Академический Документы
Профессиональный Документы
Культура Документы
2) Si vous cherchez sur un moteur de recherche quelconque par exemple le mot « frégate » et que vous vous
intéressez à l'oiseau, votre moteur de recherche va vous retourner des résultats qui n'ont rien à voir avec
les oiseaux, il va en plus vous retourner des résultats sur les bateaux de guerre et sur les vieux bateaux.
Comment résoudre ce problème ? Tout simplement en donnant un sens aux mots que vous écrivez. On
peut facilement imaginer que, lorsque vous tapez "frégate", votre moteur de recherche vous propose «
voulez-vous les oiseaux ? les bateaux de guerre ? les vieux bateaux ? » ou bien trois onglets avec chacun
sa catégorie. Ainsi, le moteur de recherche comprend ce que vous lui demandez et pourra mieux vous
répondre. Évidemment, cet exemple est très simple et basique, mais vous pouvez ainsi mieux voir l'une
de ses utilités.
Donc le Web sémantique (plus techniquement appelé « le Web de données ») permet aux machines de comprendre la
sémantique, la signification de l'information sur le Web. Il étend le réseau des hyperliens entre des pages Web
classiques par un réseau de lien entre données structurées permettant ainsi aux agents automatisés d'accéder plus
intelligemment aux différentes sources de données contenues sur le Web et, de cette manière, d'effectuer des tâches
(recherche, apprentissage, etc.) plus précises pour les utilisateurs. (1pt)
Architecture du WS (1pt)
Fig.1 Architecture du WS
La partie 2 constituée des technologies suivantes est opérationnelle : (XML, RDF, RDF-S, SPARQL,
Ontology : OWL) car les technologies existent. (0.5pt)
Un certain nombre de moteurs de recherche ont été développés pour interroger le web de données à partir des
liens RDF. Ils offrent ainsi des fonctionnalités de recherche qui intègrent des données de plusieurs milliers de
sources de données. Ces outils démontrent les avantages d’une architecture ouverte liant les sources de
données. Des outils de recherche sémantique tels que Sigma, Falcons, SWSE10 et VisiNav offrent une
interface utilisateur par mots clefs semblable à celle de Google ou de Yahoo et retournent une liste de
résultats. Il est intéressant de noter que les moteurs de recherche traditionnels tels que Google et Yahoo ont
commencé à utiliser les données structurées du web au sein de leurs applications Google, par exemple utilise
des données RDFa ou d’autres microformats pour décrire des personnes, des produits, des entreprises, des
organisations, des rapports ou des événements, ce qui lui permet de fournir des résultats de recherche plus
riches et mieux structurées. Par exemple, une recherche sur la date de naissance d’un acteur
Fournira la date plutôt qu’une liste interminable de pages dans laquelle l’utilisateur doit se débrouiller pour
trouver ce qu’il cherche. (1pt)
4) Rappelez, avec détail, les étapes de construction d'une ontologie.
Exercice 2 (5pts)
Le schéma RDFS suivants représente trois classes avec leurs attributs et relations : (2pts)
Correction: (0.75)
<rdfs:Class rdf:ID="Cours"/>
<rdfs:Class rdf:ID="Etudiant"/>
<rdfs:Class rdf:ID="Enseignant"/>
<rdf:Property rdf:ID="enseigne_par">
<rdfs:domain rdf:resource="#Cours"/>
<rdfs:range rdf:resource="#Enseignant"/>
</rdf:Property>
<rdf:Property rdf:ID="inscrit_dans">
<rdfs:range rdf:resource="#Cours"/>
<rdfs:domain rdf:resource="#Etudiant"/>
</rdf:Property>
<rdf:Property rdf:ID="nom">
<rdfs:domain rdf:resource="#Cours"/>
<rdfs:domain rdf:resource="#Etudiant"/>
<rdfs:domain rdf:resource="#Enseignant"/>
<rdfs:range rdf:resource="rdfs:Literal"/>
</rdf:Property>
<rdf:Property rdf:ID="prerequis">
<rdfs:domain rdf:resource="#Cours"/>
<rdfs:range rdf:resource="#Cours"/>
</rdf:Property>
- Oui on peut-on transformer ce schéma en UML (1pt)
- Soit la requête suivante en SPARQL qui donne Les noms des enseignants du cours “BDIA-M2”.
prefix : <http://www.owl-ontologies.com/bdia#>
select ?N
where { ?C :nom ?X ; :enseigne_par ?P .
?P :nom ?N
filter (?X = "BDIA-M2")}
On suppose que tous les triplets (schéma RDFS et graphe RDF) sont stockées dans une table relationnelle RDF(S;
P;O).
La requête précédente en SQL. (1.25pt)
select C.O
from RDF A, RDF B, RDF C
where A.P= ’:nom’ and A.O = ’BDIA-M2’
and A.S = B.S and B.P=’:enseigne_par’
and C.S = B.O and C.P=’:nom’;
Exercice 3 (4pts)
1) Ecriture des classes : La première étape de l'écriture de l'ontologie OWL représentant cette population consiste
à écrire les classes du monde.
2) Ecriture des propriétés : L'écriture des propriétés est l'étape qui va permettre de détailler la population que l'on
veut décrire. Ecrivons les propriétés d'objet : habiteA.
<!-- Propriétés d'objet -->
<owl:ObjectProperty rdf:ID="habiteA">
<rdfs:domain rdf:resource="#Citoyen" />
<rdfs:range rdf:resource="#Ville" />
</owl:ObjectProperty>
<!-- Propriétés de type de donnée -->
<owl:DatatypeProperty rdf:ID="nom">
<rdfs:domain rdf:resource="#Citoyen" />
<rdfs:range rdf:resource="&xsd;string" />
</owl:DatatypeProperty>
<owl:DatatypeProperty rdf:ID="prenom">
<rdfs:domain rdf:resource="#Citoyen" />
<rdfs:range rdf:resource="&xsd;string" />
</owl:DatatypeProperty>
<owl:DatatypeProperty rdf:ID="nomVille">
<rdfs:domain rdf:resource="#Ville" />
<rdfs:range rdf:resource="&xsd;string"/>
</owl:DatatypeProperty>
3) Assertion de faits caractérisant la population : La dernière étape concerne l'assertion des faits
caractérisant la population. Il s'agit donc non seulement de l'instanciation des individus de la population,
mais également de leur description par l'énonciation de leurs propriétés (1pt)
<Etudiantrdf:ID="othman">
<nom>Belhadj</nom>
<prenom>Djaafar</prenom>
<dateDeNaissance>1997-05-19</dateDeNaissance>
<habiteA rdf:resource="#Mascara" /></Etudiant>