Les logiques de descriptions

Les ontologies comme outils de représentation de connaissances:

Nées des besoins de représentation des connaissances, les ontologies sont à l‟heure actuelle au coeur des travaux menés en Ingénierie des Connaissances (IC). Visant à établir des représentations à travers lesquelles les machines puissent manipuler la sémantique des informations. La construction des ontologies demande à la fois une étude des connaissances humaines et la définition de langages de représentation, ainsi que la réalisation de systèmes pour les manipuler. Les ontologies participent donc pleinement aux dimensions scientifique et technique de l‟Intelligence Artificielle (IA) dite: scientifique : comme étude des connaissances humaines et plus largement de l‟esprit humain, ce qui rattache l‟IA aux sciences humaines, et technique comme création d‟artefacts possédant certaines propriétés et capacités en vue d‟un certain usage. Les ontologies apparaissent ainsi comme des composants logiciels s‟insérant dans les systèmes d‟informations et leur apportant une dimension sémantique qui leur faisait défaut jusqu‟ici. Le champ d‟application des ontologies ne cesse de s‟élargir et couvre les systèmes conseillers, les systèmes de résolution de problèmes ou les systèmes de gestion de connaissances.

Un des plus grands projets basés sur l‟utilisation d‟ontologies consiste à ajouter au Web une véritable couche de connaissances permettant, dans un premier temps, des recherches d‟informations au niveau sémantique et non plus simplement syntaxique. A terme, il est prévu que des applications internet pourront mener des raisonnements utilisant les connaissances stockées sur la Toile. L‟enjeu de l‟effort engagé est de rendre les machines suffisamment sophistiquées pour qu‟elles puissent intégrer le sens des informations, qu‟à l‟heure actuelle, elles ne font que manipuler formellement. Mais en attendant, de nombreux problèmes théoriques et pratiques restent à résoudre. Ce chapitre a pour but de présenter sans exhaustivité l‟état de l‟art en ingénierie ontologique. En explicitant la notion d‟ontologie à travers les besoins auxquels elle répond, puis en décrivant la place qu‟occupent les ontologies dans le processus de représentation des connaissances. En fin, en présentant ce qui signifie les connaissances inférentielles.

L’origine des ontologies :

L‟Ingénierie des Connaissances (IC) est une branche de l‟IA issue de l‟étude des Systèmes Experts (SE). Si ces derniers n‟avaient pour objet que la résolution automatique de problèmes, les Systèmes à Base de Connaissances (SBC) qui leur ont succédé sont censés permettre le stockage et la consultation de connaissances, le raisonnement automatique sur les connaissances stockées, la modification des connaissances stockées, et, avec le développement des réseaux, le partage de connaissances entre systèmes informatiques. De manière générale, il ne s‟agit plus de faire manipuler en aveugle des connaissances à la machine, qui restitue à la fin la solution du problème, mais de permettre un dialogue, une coopération entre le système et l‟utilisateur humain (systèmes d‟aide à la décision, systèmes d‟enseignement assisté par ordinateur, recherche d‟information sur le web). Le système doit donc avoir accès non seulement aux termes utilisés par l‟être humain, mais également à la sémantique que ce dernier associe aux différents termes. Plus précisément, les représentations symboliques utilisées dans les machines doivent avoir du sens aussi bien pour la machine que pour les utilisateurs, « avoir du sens » signifiant ici que l‟on peut relier les informations représentées à d‟autres informations.

Pour cela, la représentation des connaissances sous forme de règles logiques, utilisée dans les Systèmes Experts, ne suffit plus. Pour modéliser la richesse sémantique des connaissances, de nouveaux formalismes sont introduits, qui représentent les connaissances au niveau conceptuel, y compris la « structure cognitive » d‟un domaine .« Most KR formalisms differ from pure first-order logic in their structuring power, i.e. their ability to make evident the structure of a domain » [GUA 94B]. Les langages à base de frames, les logiques de descriptions et les graphes conceptuels sont des exemples de tels formalismes. Ces langages permettent de représenter les concepts sous-jacents à un domaine de connaissance, les relations qui les lient, et la sémantique de ces relations, indépendamment de l‟usage que l‟on souhaite faire de ces connaissances. On découple alors la représentation des connaissances de celle des mécanismes inférentiels. Modéliser des connaissances ne peut se faire que dans un domaine de connaissance donné, et pour un but donné, condition nécessaire à l‟unicité de la sémantique associée aux termes du domaine. Certains auteurs estiment cependant que les ontologies sont, par nature, destinées à être réutilisées [FER 97], et s‟attachent à construire des ontologies dont la sémantique soit indépendante de tout objectif opérationnel.

De plus, il ne faut pas oublier que l‟ordinateur ne manipule que des symboles, il n‟est qu‟un médiateur de connaissances, à l‟instar d‟un livre, et la sémantique des représentations symboliques manipulées n‟est construite que par les utilisateurs de l‟ordinateur [BAC 99]. Cette sémantique est cependant fortement contrainte par la façon dont les symboles sont utilisés dans la machine. C‟est pourquoi N. GUARINO plaide dans [GUA 94A] pour l‟introduction d‟un niveau ontologique entre le niveau conceptuel (où l‟interprétation est subjective, comme au niveau linguistique), et le niveau épistémologique, structuré (où l‟interprétation est arbitraire). Au niveau ontologique, les primitives utilisées pour représenter les connaissances ne sont plus des mots du langage naturel, ou des primitives conceptuelles, et pas encore des prédicats logiques, mais des énoncés qui donnent le sens des connaissances, avec une interprétation contrainte.

Les ontologies au sein du processus de représentation des connaissances :

A l‟heure actuelle, un certain consensus s‟est établi sur le rôle des ontologies dans ce processus, consensus bâti autour de la formule de T. GRUBER, « une ontologie est une spécification explicite d’une conceptualisation » [GRU 93]. La construction d‟une ontologie n‟intervient donc qu‟après que le travail de conceptualisation ait été mené à bien. Ce travail consiste à identifier, au sein d‟un corpus, les connaissances spécifiques au domaine de connaissances à représenter. « A conceptualisation is an abstract, simplified view of the world that we wish to represent for some purpose » [GRU 93]. N. GUARINO affine la définition de T. GRUBER en considérant les ontologies comme des spécifications partielles et formelles d‟une conceptualisation [GUA 95]. Les ontologies sont formelles car exprimées sous forme logique, Partielles car une conceptualisation ne peut pas toujours être entièrement formalisée. Aussi, parce que les formalismes opérationnels présentent une faible tolérance d‟interprétation (J. NOBÉCOURT dans [NOB 00]): passer directement d‟une ontologie informelle à une ontologie totalement formelle et non-ambiguë.

Il est donc nécessaire de pouvoir construire une première modélisation semi-formelle, partiellement cohérente, correspondant à une conceptualisation semi-formalisée. On parle alors d‟ontologie conceptuelle, semi-formelle, et le processus de spécification en question est appelé ontologisation [KAS 00]. En effet, une ontologie n‟est pas opérationnelle, au sens où elle n‟incluse pas de mécanismes de raisonnement, puisqu‟elle doit justement être indépendante de tout objectif opérationnel. Le langage cible doit donc permettre de représenter les différents types de connaissances (connaissances terminologiques, faits, règles et contraintes) et de manipuler ces connaissances à travers des mécanismes adaptés à l‟objectif opérationnel du système conçu. Ce processus de traduction est appelé opérationnalisation.

Le rapport de stage ou le pfe est un document d’analyse, de synthèse et d’évaluation de votre apprentissage, c’est pour cela rapport gratuit propose le téléchargement des modèles gratuits de projet de fin d’étude, rapport de stage, mémoire, pfe, thèse, pour connaître la méthodologie à avoir et savoir comment construire les parties d’un projet de fin d’étude.

Table des matières

Introduction générale
Chapitre I : Les ontologies comme outil de représentation de connaissances
1.Introduction
2 La notion d‟ontologie
2.1 L‟origine des ontologies
2.2 Les ontologies au sein du processus de représentation des connaissances
2.3 Les constituants d‟une ontologie
2.3.1 Connaissances et domaine de connaissance
2.3.2 Les concepts et les relations
3 Les connaissances inférentielles
4 Conclusion
Chapitre II : Les logiques de descriptions
1.Introduction
2.Définition du formalisme de base
2.1 Les langages de description
2.1.1 Le langage de description basique AL
2.1.2 La famille des langages AL
2.1.3 Les langages de description et la logique des prédicats du premier ordre
2.2 Terminologies
2.2.1 Axiomes terminologiques
2.2.2 Définitions
2.2.3 Terminologies définitoriales
2.2.4 Terminologies acycliques et terminologies cycliques
2.2.5. Les sémantiques du fixe point pour les terminologies cycliques
3 Descriptions du monde Abox
3.1 Les assertions sur les individus
3.2 Les noms d‟individus dans les langages de description
Conclusion
Chapitre III : Le raisonnement dans les DL
1.Introduction
2.Tâches de raisonnement pour la TBox
3.L’élimination du TBox
4.Tâches de raisonnement pour la Abox
5.Les algorithmes de raisonnement
5.1 Algorithmes de subsomption structurelle
5.2 Algorithmes de tableaux
Conclusion
Chapitre IV : Etude et réalisation d’un raisonneur dans les logiques de descriptions
1.Introdction
2.Présentation de l‟application développée
3.Les algorithmes développés
3.1 L‟algorithme de subsomption structurelle
3.1.1 La technique unfolding
3.1.2 L‟algorithme
3.1.3 Subsomption et propriétés de treillis
3.2 L‟algorithme des tableaux sémantiques
3.3 Variante sur l‟algorithme de tableaux sémantiques
3.exemples d‟interrogations de la base
Conclusion
Conclusion et perspectives
Bibliographie