ainsi qu'une ontologie de transformation qui régit l'opérationnalité des composants du volet computationnel
14
Présentation d’OntoCASE
Les relations entre les trois volets d’OntoCASE
Les constituants du volet méthodologique
Les constituants du volet computationnel
Les constituants du volet représentationnel
15
Présentation d’OntoCASE
Avant de poursuivre …
Quelques éléments théoriques nécessaires au sujet de l’architecture conduite par les modèles (ACM)
16
Présentation d’OntoCASE
La métamodélisation et les niveaux d’abstraction de l’ACM
M0: couche donnée, représente les choses de la réalité
M1: couche modèle, abstraction de la réalité
M2: couche métamodèleabstraction du langage de modélisation
M3: couche Méta-métamodèle, abstraction du langage de métamodélisation
Présentation d’OntoCASE/Théorie
17
Espaces de modélisation
L'espace de modélisation (EM) est une architecture de modélisation réalisée à partir d'un métamodèle particulier L’espace MOF proposé par
l’OMG L’espace Extended Backus-
Naur Form (EBNF) qui est le méta-métamodèle servant à la définition de la grammaire du langage Java
L’espace RDFS associé au projet du web sémantique
18
Présentation d’OntoCASE/Théorie
Transformation d’un modèle selon l’ACM
L’OMG préconise l’utilisation du MOF-QVT et l’OCL pour la transformation de modèles
Le processus de transformation est défini par le métamodèle MOF-QVT/OCL
C’est production automatique d’un modèle cible à partir d’un modèle source
19
Présentation d’OntoCASE/Théorie
Modèle cible
Modèle source
M3
Définit
M2
DéfinitM1
Repré
sente
M0
Méta-métamodèle
Métamodèle cible
Représente
Représente
Représente
M0M1
Processus de transformation
orthogonale
Métamodèle source
Modèle de transformation
Principe de la transformation orthogonaleLe processus utilise la sémantique du langage source
pour réaliser la transformation Le modèle source est traité
en tant que données et le métamodèle source est reporté au niveau M1
Le processus de transformation traite les éléments du modèle source en tant que données en correspondance avec la structure définie dans le métamodèle source selon les règles et axiomes définis dans le modèle de transformation
20
Présentation d’OntoCASE/Théorie
Adaptation d’ACM en architecture conduite par les ontologies (ACO) pour OntoCASE
L’ACM de base Étape 1
Changement de l’espace de modélisation MOF->RDF(S) QVT/OCL->SWRL
Étape 2 Les modèles de M1 sont remplacés par des ontologies et la transformation est assumée par l’ontologie de transformation
21
Présentation d’OntoCASE/Théorie
… de retour au volet représentationnel d’OntoCASE
l'ontologie de référence représente les diverses catégories de connaissances et opérationnalise le processus de désambiguïsation et de transformation
l'ontologie cadre encadre les éléments du modèle cible dans une structure qui soutient la représentation de connaissances déclaratives, procédurales et stratégiques qu’elles soient concrètes ou abstraites
Quatre composants forment l'ontologie de transformation: l'ontologie du langage semi-formel représente les éléments du vocabulaire et de la
grammaire du langage semi-formel utilisé pour construire les modèles sources l'ontologie de traitement des ambiguïtés et des erreurs contient des règles servant à la
désambiguïsation et à l'identification des erreurs de catégorisation;
22
Présentation d’OntoCASE
Positionnement des composantes de l’OT dans le modèle ACO
23
Présentation d’OntoCASE
Catégorie Correspondance des couleurs Primaire Secondaire Règle nom Règle antécédent Règle complète Règle nom Tertiaire
ENTITÉ Type de connaissance
Déclaratif (quoi)
Procédural (comment)
Stratégique (pourquoi, qui, quand)
Niveau de
réalité
Subjectif (Abstrait) C
oncept
Classe
Action
Opération
Principe
Agent
Schéma
String
Procédure
Condition Int R
ègle
Nom
Float
Antécédent Complète
Conclusion Propriété
Objectif (Concret)
Manifestation
Objet
Acte
Opération
Facteur d'influence
Agent
Attribut Procédure
Condition
Règle
Nom Antécédent Complète
Conclusion Assertion
Structure de l’ontologie de référence
Structure Entité-Relation
RELATION
Catégorie
Flux Intrant
Produit
Précédence
Holonyme Agrégation
Composition
Englobe
Hyponyme Généralisation
Spécialisation
Autonyme Définit
Instance
Operateur Unaire Condition
Restriction
Binaire Disjoint
Équivalent
Inverse
Régulation Régulation
24
Présentation d’OntoCASE
Structure de l’ontologie cadre
RESOURCEType de connaissances CatégorieDéclarative Concept
Schéma FloatIntString
Procédurale ProcédureOpération
Stratégique Agent_Contrainte_NormeConditionEntite_Regle Antécédent
CompleteConclusionNom
Quelques remarques: Rappel: l’O cadre sert à structurer l’ontologie cible. Elle est méta face à
celle-ci La structure de l’O cadre diffère de celle de l’O de référence: les
connaissances factuelles n’y figurent pas puisque ce type de connaissances sera représenté par des individus OWL dans l’ontologie cible
PROPRIÉTÉ Nom Nom propriété inverse
A-POUR-ATTRIBUT A-POUR-COMPOSANT EST-LA-PARTIE-DE
PER
ME
T-D
E
ALORS
A-P
OU
R-
DE
PEN
DE
NC
E EST-LA-CONCLUSION-DE
A-POUR-CONCLUSION EST-LA-CONCLUSION-DE EST-ANTECEDENT-DE A-POUR-ANTECEDENT EST-PRECEDENT-DE EST-LE-SUIVANT-DE PUIS-EVALUER EVALUE-A-PARTIR-DE PUIS-EXECUTER A-POUR-PREALABLE
ENGLOBE EST-ENGLOBE-PAR
INT
RA
NT
-PR
OD
UIT
A-POUR-INTRANT EST-L_INTRANT-DE
A-POUR-PRODUIT EST-LE-PRODUIT-DE
REGIT OBEIT-A
25
Présentation d’OntoCASE
OntoCASE :Le volet méthodologique
26
Présentation d’OntoCASE
«1» Concevoir un modèle semi-formel
27
Présentation d’OntoCASE
«2» Formaliser en ontologie du domaine
28
Présentation d’OntoCASE
Module de traitement :
Implantation de l’aspect méthodologique de la formalisation
xsi:type="mot:Concept" nom="Berger Allemand" xsi:type="mot:LienI" xsi:type="mot:Exemple" nom="Bahia"
Espace de modélisation RDF(S)-OWL
Espace de modélisation EMOF
M1 Ontologie du langage semi-formel (metaMot:)
M0 :Bahia rdf:type metaMot:MOT_Exemple:Berger-Allemand rdf:type metaMot:MOT_Concept :LienI_Berger-Allemand_Bahia rdf:type metaMot:MOT_LienI
M1 Ontologie de référence (oRef:)
M0 :LienI_Berger-Allemand_Bahia rdf:type oRef:OR_Relation_Instance:Bahia rdf:type oRef:OR_Entite_Manifestation_Objet:Berger-Allemand rdf:type oRef:OR_Entite_Concept_Classe
Importer
Désambiguïser
M2 Ontologie cadre (metaDom)
M1
M0
:Berger-Allemand rdf:type owl:Class ;rdfs:subClassOf metaDom:MD_Declarative_Concept .
:Bahia rdf:type :Berger-Allemand . ConvertirF
orm
alis
er
Ontologie du domaine (ontologie cible)
MSF en langage natif (modèle source)
Ontologie du MSF
Ontologie du MSF désambiguïsé
29
Présentation d’OntoCASE
«3» Valider
Le but de la validation syntaxique est de s’assurer que tous les éléments du MSF sont représentés dans l’ontologie
Le but de la validation sémantique est de s’assurer que l’ontologie représente correctement la signification du modèle
30
Présentation d’OntoCASE
L’erreur de représentation survient quand le modélisateur …
Conceptualisation
Représenter
Abstraire
Domaine de la réalitéModèle du domaine
Extério
riser
Langage
Par
... fait une erreur d’abstraction (par exemple, il comprend mal le domaine de la réalité) …
… fait une erreur d’extériorisation, i.e. un usage inadéquat du langage de modélisation (son vocabulaire, sa grammaire ou sa sémantique)
31
Présentation d’OntoCASE/Valider
L’interprétation formelle d’une séquence d’actions
Exemple de validation sémantique avec OntoCASE
Interprétation formelle[Ajouter le sucre] puis exécuter [Battre les œufs][Ajoutez le lait] puis exécuter [Mettre au congélateur][Battre les œufs] puis exécuter [Incorporer graduellement][Chauffer le crème] puis exécuter [Incorporer graduellement][Faire cuire] puis exécuter [Refroidir][Hacher les noix] puis exécuter [Chauffer le crème][Incorporer graduellement] puis exécuter [Faire cuire][Refroidir] puis exécuter [Ajoutez le lait][Séparer les œufs] puis exécuter [Ajouter le sucre]
...[Faire cuire] a pour dépendance [Ajouter le sucre][Faire cuire] a pour dépendance [Battre les œufs][Faire cuire] a pour dépendance [Chauffer le crème][Faire cuire] a pour dépendance [Hacher les noix][Faire cuire] a pour dépendance [Incorporer graduellement][Faire cuire] a pour dépendance [Séparer les œufs][Faire cuire] permet [Ajoutez le lait][Faire cuire] permet [Mettre au congélateur][Faire cuire] permet [Refroidir]...
Portion de connaissances inférées
32
Présentation d’OntoCASE/Valider
La recette de la crème glacée
La génération d’un MSF à partir de l’ontologie cible
• Exemple de validation• L’erreur d’extériorisation
33
Formaliser
Valider
Générer MSF
MSF Source MSF généré
Les flèches en rouges indiquent les inférences produites par le mécanisme de validation sémantique
On constate l’erreur d’extériorisation dont la cause est l’inversion du « lien S »
Déroulement de la présentation
Introduction Présentation d’OntoCASE Démarche de construction d’OntoCASE Validation d’OntoCASE Conclusion
34
Le trois phases qui ponctuent la démarche
Phase 1 - Mise en place des composants architecturaux, procéduraux et informatiques de la méthodologie Pour fixer les composants informatiques en lien avec les composants
méthodologiques Phase 2 - Agrégation des composants ontologiques, procéduraux et
informatiques d'OntoCASE Pour attacher les différents composants entre eux et de valider les choix
architecturaux et théoriques Phase 3 - Confirmation
Pour compléter la structure interne des différentes ontologies agrégées par l'ontologie de transformation.
Pour mettre en place les outils informatiques nécessaires à la validation d’OntoCASE par l'implantation de mécanismes d'exécution de scénarios de tests.
La démarche de recherche se déroule selon une approche évolutive et itérative où les résultats et les outils de l’itération précédente servent à construire les outils produits par l’itération en cours.
Construction d’OntoCASE
35
Phase 1: Critères de sélection du langage source (semi-formel) et du langage cible (formel)
Critères qui justifient le choix du langage semi-formel MOT: Permet l’expression de connaissances procédurale, déclarative et stratégique Permet l’expression de connaissances abstraites et factuelles Appuie dans sa sémantique l’expression de la relation d’instance et de
spécialisation, ainsi que d’autres relations utiles telles que le séquencement procédural et la régulation
N’impose aucune contrainte de représentation sur les types de connaissances ou de relations introduites dans un même modèle
Le langage est de type graphique.
Critères qui justifient le choix d’OWL en tant que langage formel: L’expressivité est suffisante pour représenter une ontologie Le langage est de degré formel La grande disponibilité des outils informatiques qui s’y rapporte (moteur
d’inférence, éditeur, analyseur XML et Java)
Construction d’OntoCASE
36
Phase 1: Étude du langage MOTConstruction d’OntoCASE
37
Phase 1: Type de processus de désambiguïsation
1. Manuel: l’utilisateur peut choisir la sémantique qu’il désire donner à un élément du modèle
2. Topologique: La sémantique de l’élément du modèle est déterminée par le système en fonction de la disposition des éléments du modèle
Par exemple, soit le patron suivant:
Alors: ▪ le principe sera désambiguïsé en propriété P
▪ le concept A et la concept B seront désambiguïsés en classe A et classe B
▪ et la classe A sera le domaine et la classe B sera l’image de la propriété P.
3. Typologique: La sémantique de l’élément est choisie en fonction de son type. Ce type de désambiguïsation survient lorsque l’élément ne possède qu’une seule signification
Par exemple: un lien I (instance) sera désambiguïsé en rdf:type
Construction d’OntoCASE
38
Phase 2: Interfaces de communication avec l’utilisateur
La rétroaction sur le graphiqueDes messages à la console
L’accès aux propriétés d’un objet en erreur couplé à un mécanisme de pointage d’erreurs
Les interfaces de communication permettent à l’utilisateur de diagnostiquer le processus de formalisation assurant ainsi une transformation efficiente
Construction d’OntoCASE
39
Phase 3: Le banc d’essais pour la consolidation Le banc d’essais permet de valider les modules d’importation,
de désambiguïsation, de conversion, de régénération de MSF ainsi que le module de validation syntaxique.
Construction d’OntoCASE
40
Déroulement de la présentation
Introduction Présentation d’OntoCASE Démarche de construction d’OntoCASE Validation d’OntoCASE Conclusion
41
OntoCASE est validé selon les trois aspects suivants:
Généralité des types de connaissances à formaliser Il s’agit de démontrer que les connaissances de divers types (déclarative,
procédurale, stratégique et factuelle) présentes dans le MSF sont représentées dans l'ontologie cible
Généricité des langages semi-formels utilisés pour la formalisation Cette dimension est démontrée en appliquant le scénario de
transformation d’OntoCASE à partir d’un MSF construit à l’aide d’un autre langage que MOT, à savoir le langage MindMap de Buzan (1994)
Ergonomie d’OntoCASE La validation ergonomique a pour objectif de valider la capacité
d’OntoCASE à être utilisé par des utilisateurs autres que son concepteur. Requiert une expérimentation en laboratoire où des utilisateurs sont mis en situation d’utilisation.
Validation d’OntoCASE
42
Généralité des types de connaissances: Les scénarios de test Scénario de test unitaire
Principalement conçu pour tester le processus de conversion
Valide les éléments de base du langage semi-formel
Utilise la désamb. manuelle Scénario de test fonctionnel
Principalement conçu pour tester le module de désambiguïsation
Valide le mécanisme d’identification des patrons de modélisation
Utilise la désamb. topologique, typologique
Scénario de test système Principalement conçu pour tester
le module de validation Valide la préservation de la
sémantique du MSF Utilise la désamb. manuelle,
topologique et typologique
Validation d’OntoCASE
43
Généricité des langages: Critères du choix du langage semi-formel MindMap
Le thème et le sous-thème sont polysémiques puisqu’ils peuvent représenter des connaissances déclaratives ou procédurales
La relation est aussi polysémique puisqu’elle peut représenter une hyperonymie (généralisation) ou une méronyme (composition)
Validation d’OntoCASE
44
Le modèle descriptif, pour valider la transformation de connaissances déclaratives, de la généralisation et de la composition
Le modèle procédural, pour valider la transformation de connaissances procédurales, de la généralisation et de la composition
Scénarios de tests pour évaluer l’intégration du MindMap dans OntoCASE
Validation d’OntoCASE
45
Une automobile se compose de 4 roues, d'une carrosserie et d'un moteur. Un moteur peut être diesel, à essence ou électrique
Pour écrire une thèse, il faut faire une recherche et aussi faire des activités comprises dans la procédure d’écriture d'un document, soit faire un plan, rédiger, corriger et réviser
Méthode d’intégrationValidation d’OntoCASE
46
Résultat: Restauration en MOT des scénarios de test grâce à OntoCASE
restauration en MOT du modèle descriptif
restauration en MOT du modèle procédural
Validation d’OntoCASE
47
MindMap à MOT
MindMap à MOT
Ergonomie d’OntoCASE: Mise à l’essai auprès d’usagers cibles
Cette mise à l’essai a pour objectif de valider l’ergonomie d'OntoCASE en termes d'efficacité: degré de réalisation des objectifs poursuivis en matière
d'utilisation; d'efficience: capacité de produire une tâche donnée avec le minimum d'effort de satisfaction: niveau de confort ressenti en utilisant le logiciel
Elle a été menée auprès de quatre personnes déjà familières avec MOT: Expert de contenu Chargé de projets Cogniticien Ingénieur ontologique
Elle suit une méthodologie de type: analyse en situation d'utilisation monitorage de l'utilisation
Elle est menée conformément au certificat d’étique délivré par le comité d’éthique de la recherche de la TELUQ
Validation d’OntoCASE
48
Les quatre phases de la séance individuelle de mise à l’essai
la familiarisation, afin d’initier le participant à l’utilisation OntoCASE
la formalisation, afin d’initier le participant au processus de formalisation et de validation de modèles et de permettre à celui-ci de réaliser une première manipulation
la modélisation et la formalisation libres, afin de mesurer la capacité du logiciel et de la méthodologie à résister aux différentes approches des participants par la modélisation d’un court texte
le debriefing, est consacré au recueil des commentaires du participant à la fin de la séance
Validation d’OntoCASE
49
Bilan et commentaires Durée moyenne des expérimentations: deux à trois heures Tous les participants ont déclaré qu’ils seraient aptes à
utiliser OntoCASE avec un minimum de soutien de l’expérimentateur
Les principales difficultés d’usages résident dans l’utilisation de l’éditeur de modèle MOT (eLi) pour la modélisation
Tous les participants ont pu formaliser le modèle étalon Aucun participant n’a pu compléter la modélisation du texte
servant d’intrant à la mise à l’essai: Le texte exigeait une longue réflexion avant d’être modélisé. Cependant, il a été observé que la formalisation en ontologie et la
validation sémantique du modèle partiellement conçu ont permis aux participants d’accélérer leur processus de conception.
Validation d’OntoCASE
50
Bilan et commentaires (suite)
Remarques sur le processus de validation ergonomique Compte tenu du nombre restreint de participants et
du caractère flou des métriques de mesure, nous ne pouvons pas affirmer avec certitude que le test d’ergonomie soit une réussite
Cependant, compte tenu des commentaires recueillis et des observations faites, nous pouvons affirmer avec certitude que le test d’ergonomie n’est pas un échec
Ainsi, ce test doit être considéré comme un indicateur de bonne tendance des choix ergonomiques adoptés pour OntoCASE
Validation d’OntoCASE
51
Autres critères de validation de la thèse
Présentation à des congrès scientifiques pour valider plusieurs facettes de la thèse: L’utilisation de l’ACO pour la transformation de modèles semi-formels en
ontologie (Journée francophone sur les ontologies 2008) L’architecture de la méthodologie et du contenu de l’ontologie de référence
(Ingénierie des connaissances 2009) L’utilisation d’OntoCASE pour la validation de la sémantique d’un MSF
(Ingénierie de la connaissance 2010)
Intégration d’OntoCASE dans le processus de recherche Tout au long de la recherche, la version de l’itération précédente d’OntoCASE
servait d’outil d’ingénierie ontologique pour la poursuite de la recherche eLi a servi d’éditeur de modèle MOT pour la construction des modèles
contenus dans le document de thèse L’utilisation d’OntoCASE et d’eLi tout au long du processus de recherche
constituent une forme de validation de terrain
Validation d’OntoCASE
52
Déroulement de la présentation
Introduction Présentation d’OntoCASE Démarche de construction d’OntoCASE Validation d’OntoCASE Conclusion
53
Réalisations du point de vue des sciences cognitives
Conclusion
54
Une ontologie représentationnelle et opérationnelle du domaine de la représentation des connaissances
Une méthode de formalisation de modèles de connaissances semi-formels en ontologies
Une méthode de représentation de connaissances tant déclaratives, procédurales, stratégiques et factuelles dans une ontologie
Une méthode de gestion des ambiguïtés intrinsèquement contenues dans la sémantique du langage semi-formel
Un ensemble de documents qui servent de guide à la conception d'un MSF dans la perspective de sa transformation subséquente en ontologie.
Une méthode de validation de la sémantique d’un MSF par un décodage formel du modèle
Réalisations du point de vue informatique (1/2)
Un outil intelligent et intégré dans l'environnement Eclipse apte à assister un ingénieur ontologique et un ou des experts d’un domaine dans la conception d'une ontologie à partir d'un MSF
Un nouvel éditeur de modèles MOT (eLi) dans l'environnement Eclipse
Une bibliothèque du codes sources de Protégé pour la manipulation d'ontologies, de règles SWRL et d’interfaces aux moteurs d'inférences Pellet et Jess intégrée dans Eclipse
Des outils d'importation/exportation de modèles de l'espace de modélisation MOF à l'espace de modélisation OWL
Conclusion
55
Réalisations du point de vue informatique (2/2)
Un mécanisme de construction automatique d'ontologies à partir d'une base de connaissances de type OWL jumelé à SWRL
La substitution avec succès du MOF par OWL/SWRL en tant que méta-métamodèle dans l'utilisation de l'ACM pour la transformation de modèles semi-formels
Un outil intelligent qui automatise la conversion et la validation du MSF en ontologie et qui semi-automatise le processus de désambiguïsation des connaissances exprimées de manière semi-formelle
Un outil intelligent de production de texte informel à partir d'une conceptualisation exprimée de manière semi-formelle
Conclusion
56
Apports en représentation des connaissances
Une ontologie de référence qui est une représentation possible du domaine de la représentation des connaissances
La structure de l’ontologie de référence supporte l’intégration d’un nouveau langage (MindMap) et la classification de plusieurs autres (UML et BPMN) laissant présumer une certaine généricité de sa structure face au domaine de la représentation des connaissances
La méthodologie de transformation soutient la formalisation en ontologie, de connaissances déclaratives, procédurales, stratégiques et factuelles
L’assistant informatique procure une rétroaction de la sémantique représenté par le MSF par l’interprétation formelle de l’ontologie cible
L’outil informatique peut servir à convertir en MOT un modèle semi-formel d’un autre langage (voir le test avec MindMap)
Conclusion
57
Apports en ingénierie ontologique et aux applications du web sémantique
Une méthodologie qui permet de construire une ontologie pré-validée avant déploiement d’une manière efficiente
Une méthode pour intégrer de nouveaux formalismes semi-formels dans une méthodologie ontologique
Une bibliothèque de commandes de type SWRL Built-in qui permet de créer et de mettre à jour une ontologie cible à partir du déclenchement de règles. Cette bibliothèque permet la conception d’une ontologie dédiée à la création d’ontologies
Conclusion
58
Apports en gestion des connaissances
Une méthodologie qui permet de construire une ontologie formelle à partir d’une élicitation semi-formelle qui stimule l’expression de connaissances tacites
Une méthodologie qui permet la formalisation d’une mémoire d’entreprise dont le contenu est exprimé de manière semi-formelle
Une méthodologie qui permet, par son mécanisme, de valider le contenu expert par rétroaction
Conclusion
59
Limites
Il est à anticiper que la structure interne de l’ontologie de référence subirait d’importantes modifications advenant l’intégration d’un langage complexe
La terminologie de l’ontologie de référence gagnerait en clarté si elle s’alignait sur la terminologie d’ontologies déjà existantes dans le domaine (Ex.: SUMO, CYC, KR de Sowa)
La validation ergonomique du logiciel nécessite un déploiement à une grande échelle pour être confirmée
Certaines optimisations de performance d’exécution doivent être réalisées dans le module de désambiguïsation et de conversion.
Certaines règles de « bonnes pratiques » de la DL ne sont pas respectées dans la construction de l’ontologie cible. Pour l’harmoniser aux bonnes pratiques, il faudrait : Utiliser rdf:typeOf au lieu rdf:subClassOf pour relier les classes de l’ontologie
cible aux classes l’ontologie cadre Utiliser, pour des cas précis, l’owl:Restriction au lieu de rdfs:subPropertyOf
pour définir le domaine et l’image des sous propriétés
Conclusion
60
Perspectives (1/2)
Utiliser OntoCASE pour construire la base de connaissances d’un système expert selon une approche d’élicitation semi-formel directement par les experts de contenu
Raffiner et généraliser d’avantage l’ontologie de référence et l’ontologie cadre par: L’intégration d’autres langages semi-formels (par ex.:
UML-Cas d’utilisation, carte conceptuelle, etc.) L’intégration de langages formels (par ex.: BPMN) Explorer la possibilité de remplacer l’ontologie cadre par
OWL-S
Conclusion
61
Perspectives (2/2)
Utiliser OntoCASE en tant que système de validation de la sémantique d’un modèle (par ex. pour valider la sémantique d’un diagramme UML ou BPMN)
Développer des fonctionnalités au rapport de validation afin d’y intégrer des outils de recherche, d’ordonnancement des résultats
Utiliser OntoCASE en tant qu’Environnements Informatiques pour l'Apprentissage Humain pour enseigner l’art de la modélisation grâce à son module de rétroaction
Accroître l’accès à la construction d’ontologies de domaine à un public élargi d’utilisateurs (pédagogue, expert de contenu, gestionnaire) par l’intégration des modules (d’importer, désambiguïser et convertir) en un seul module (formaliser)
Conclusion
62
MerciPériode de questions
63