Ontologie MOAT: Tags et Folksonomie

1. Ontologie MOAT
Tag et Folksonomie
Préparé par : Surveillé par :
- DEMRAOUI Lamiae - Mr. R.BENABBOU
- CHATOUI Kaoutar

2. Problèmes d’ambiguïté
Problèmes d’hétérogénéité
Absence d’organisation
2MST -SIR

3. MST -SIR
3
http://localhost.elgg/domain/T1
Probabilité
http://localhost.elgg/domain/T3
http://localhost.elgg/domain/T2
Tagged
Tagged
Tagged
Loi de
Probabilité
Exercices de
probabilité
Tag Tag
Figure 1: problèmes d’hétérogénéité

4. Utilisation d’URIs
Découverte de contenu proche
MOAT
4MST -SIR

5. MOAT permet de:
Coupler la souplesse de la Folksonomie et la puissance de
l’indexation sémantique
eaning f ag )
5MST -SIR

6. Les classes :
Tag : une étiquette globale;
Meaning : une signification de l'étiquette;
TagType : une énumération permettant de distinguer les tags créés
par les utilisateurs de ceux rajoutés par des processus automatiques;
Les propriétés:
hasMeaning : pour lier les étiquettes globales et leurs sens;
meaningURI : lien entre une signification et son URI unique;
tagMeaning : lien entre une étiquette locale et sa signification;
tagType :pour typer un tag local;
6MST -SIR

7. Tags: RestrictedTagging
http://localhost/elgg/domain
/T1
http://localhost/elgg/Prof
1
http://localhost/elgg/domain
/T1/M1
http://localhost/elgg/domain
/tag/coloriage
http://localhost/elgg/domain
/tagging/1
Coloriage
Rdf: Type
Tags: associatedTag Tags :name
moat : tagMeaning
Tags : taggedBy
Tags : taggedResource
7MST -SIR

8. 8MST -SIR

9. MST -SIR 9

10. Une ontologie : - OWL-DL qui définit des objets et leurs relations;
Des serveurs : - centraliser les tags et leurs significations.
- proposent une API pour les interroger;
Des clients : - communiquent avec les serveurs.
- Lorsqu'un utilisateur veut associer un tag à un contenu, il utilise un
client qui récupère sur le serveur les différents sens possibles du
tag, permet à l'utilisateur d'en choisir un, et crée le lien entre le
contenu, le tag et sa signification.
- Les clients permettent également d'enrichir le serveur de nouvelles
significations
10MST -SIR

11. OWL Lite : est le sous langage de OWL le plus simple. Il est destiné aux
utilisateurs qui ont besoin d'une hiérarchie de concepts simple.
OWL DL :est plus complexe que OWL Lite, permettant une expressivité
bien plus importante. Il est fondé sur la logique descriptive et garantit
la complétude des raisonnements et leur décidabilité .
OWL Full: est la version la plus complexe d'OWL, mais également celle
qui permet le plus haut niveau d'expressivité. OWL Full est destiné aux
situations où il est plus important d'avoir un haut niveau de capacité
de description, quitte à ne pas pouvoir garantir la complétude et la
décidabilité des calculs liés à l'ontologie.
MST -SIR 11

12. MST -SIR 12
Serveur
Client_3 MOAT
Client_2 MOAT
Client _1 MOAT
Base de donnée
API ELGG
Figure 3 :Echange de flux d’information
GURI
G1URI
G2.1URI
G2.2URI
Ns.owl

13. 13MST -SIR

14. client / serveur et processus MOAT (1)
14MST -SIR

15. client / serveur et processus MOAT (2)
15MST -SIR

16. client / serveur et processus MOAT (3)
16MST -SIR

17. Gestion de l’ambiguïté des tags :
Gestion de l’ hétérogénéité des tags :
Absence de relation
probabilité
proba
probabilité
- math :Probabilité et Statistique
- math :Loi de probabilité
- Math : ExercicesProbabilité
- Math : LoiDePoisson- Math : Loi de probabilité
17MST -SIR

18. Figure : Identification de contenus proches via des relations entre concepts
associés 18

19. Règle d’inférence pour identifier deux contenus proches en utilisant
MOAT, SIOC et des relations entre URIs
19MST -SIR

20. Définir pour différentes classes de l’ontologies des règles d’inférence
1ère règle : - s’applique à toute instance de role:Domain
- permet d’identifier comme liés des domaines considérés
comme plus spécifiques dans la hiérarchie de domaines.
20MST -SIR
Règle d’inférence basée sur SKOS pour l’identification de concepts proches

21. 2ème règle : - s’applique à toute instance de foaf:Agent
- permet d’identifier d’autres agents partageant un domaine
d’activité en commun avec cette instance
Règle d’inférence pour l’identification de concepts proches à partir de relations
entre domaines
21MST -SIR

22. Relations entre experts et non-experts en combinant FOAF, SIOC, MOAT et SKOS
MST -SIR 22