=Paper=
{{Paper
|id=Vol-2133/cnia-demo2
|storemode=property
|title=OntoRev : un moteur de révision d’ontologies OWL(OntoRev: A revision engine for OWL ontologies)
|pdfUrl=https://ceur-ws.org/Vol-2133/cnia-demo2.pdf
|volume=Vol-2133
|dblpUrl=https://dblp.org/rec/conf/rjcia/DongDL18
}}
==OntoRev : un moteur de révision d’ontologies OWL(OntoRev: A revision engine for OWL ontologies)==
https://ceur-ws.org/Vol-2133/cnia-demo2.pdf
O NTO R EV : un moteur de révision d’ontologies OWL
Thinh Dong, Chan Le Duc, Myriam Lamolle
LIASD - EA4383, IUT de Montreuil, Université Paris8, France
{dong, leduc, lamolle}@iut.univ-paris8.fr
English abstract We propose a Web-based application for revising an OWL on-
tology. The main functionality of this application consists in changing as less as
possible an initial ontology when adding a new piece of knowledge such as an ax-
iom, an assertion. To be able to ensure such a minimal change in preserving con-
sistency of the resulting ontology, we use a set of models generated by a tableau
algorithm to characterize the semantics of an ontology, and define a semantic
distance between ontologies. Our Web-based application provides also other ser-
vices such as visualizing an OWL ontology in a succinct syntax, inputting an
OWL axiom/assertion.
Introduction. L’intelligence collective s’appuie sur des connaissances partagées. Afin
que ces connaissances soient exploitables via des systèmes informatiques, elles doivent
être représentées et manipulées en utilisant un mécanisme de raisonnement automa-
tique. En outre, les connaissances qui reflètent la compréhension d’un domaine d’applica-
tion évoluent au cours du temps. Ceci nécessite un mécanisme assurant à tout moment la
cohérence sémantique de la totalité des connaissances du domaine représenté ; modifier
une seule information modélisée implique de réviser/vérifier toute la sémantique portée
par cette connaissance. Pour répondre à ces deux problématiques, nous proposons dans
cet article une approche pour des modèles ontologiques consistant en un mécanisme de
révision permettant la représentation et la gestion de l’évolution des connaissances.
Après une étude des approches existantes pour réviser des ontologies, nous avons
proposé un nouvel algorithme tableau pour des ontologies d’expressivité SHIQ (in-
cluse dans OWL-DL) qui garantit la priorité aux nouvelles connaissances, la cohérence
de la nouvelle ontologie et les changements minimaux. Nous avons implémenté ce nou-
vel algorithme dans le prototype O NTO R EV mis en ligne par des services Web afin de
favoriser le travail collaboratif et la gestion de l’évolution de la modélisation collective
d’une ontologie.
Fondement formel. Comme mentionné précédemment, les ontologies étudiées dans
cet article sont exprimées en la logique de description SHIQ (Baader et al., 2003)
qui autorise l’expression de concepts, atomiques ou complexes, composés de construc-
teurs logiques booléens, de rôles (relations binaires) transitifs et inverses, de restrictions
existentielle, universelle et numérique. Une ontologie consiste en un ensemble de con-
naissances dont chacune peut être soit une assertion de la forme C(a) ou R(a, b) où
C est un concept, R un rôle, a, b des individus, soit un axiome de la forme C v D
ou R v S où C, D sont des concepts et R, S des rôles. Comme toutes les logiques
de description, la sémantique de SHIQ est fondée sur la théorie des modèles, i.e. elle
utilise un domaine non-vide ∆ et une fonction d’interprétation I pour associer à chaque
concept C un ensemble C I ⊆ ∆, à chaque rôle R un ensemble RI ⊆ ∆ × ∆. Le
couple I = (∆, ·I ) est un modèle de l’ontologie (i.e. elle est cohérente) si I vérifie
toute contrainte sémantique (ou connaissance) contenue dans l’ontologie ; par exemple
C I ⊆ DI pour tout axiome C v D.
Soient O et O0 deux ontologies en SHIQ. La révision de O par O0 consiste à con-
struire une ontologie O∗ conservant toutes les connaissances de O0 et le plus possible
les connaissances de O. Nous avons adopté une approche fondée sur les modèles pour
la construction de O∗ . Ceci veut dire que la sémantique d’une ontologie O est carac-
térisée par un ensemble fini de modèles représentatifs, noté FM(O), qui est construit
par l’algorithme de tableau. Par conséquent, la révision de O par O0 revient à constru-
ire un ensemble de modèles, noté FM(O ⊕ O0 ), qui inclut FM(O0 ) et la partie la plus
grande de FM(O) compatible avec FM(O0 ). En particulier, si O∪O0 est cohérente alors
FM(O ⊕ O0 ) = FM(O) ∪ FM(O0 ), et O∗ = O ∪ O0 , i.e. la révision devient simplement
l’ajout de O0 dans O. Les lecteurs intéressés peuvent trouver le détail de cet algorithme
de révision dans l’article (Dong et al., 2017).
Fig. 1: Architecture d’O NTO R EV
Architecture du noyau. L’algorithme de révision présenté dans la section précé-
dente a été implémenté dans un prototype, appelé O NTO R EV, et évalué avec plusieurs
ontologies du monde réel. L’architecture d’O NTO R EV est décrite dans la figure 1. Elle
est composée de quatre modules principaux, à savoir, CHO qui charge une ontologie O
à réviser et une autre ontologie O0 contenant les assertions/axiomes à ajouter ; CTM qui
construit les modèles de forêt de O et O0 ; CAR qui calcule FM(O ⊕ O0 ) représentant
les modèles de l’ontologie résultante à partir de FM(O) et FM(O0 ) ; enfin, CTO qui
construit l’ontologie résultante O∗ à partir de FM(O ⊕ O0 ) obtenu.
Le module CHO, qui dépend fortement de l’OWLAPI1 , doit effectuer également
certains pré-traitements comme l’absorption, la suppression de tautologies, etc. Le mod-
ule CTM implémente un algorithme tableau spécifique (Dong et al., 2017) permet-
tant de construire l’ensemble des modèles représentatifs FM(O) d’une ontologie O.
1
http://owlapi.sourceforge.net/
L’ensemble FM(O) peut être très grand s’il y a un nombre important de non-détermi-
nismes intrinsèques (e.g. ceux qui ne proviennent pas directement du concept ¬C t D
pour un axiome C v D). Le module CAR implémente l’algorithme calculant une dis-
tance sémantique entre deux modèles de forêt et plusieurs techniques d’optimisation
pour réduire la cardinalité de FM(O ⊕ O0 ). Enfin, le module CTO génère l’ontologie
résultante en SHIQ la plus “petite" sémantiquement qui prend pour modèles tous les
élements dans FM(O ⊕ O0 ). Remarquons que l’existence d’une ontologie en SHIQ
prenant exactement les éléments dans FM(O ⊕ O0 ) pour modèles n’est pas nécessaire.
Exemple. Pour illustrer le processus de révision, nous considérons une ontologie,
notée O, contenant les axiomes et assertions suivants :
(1) Professor v Researcher t Expert (les professeurs sont des chercheurs ou experts),
(2) Professor v ∃supervises.Student (un professeur supervise au moins un étudiant),
(3) Professor v (≥ 2 teaches.Course) (un professeur enseigne au moins deux cours),
(4) Professor(Alex) (Alex est un professeur).
On souhaite maintenant réviser O en prenant en compte le fait que les chercheurs et
experts ne supervisent aucun étudiant. On note O0 une deuxième ontologie contenant
deux nouveaux axiomes δ1 et δ2 qui expriment les nouvelles connaissances :
δ1 : Researcher v ∀supervises.(¬Student) et δ2 : Expert v ∀supervises.(¬Student)
Si l’on ajoute O0 dans O directement, l’union O ∪ O0 sera incohérente car selon (4)
Alex est un Professor et qui doit superviser un Student selon (2). Cependant, Alex doit
être soit un Researcher, soit un Expert selon (1) ; ce qui contredit δ1 ou δ2 . Ceci néces-
site la révision de O afin que δ1 et δ2 soient prises en compte et les connaissances de O
soient conservées le plus possibles. Pour ce faire, O NTO R EV construit deux ensembles
de modèles FM(O) et FM(O0 ). Ensuite, il extrait de FM(O0 ) l’ensemble de modèles,
noté FM(O ⊕ O0 ), qui sont les plus proches (par rapport à la distance sémantique) des
modèles dans FM(O). Enfin, O NTO R EV génère à partir de FM(O ⊕ O0 ) l’ontologie
résultante, notée O∗ , contenant les axiomes et assertion suivants :
Expert v ∀supervises.(¬Student),
Researcher v ∀supervises.(¬Student), Professor(Alex),
> v (Professoru¬ResearcheruExpertu¬Courseu¬Studentu∃supervises.Studentu
(≥ 2 teaches.Course) t (Professor u Researcher u ¬Expert u ¬Course u ¬Student u
∃supervises.Student u (≥ 2 teaches.Course) t (Student u ∀supervises.(¬Student) u
(≤ 1 teaches.Course) u ¬Course u ¬Professor u ¬Researcher u ¬Expert) t (Course u
∀supervises.(¬Student)u(≤ 1 teaches.Course)u¬Studentu¬Professoru¬Researcheru
¬Expert),
Remarquons que O∗ peut inclure des axiomes de taille importante car ils provien-
nent des modèles trouvés dans FM(O ⊕ O0 ). Comme toutes les approches fondées
sur les modèles, les axiomes de l’ontologie résultante construite par notre méthode
décrivent les connaissances plutôt au niveau des modèles qu’au niveau de notre propre
conception du domaine. Par conséquent, ils sont moins “parlant" que ceux des ontolo-
gies intiales. Pour évaluer O NTO R EV, nous avons réalisé plusieurs tests avec différentes
ontologies du monde réel. Les lecteurs intéressés peuvent trouver les résultats de ces
tests dans l’article (Dong et al., 2017).
Interface Web d’O NTO R EV . Nous avons intégré O NTO R EV dans une application
Web2 qui permet d’éditer, de réviser et d’interroger une ontologie OWL. Les avantages
de cette interface sont que (i) tous les calculs lourds d’O NTO R EV sont effectués sur
un serveur puissant, (ii) l’affichage du contenu de l’ontologie de travail et la syntaxe
de saisie d’un nouvel axiome/assertion sont facilités car exprimable en syntaxe Manch-
ester (très utilisée par la communauté), (iii) les requêtes d’utilisateur sont analysées de
façon centralisée. Cela permet d’optimiser la recherche des réponses en utilisant un mé-
canisme de cache ou d’apprentissage, et (iv) les requêtages courants sur une ontologie
OWL tels que la vérification de la cohérence, la déduction d’un nouvel axiome/assertion
y sont naturellement intégrés.
Fig. 2: Interface Web d’O NTO R EV
Toutes les fonctionnalités accessibles via un navigateur Web sont aussi disponibles
comme Web services du type REST. La page d’accueil (cf. figure 2) est découpée en
deux zones :
(1) Ontology Information : Un utilisateur peut charger une ontologie en tapant l’URI
de l’ontologie ou en choisissant (Browse...) une ontologie en local. Notons que si le
bouton Load situé dans la zone Toolbox est cliqué mais que l’utilisateur n’a pas tapé de
lien ni choisi une ontologie en local, l’ontologie Training.owl de la plate-forme Learn-
ingCafé se charge par défaut.
(2) Toolbox : contient les boutons permettant de charger une ontologie (Load), sauveg-
arder le résultat (Save), annuler le traitement (Cancel). De plus, l’utilisateur peut cliquer
sur More Infos pour afficher les entités, les axiomes/assertions de l’ontologie de travail
; et Add New Infos lui permet de mettre à jour l’ontologie. Enfin, il peut aussi faire
des requêtes sur l’ontologie en utilisant DL Query & Entailment. Cette fonctionnalité
utilise les services du raisonneur HermiT (Shearer et al., 2008) à l’heure actuelle.
Quand l’utilisateur clique sur Add New Infos, une nouvelle zone s’ouvre (cf. figure
2). Cette zone comporte plusieurs boutons Entity, Axioms, etc. permettant de saisir un
2
http://linc.iut.univ-paris8.fr:8080/search-revision-engine/
nouvel axiome ou une nouvelle assertion à ajouter dans l’ontologie de travail. Ces bou-
tons peuvent déclencher O NTO R EV si l’axiome/assertion à ajouter n’est pas compatible
avec ceux déjà existant dans l’ontologie de travail.
Conclusion et perspective. Nous avons présenté le prototype O NTO R EV, implé-
menté en Java pour la révision d’ontologie OWL. Le service de révision d’ontologie
basé sur O NTO R EV a été intégré dans une interface Web permettant de faciliter l’accès
au service et de profiter de la puissance de calcul d’un serveur. Comme perspective
à court terme, nous visons à proposer une approche de révision hybride fondée non
seulement sur la sémantique (modèles) mais aussi sur la syntaxe. Une telle approche
améliorerait la lisibilité des axiomes de l’ontologie résultante.
References
[Baader et al., 2003] Franz Baader, Diego Calvanese, Deborah L. McGuinness, Daniele Nardi,
and Peter F. Patel-Schneider, editors. The Description Logic Handbook: Theory, Implementa-
tion, and Applications. Cambridge University Press, 2003.
[Dong et al., 2017] Thinh Dong, Chan Le Duc, and Myriam Lamolle. Tableau-based revision
for expressive description logics with individuals. J. Web Sem., 45:63–79, 2017.
[Shearer et al., 2008] Rob Shearer, Boris Motik, and Ian Horrocks. HermiT: A Highly-Efficient
OWL Reasoner. In Alan Ruttenberg, Ulrile Sattler, and Cathy Dolbear, editors, Proc. of the 5th
Int. Workshop on OWL: Experiences and Directions (OWLED 2008 EU), Karlsruhe, Germany,
October 26–27 2008.