Détermination automatique des relations sémantiques entre les concepts d’une ontologie Mohamed Ben Ahmed MHIRI*, Faïez GARGOURI*, Djamal BENSLIMANE** *Laboratoire MIRACL Institut supérieur d’informatique et du multimédia de Sfax BP 3030 - 3018 Sfax TUNISIE {mohamed.mhiri, faiez.gargouri}@fsegs.rnu.tn ** Laboratoire LIRIS Université Claude Bernard Lyon 1 [email protected] RÉSUMÉ.

Les systèmes d’information (SI) actuels sont de plus en plus complexes nécessitant un énorme travail de modélisation, utilisant une quantité énorme des données. Par conséquent, les concepteurs sont confrontés à un ensemble de problèmes liés à la méconnaissance du domaine à modéliser et à la difficulté de déterminer les concepts et leurs relations. Comme solution, nous proposons l’utilisation des ontologies comme moyen d’assistance aux concepteurs pendant leur tâche de modélisation. En effet, Le rôle principal de l’ontologie est d'avoir un consensus sur le vocabulaire à utiliser pour un domaine donné. Dans cette article, nous présentons une approche de construction des ontologies pour la conception des SI en insistant sur la détermination automatisée des différentes relations sémantiques entre les concepts composant une ontologie. ABSTRACT. The current information systems (IS) are increasingly complex requiring an enormous work of modelling, using an enormous quantity of the data. Consequently, the designers are confronted with a set of problems concerned in their ignorance of the modelled field and the difficulty with the determination of the concepts and their relations. As solution, we propose the use of ontologies like assistance to the designers during their modelling task. Indeed, the principal role of ontology is to have a consensus on the vocabulary to use for a given field. In this paper, we propose an automated approach for building IS’ ontologies by determining the various semantic relations between the concepts composing an ontology. .

: conception des systèmes d’information, ontologie, représentation conceptuelle, relations sémantiques. MOTS-CLÉS

KEYWORDS:

Information systems design, ontology, conceptual representation, semantic relationships.

1. Introduction De nos jours, les systèmes d'information (SI) sont de plus en plus complexes, nécessitant un énorme travail de modélisation. Les concepteurs sont souvent confrontés à un ensemble de difficultés liées à la méconnaissance du champ d étude et à la multitude des concepts utilisés. Ces problèmes sont principalement dus au manque d'un consensus sur les vocabulaires utilisés pour un champ d étude donné. En conséquence, les concepteurs peuvent, dans certains cas, commettre des erreurs syntaxiques, structurelles et/ou sémantiques. Ces erreurs auront des conséquences sur la cohérence des représentations conceptuelles (RC) résultats. un autre côté, la tâche d analyse des besoins devient aussi très fastidieuse en raison, en particulier, de la nouvelle orientation des applications actuelles, utilisant massivement les nouvelles technologies (e-commerce, entrepôt de données...). Ces applications se basent sur une énorme quantité de concepts provenant de sources hétérogènes. Une telle hétérogénéité entraîne souvent des ambiguïtés sémantiques au niveau des RC résultats. Les AGL actuels ne permettent pas la détection ni la résolution de toutes les ambiguïtés énoncées. En effet, en raison de leur aspect sémantique et du fait que les AGL ne disposent pas d informations précises sur le domaine d étude, ces erreurs ne sont pas détectables. Les AGL se limitent actuellement à la vérification de certaines erreurs syntaxiques relatives aux spécificités des diagrammes utilisés. Par exemple, ils peuvent vérifier que le nom d’une classe soit unique dans un diagramme donné. Paradoxalement, dans une RC donnée, un concepteur peut indiquer qu’une voiture hérite d’une personne, sans que cette erreur ne soit détectée. Cette limitation est due au manque de sémantique liée aux divers termes utilisés dans la RC. Un travail préliminaire doit donc être ainsi effectué pour représenter la sémantique explicite d un domaine de discours. Plusieurs approches (mots-clés, dictionnaires, taxonomies) ont été proposées, dans la littérature, pour la représentation des connaissances durant le processus de modélisation d un domaine donné. Cependant, elles ne permettent pas de représenter toutes les relations sémantiques et conceptuelles entre les concepts. Comme solution, nous proposons l'utilisation des ontologies comme moyen d assistance aux concepteurs pendant leur tâche de modélisation. Le rôle principal de l ontologie est d'avoir un consensus sur le vocabulaire à utiliser pour un domaine donné. En effet, une ontologie vise à représenter, d'une manière générique et réutilisable, la sémantique d'un domaine donné (Guarino et al, 1995). Cette ontologie permet la compréhension du domaine à modéliser, fournir les concepts caractérisant ce domaine et vérifier la sémantique des RC. Le cadre général de ces travaux de recherche, qui couplent deux domaines: la conception des SI et les ontologies, concerne la proposition d une approche de construction automatisée des ontologies pour la conception des SI. L ontologie permet la détermination et la représentation des concepts d un domaine donné ainsi

que leurs relations conceptuelles et sémantiques. Cela nécessite évidemment utilisation d un langage de représentation des ontologies dédié pour la conception des SI, que nous avons appelé UMLOnto. Dans ce papier, nous nous limitons à la présentation de la détermination automatique des relations sémantiques entre concepts d une ontologie. Cet article est organisé comme suit. La section 2 décrit brièvement notre démarche pour la construction d une ontologie dédiée à la modélisation des SI. La section 3 présente la démarche de détermination automatique des relations sémantiques entre les concepts de l ontologie. La section 4 présente notre prototype, intitulé OntoBuilder de construction automatique d ontologies dédiées aux SI en illustrant ses principales fonctionnalités. L automatisation concerne la détermination des relations sémantiques en utilisation leur formalisation en langage Z. La section 5 conclut ce travail et présente ses perspectives.

2. approche proposée pour la construction de l’ontologie De nombreux travaux ont été proposés pour la construction des ontologies pour un domaine donné. Nous pouvons citer comme exemple, les travaux de (Assadi et al, 2000) qui propose une démarche de construction d une ontologie texte pour transformer une spécification en langage naturel en un langage formel tout en choisissant un contexte de référence, en structurant et en organisant les concepts. un autre côté, il existe d après (Benslimane et al, 2003), deux approches pour la construction d une ontologie. Elle peut débuter soit à partir de zéro ou à partir des bases des données déjà existantes. Ces dernières permettent de capturer une certaine réalité des concepts et d expliciter le contenu des sources d information. Autrement dit, une ontologie représente un contexte de référence entre les systèmes coopératifs. Par contre selon (Bachimont et al, 2005), les ontologies sont des systèmes conceptuels, comprenant les concepts d un domaine et les relations les mettant en jeu dans ce domaine. Pour cela, les ontologies peuvent se fonder sur une terminologie structurée, à formaliser et à traduire dans un langage interprétable par un ordinateur. Une analyse des travaux de (Gandon et al, 2001) (Leclère et al, 2002) sur les ontologies nous a permis de dégager un consensus sur le processus de conception une ontologie exploitable dans un système à base de connaissances. La figure1 illustre ce consensus qui repose sur un enchaînement de trois étapes permettant de passer des données brutes à l ontologie opérationnelle. Données Brutes

Ontologie

Modèle Conceptuel

Conceptualisation

Informelle e

Ontologisation

Représentation Formelle

Opérationalisation

Semi-formelle

Figure 1. Processus général de construction d’une ontologie

Formelle

Pour construire une ontologie, il faut tout d abord recueillir son corpus. La nature du corpus dépend du domaine d application de l ontologie. En effet, un corpus peut être sous forme de documents textuels, des interviews, des représentations conceptuelles, de sites Web, etc., ... Une fois le corpus est prêt, la première étape de construction de l ontologie peut être déclanchée. étape de conceptualisation consiste à identifier et à extraire les connaissances contenues dans un domaine particulier (Leclère et al, 2002). Ces connaissances sont représentées par des concepts et des relations entre ces concepts. Les différentes tâches (non nécessairement ordonnées) relevant de cette étape sont: - l identification du vocabulaire conceptuel ; cette activité peut être effectuée à aide d outils d extraction automatique de termes et de liens entre termes dans des corpus; l association des différents termes synonymiques se rapportant à chaque élément du vocabulaire conceptuel; l association des données d origine (document, image, interview, etc.) aux éléments qu elles illustrent; la rédaction d annotations fournissant de manière la moins ambiguë possible, la sémantique des différents éléments du vocabulaire, l explicitation des connaissances implicites des éléments du vocabulaire. Dans notre cas, les données brutes sont sous forme de représentations conceptuelles (RC) exprimées avec des diagrammes de classes UML, que nous supposons validés par leurs concepteurs. Nous sous-entendons par validation, les classes et leurs liens conceptuels sont conformes aux spécifications des utilisateurs. Cependant, nous pouvons avoir des erreurs conceptuelles dues à la méconnaissance du domaine et utilisant des termes non conformes au domaine. Une étude approfondie est réalisée sur ces diagrammes afin de cerner la sémantique véhiculée à travers les différents concepts utilisés et les relations existantes entre ces classes. étape d’ontologisation consiste à modéliser, dans un langage générique, les propriétés formelles du domaine considéré (Leclère et al, 2002). (Gruber, 1993) propose cinq critères permettant de guider le processus d ontologisation : la clarté et l objectivité des définitions, qui doivent être indépendantes de tout choix d implémentation ; la cohérence (consistance logique) des axiomes ; l extensibilité d une ontologie, c est-à-dire la possibilité de l étendre sans modification ; la minimalité des postulats d encodage, ce qui assure une bonne portabilité ; la minimalité du vocabulaire, c est-à-dire l expressivité maximum de chaque terme.

Pour la représentation de notre ontologie, nous avons proposé le langage UMLOnto (Mhiri2 et al, 2005) qui représente une extension du langage UML. Cette extension concerne l ajout de nouvelles notions caractérisant une ontologie. UMLOnto permet évidemment de représenter les concepts ainsi que les relations entre ces concepts. Parmi ces représentations, nous pouvons citer le concept de classe (CC), le concept de classe d association (CCA) et les relations sémantiques entre les concepts (identité, synonymie, homonomie, équivalence, antonymie, sorte de). La dernière étape, l’opérationnalisation consiste à outiller l ontologie, c'est-àdire la doter de mécanismes d inférence, support à la mise en uvre de raisonnement. Dans notre cas, l opérationnalisation consiste à transformer les concepts et leurs relations, obtenus à l étape précédente, en un diagramme appelé diagramme de concepts. Ce diagramme peut être représenté par un fichier XML en ajoutant de nouvelles balises supportant les caractéristiques des ontologies. Les langages existants pour la représentation des ontologies (par exemple OWL) ne permettent de représenter toutes les relations conceptuelles et sémantiques caractérisant notre ontologie. Cependant, nous pouvons s inspirer de leur syntaxe et leur sémantique pour implanter ce diagramme de concepts.

Rci 3 1

Base de règles formelles

Extraction des relations Conceptuelles

Comparaison des concepts de RCi avec l ontologie Vi-1 Déduction des relations sémantiques

Alimentation des relations Conceptuelles

Alimentation des relations sémantiques

2

4 Ontologie Vi

Figure 2. Notre démarche de construction d’une ontologie La figure 2 présente notre démarche de construction de l ontologie (Mhiri1 et al, 2005). Cette démarche est basée sur les trois étapes déjà présentées, adaptées aux spécificités des SI. L alimentation de l ontologie prend comme entrée une RC activée dans la fenêtre principale de notre outil OntoBuilder (Cf. § 4). Dans la première étape, le système effectue les comparaisons avec l ontologie version Vi-1 nécessaires pour déduire les relations sémantiques pouvant exister entre les concepts. Puis, dans la deuxième étape, il alimente l ontologie version Vi-1 par ces

relations. Ensuite, lors de la troisième étape, le système relit la RC courante pour extraire les relations conceptuelles. Enfin, dans la quatrième étape, il alimente ontologie par ces relations conceptuelles. L alimentation de l ontologie peut être automatique ou assistée, selon le choix de l utilisateur. Au cours d une alimentation assistée, des messages de confirmation et de vérification sont affichés périodiquement au concepteur. Ces messages ne sont pas affichés au cours d une alimentation automatique. Si la règle formelle (Cf. § 3) de la relation sémantique testée est vérifiée alors le système alimente l ontologie par cette relation, sinon il passe à un autre test. Le paragraphe suivant présente notre approche pour la détermination automatique des relations sémantiques entre concepts d une ontologie.

3. Détermination automatique des relations sémantiques entre les concepts de l’ontologie Par relation sémantique, nous sous-entendons toute relation, autre que celles habituellement utilisées dans les RC UML et qui est susceptible d exister entre deux concepts. C est le cas, par exemple, des relations de synonymie, d homonymie, . La première étape pour la détermination automatique des relations sémantiques entre les concepts de l ontologie est l extraction des différents concepts, existants dans les diagrammes des RC. Elle concerne les concepts de noms de classes. Cette extraction est effectuée en même temps avec une comparaison entre les rôles des concepts joués dans les diagrammes.

RC1

Base de règles

Extraction des Concepts et leurs relations

RCn

Déterminations des relations sémantiques entre concepts

Identité Synonymie Homonymie Antonomie Sorte de

Équivalence

Alimentation Ontologie

Représentation de l’ontologie avec UMLOnto

C1 C3 C1

ontologie.xml

Figure 3. Processus de détermination des relations sémantiques

Après l extraction des différents concepts, une deuxième étude comparative des différentes RC est entamée pour synthétiser les relations conceptuelles existantes entre les différentes classes. Les relations conceptuelles prises en compte sont: la généralisation-spécialisation, l agrégation et la composition, les relations non nommées et celles ayant un nom. Une fois l étude comparative terminée, une analyse sémantique est effectuée sur les concepts de noms des classes et les relations entre ces concepts pour donner comme résultat de nouvelles relations sémantiques pouvant exister entre les concepts de classes (Mhiri1 et al, 2006). La figure 3 précise le processus de détermination des relations sémantiques. Dans le paragraphe suivant, nous allons définir et formaliser chaque relation.

3.1. Définitions des relations sémantiques Les relations sémantiques permettent de relier les concepts des différentes RC traitant le même domaine d étude. Elles apportent plus de sémantique aux modélisations élaborées. Elles assistent les concepteurs à la compréhension du domaine à modéliser et élimine certaines ambiguïtés qui peuvent exister entre les concepts. En plus, elles permettent d alimenter une ontologie avec des nouveaux concepts en se basant surtout sur l étape de comparaison entre les attributs, les opérations et les relations conceptuelles entre les concepts (Cf. §3.2). Nous définissons, par la suite, les différentes relations sémantiques supportées et leurs propriétés (Mhiri2 et al, 2006). Il est à noter que ces propriétés sont utiles pour assurer la cohérence entre les différents concepts et un moyen d optimisation des ontologies. En effet, la symétrie et la transitivité permettent de minimiser le nombre de comparaison entre les concepts en déduisant leurs liens sémantiques. Relation d’identité: c est une relation sémantique qui existe entre deux concepts qui ont la même syntaxe, les attributs et les mêmes opérations. Exemple : Identité(Personne, Personne). Relation de Synonymie : est une relation sémantique qui existe entre deux concepts qui expriment le même sens. Exemple : Synonymie(Personne, Individu). Cette relation vérifie les propriétés suivantes : La relation Synonymie() est une relation symétrique : SI Synonymie(C1, C2) ALORS Synonymie(C2, C1). La relation Synonymie() est transitive : SI Synonymie(C1,C2) ET Synonymie(C2,C3) ALORS Synonymie(C1,C3).

Relation de classification sorte_de, entre deux concepts exprimant que l un est un cas particulier de l autre. Exemple : Sorte_de (Canari, Oiseaux). Cette relation vérifie les propriétés suivantes : La relation Sortede( ) est une relation unidirectionnelle : SI Sortede(C1, C2) ALORS ¬ Sortede (C2, C1).

La relation Sortede ( ) est transitive : SI Sortede (C1, C2) ET Sortede (C2,C3) ALORS Sortede (C1, C3).

Relation d Homonymie : un même concept peut avoir deux sens différents. Exemple : Homonymie (fils, fils). La relation Homonymie() est une relation symétrique : SI Homonymie (C1, C2) ALORS Homonymie (C2, C1).

Relation d Equivalence : une relation sémantique qui existe entre deux concepts jouant le même rôle dans des RC différentes. Exemple : Equivalence(Usine, Fournisseur). L équivalence vérifie la propriété suivante: La relation Equivalence() est une relation symétrique : SI Equivalence (C1, C2) ALORS Equivalence (C2, C1).

Relation d’Antonomie : est utilisé entre deux concepts totalement disjoints. Exemple : Antonomie(Marié, célibataire). Cette relation vérifie les propriétés suivantes : La relation Antonomie() est une relation symétrique : SI Antonomie (C1,C2) ALORS Antonomie (C2, C1). La relation Antonomie( ) n est pas transitive, SI Antonomie(C1, C2) ET Antonomie (C2, C3) ALORS C1 = C3 (c est identité).

Une définition formelle et plus de détails sur les différentes relations sémantiques seront présentés par le paragraphe suivant. Ces relations utilisent des fonctions de vérification. Il existe deux types de fonctions : - des fonctions entre termes : Syn (x,y), Herite(x,y), Ant(x,y) avec x et y sont des termes. - des fonctions entre concepts : Categorie (x,y), Estun (x,y), Relation (x,y) avec x et y sont des concepts.

3.2. Formalisation Z des différentes relations sémantiques Avant de donner les définitions formelles des relations sémantiques entre concepts, commençons par donner les définitions que nous accordons aux concepts terme et concept. Un terme est un mot de la langue naturelle qui désigne un ou des concept(s). Dans UMLOnto, un terme est caractérisé par une syntaxe et une sémantique. Nous définissons alors un concept (Cc) comme étant un terme caractérisé par une syntaxe et une sémantique représentées sous forme de chaînes. Il est caractérisé par une identité et contient un ensemble d’attributs et un ensemble d’opérations.

Figure 4. Formalisation Z d’un concept

Dans les paragraphes suivants, nous présentons les règles de détermination des relations sémantiques entre les concepts formalisées en Z (Spivey, 1992) (France et al, 1997). Le choix de Z est motivé par le fait que c'est un langage formel basé sur la logique ensembliste et très utilisé pour la spécification des SI. De plus, avec l outil Z-eves1 nous permet de vérifier la validation des spécifications Z. 3.2.1. Identité Deux concepts C1 et C2 sont identiques, s ils ont la même syntaxe, les mêmes noms, les mêmes attributs et les mêmes opérations. La spécification Z de cette relation est donnée par la figure 5.

Figure 5. Formalisation Z de la relation d’identité 1

http://www.ora.on.ca/z-eves/

3.2.2. Synonymie Deux concepts C1 et C2 sont synonymes, s ils n ont pas la même syntaxe, mais présentent les mêmes attributs et les mêmes opérations. Dans UMLOnto, la relation de synonymie exprime une variante de sens entre deux concepts dans un même domaine. Il ne s agit pas d’une synonymie linguistique. Mais la synonymie est déduite à partir des caractéristiques des concepts (attributs et opérations). Cette relation n est vérifiée entre deux concepts que si les règles de vérification (Cf. §3.1) exprimées sur les caractéristiques des deux concepts soient vérifiées.

Figure 6. Formalisation Z de la relation de synonymie

3.2.3. Sorte_de Le concept C1 est une sorte de C2, s ils n ont pas la même syntaxe, mais ensemble des attributs et des opérations de C1 est inclus dans l ensemble des attributs et des opérations de C2. Cette relation de catégorisation représente un cas particulier de la relation d héritage.

Figure 7. Formalisation Z de la relation sorte de

3.2.4. Homonymie Deux concepts C1 et C2 sont homonomes, s ils ont la même syntaxe, mais n ont pas les mêmes attributs ni les mêmes opérations.

Figure 8. Formalisation Z de la relation de homonymie

3.2.5. Antonomie Deux concepts C1 et C2 sont antonomes, s ils n ont pas la même syntaxe, et la négation de l ensemble des attributs et des opérations du C1 implique la confirmation de l ensemble des attributs et des opérations du C2. Cette relation est utilisée surtout lors de l héritage entre concepts (par exemple célibataire et marié qui sont des personnes).

Figure 9. Formalisation Z de la relation d’antonomie

3.2.6. Equivalence Deux concepts C1 et C2 sont équivalents, s ils n ont pas la même syntaxe, mais C1 (resp. C2) a le même contexte que C2 (resp. C1). Le contexte concerne le(s) lien(s) d un concept avec les autres dans une RC. Ces liens peuvent être des liens conceptuels et/ou sémantiques.

Figure 10. Formalisation Z de la relation d’équivalence

Grâce à l expression Z des relations sémantiques entre les concepts d une ontologie, il est possible d automatiser leur détermination. En effet, la figure 11 présente algorithme utilisé pour la détermination de ces relations (Mhiri2 et al, 2006).

Comparaison between two concepts C1, C2 Name (C1) = Name (C2) YES

Comparaison between the attributs and the operations of C1 and C2 Attrib(C1) = Attrib(C2) and Operat(C1)=Operat(C2)

Identity (C1, C2)

Homonymy (C1,C2)

NO

Comparaison between the attributs and the operations of C1 and C2 Attrib(C1) = Attrib(C2) and Operat(C1)=C2Operat(C2)

Attrib(C1) included in Attrib(C2) and Operat(C1) included in Operat(C2) Synonymy (C1, C2) Operat(C1) included in Operat(C2) KindOf (C1, C2) Attrib(C1)=NOT Attrib(C2) and Operat(C1)=NOT Operat(C2) Equivalence (C1, C2)

Antonomy(C1, C2)

designer propositions

Figure 11. Un algorithme de représentation des relations sémantiques entre concepts

Si deux concepts C1 et C2, n ont pas la même syntaxe, ni les mêmes attributs ni les mêmes opérations alors l intervention du concepteur est obligatoire. Ce dernier peut envisager deux solutions : 1- ajouter le concept introduit comme une nouvelle entrée à notre ontologie. 2- choisir une relation sémantique avec la liste des concepts composant notre ontologie. Dans la section suivante, nous présentons le prototype OntoBuilder de construction des ontologies dédiées aux SI.

4. présentation du prototype OntoBuilder Le prototype OntoBuilder représente une extension de l outil ArgoUML. Il permet de supporter, en plus des fonctionnalités d ArgoUML, une ontologie dédiée aux SI pour un domaine donné. Il est à noter que cet outil est en cours de développement (Mhiri1 et al, 2006). Le concepteur utilise l interface ArgoUML pour modéliser ces RC. Ces derniers seront la base d extraction des concepts et leurs liens conceptuels. Ces concepteurs peuvent intervenir pendant la comparaison et alimentation des concepts avec l ontologie version Vi-1. Base Ontologique liste des synonymes, liste esautonomes, autonomes, Des cat égories liste des catégories

Alimentation de l’ontologie

Consultation de l’ontologie Par toutes Par type de relation

Conceptuelles

Extraction des concepts et leurs relations

les relations

Déterminationdes desrelations relationss sémantiques Détermination émantiques entreles lesconcepts concepts entre

Sémantiques

Ontologie

Figure 12. Architecture de OntoBuilder

OntoBuilder permet de visualiser l ontologie par type de relations (relations conceptuelles ou bien sémantiques).

Figure 13. Consultation d’une ontologie

Pour la construction de l ontologie initiale, nous optons à la prise en compte de la RC représentant le plus grand nombre de concepts. Ce choix est justifié par le fait que cette RC contient le plus grand ensemble de concepts, ainsi que leurs liens possibles, permettant ainsi de représenter un univers de discours (du domaine concerné) plus large que les autres RC. La deuxième commande du menu « Construire l Ontologie » est « Consulter la Base Ontologique» permet de consulter la base ontologique référencée par ontologie (liste des synonymes, liste des antonomes et liste des catégories). alimentation de l ontologie utilise évidemment les règles de détermination des relations sémantiques définies dans la section précédente. Elle est assistée par le concepteur pour confirmer l alimentation ou bien résoudre des ambiguïtés. Par exemple, deux concepts qui n ont pas la même syntaxe et qui n ont pas les mêmes ensembles d attributs et d opérations. Au moment de la confirmation du concepteur, le système alimente l ontologie avec des nouveaux concepts ainsi que leurs relations. Il est à noter que ce processus est incrémental et itératif. En effet, il a comme point de départ une ou plusieurs RC du domaine concerné et s applique progressivement sur les différentes RC du domaine afin d en dégager l ontologie correspondante. Il peut être totalement automatisé en se basant exclusivement sur les règles de déterminations de relations sémantiques entre les concepts.

Figure 14. Détermination de la relation de synonymie

5. Conclusion Nous avons proposé une approche de construction des ontologies pour la conception des SI. Elle permet l extraction des concepts et leurs relations à partir des RC UML. Ensuite, nous avons présenté les règles de déterminations des relations sémantiques permettant l alimentation itérative et progressive des concepts dans une ontologie. Pour mette en uvre cette approche, nous avons développé un prototype, qui représente une extension de ArgoUML, permettant de supporter les fonctionnalités spécifiques à la construction et la manipulation des ontologies. Parmi les perspectives de ce travail, nous proposons l utilisation des données web comme source de données pour la construction des ontologies. Nous allons compléter le développement de l environnement proposé en renforçant le couplage entre la conception des SI et l utilisation des ontologies. Ensuite, nous proposons la définition des règles assurant la cohérence et la complétude des ontologies dédiées pour la conception de SI. Ces règles permettent la détection des erreurs syntaxiques et sémantiques et proposent des corrections à ces erreurs. Pour assurer la mise à jour de ces ontologies, nous proposons des opérateurs permettant leur évolution et leur réutilisablilité. Cette évolution résulte de plusieurs facteurs comme les nouveaux besoins exprimés par les utilisateurs.

6. Bibliographie Assadi H., Bourigault D., analyses syntaxique et statistique pour la construction d'ontologies à partir de textes, Ingénierie des connaissances, évolution récentes et nouveaux défis, chapter 15, Eyrolles, collection technique et scientifique des Télécommunications. p. 243255, 2000.

Bachimont B., Baneyx A., Malaisé V., Charlet J., Zweigenbaum P., « Synergie entre analyse distributionnelle et patrons lexico-syntaxiques pour la construction d'ontologies différentielles » Terminologie et Intelligence Artificielle (TIA'2005), Rouen, France, 4-5 avril 2005. Benslimane D., Arara A., Yetongnon K., Gargouri F., Ben Abdallah H. « Two approaches for ontologies building :From-scratch and From existing data sources », the 2003 International Conference on Information Systems and Engineering ISE 2003, Montreal, Canada, 20-24 July 2003. France R.B, Bruel J.-M, Larrondo-Petrie M.M and Shroff M., « Exploring The Semantics of UML Type Structures with Z », the Second IFIP International Conference on Formal Methods for Open Object-based Distributed Systems, London, 1997. Gandon F., Dieng-Kuntz R., « Ontologie pour un système multiagents dédié à une mémoire entreprise », In Actes des journées francophones d’Ingénierie des Connaissances IC’2001,1-20, Presses Universitaires de Grenoble, 2001. Gruber T.R., «A translation Approach to portable ontology specification », Knowledge Acquisition, vol. 5, 1993, p. 199-220. Guarino N., Giaretta P., « Ontologies and knowledge bases, towards a terminological clarification », Towards very large knowledge bases: knowledge building and knowledge sharing, IOS Presse, pages 25-32, 1995. Leclère L., Trichet T., Frûst F., « Construction of an ontology related to the projective geometry ». RFIA 13th congrès des Reconnaissance des Frames et Intelligence Artificielle, 2002, France. Mhiri1 M., Mtibaa A., Gargouri F., « Towards an approach for building information systems ontologies », FOMI’2005, 1st workshop Formal Ontologies Meet Industry, 9-10 June, Verona, Italy, 2005. Mhiri2 M., Mtibaa A., Gargouri F., « UMLOnto: Towards a language for the specification of information systems ontologies », SEKE’05, the Seventeenth International Conference on Software Engineering and Knowledge Engineering, Taiwan, China, 14-16 July, 2005, p.743-746. Mhiri1 M., Chabaane S., Gargouri F., A Framework for Information Systems Ontologies , 2nd International Conference on Information & Communication Technologies: From Theory to Applications (ICTTA 06), Damascus-Syria, 24-28 Avril, 2006. Mhiri2 M., Chabaane S., Mtibaa A., Gargouri F., « An algorithm for building Information System s ontologies », 8th International Conference on Enterprise Information Systems. Paphos ICEIS 2006, Cyprus, 23-27 May 2006. Spivey J. M., The Z Notation, Prentice Hall, Hemel Hempstead, 2nd edition, 1992.