ASWS 5I802 Apprentissage Symbolique et Web Sémantique Master M2 DAC

Dimension: px
Commencer à balayer dès la page:

Download "ASWS 5I802 Apprentissage Symbolique et Web Sémantique Master M2 DAC"

Transcription

1 ASWS 5I802 Apprentissage Symbolique et Web Sémantique Master M2 DAC Bernd Amann UPMC 14 octobre 2014 B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341

2 Cours 5 1 SPARQL : Sémantique formelle et Algèbre 2 Evaluation de requêtes SPARQL B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341

3 SPARQL : Sémantique formelle et Algèbre Plan 1 SPARQL : Sémantique formelle et Algèbre B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341

4 SPARQL : Sémantique formelle et Algèbre Sémantique de SPARQL Objectif Définir précisément la sémantique de SPARQL : détecter des problèmes sémantiques définir des techniques d optimisation évaluer la complexité du langage Approche La sémantique est définie par une algèbre sur des ensembles de mappings de variables : jointure, union, différence, jointure externe similaire à l algèbre (ensemble de mapping = table de n-uplet) B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341

5 SPARQL : Sémantique formelle et Algèbre Mappings de variables Mapping de variables ν ν : V T : V : ensemble de variables dans la requête T = B U L ensemble de termes. Par extension, pour chaque motif de triplet t dans la requête, ν(t) est le triplet qu on obtient en remplaçant chaque variable v var(t) par son mapping ν(v). Compatibilité de Mapping de variables Deux mapping ν 1 et ν 2 sont compatibles si ν 1 ν 2 est aussi un mapping, i.e. pour toutes les variables x dom(ν 1 ) dom(ν 2 ), ν 1 (x) = ν 2 (x) B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341

6 Exemple Turtle bibliosem SPARQL : Sémantique formelle et : < h t t p : / / example. org / ns#>. : book1 : t i t l e "SPARQL T u t o r i a l " ; : p r i c e 42 ; : e d i t o r : jena. : book2 : t i t l e " The Semantic Web" ; : p r i c e 23. : book3 : t i t l e "RDF Framework " ; : p r i x 53. : book4 : t i t l e "SPARQL pour l e s Nuls " ; : e d i t o r : pourlesnuls. : pourlesnuls : address " Paris ". Requête optfilter PREFIX : < h t t p : / / example. org / ns#> SELECT?x? e d i t o r?price FROM <bibliosem. t t l > WHERE {?x : e d i t o r? e d i t o r. OPTIONAL {?x : p r i c e? p r i c e } FILTER (! bound (? p rice ) ) } Résultat de optfilter x editor price ================================= :book4 :pourlesnuls B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341

7 SPARQL : Sémantique formelle et Algèbre Motifs et mapping de variables L interprétation d un motif de graphe sur un graphe RDF est un ensemble de mappings de variables. Requête optfilter PREFIX : < h t t p : / / example. org / ns#> SELECT?x? e d i t o r?price FROM <bibliosem. t t l > WHERE {?x : e d i t o r? e d i t o r. OPTIONAL {?x : p r i c e? p r i c e } FILTER (! bound (? price ) ) } Ensemble de mappings de variables pour les deux motifs de triplets : ν 11 = {(?x, : book1 ), (?editor, : jena)} ν 21 = {(?x, : book1 ), (?price, 42)} ν 12 = {(?x, : book2 ), (?price, 23)} ν 22 = {(?x, : book4 ), (?editor, : pourlesnuls)} L ensemble {ν 22 } est l unique solution de motif pour la requête. B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341

8 SPARQL : Sémantique formelle et Algèbre Opérations sur des ensembles de mappings Soient deux ensembles de mapping Ω 1 et Ω 2. On définit les opérations (algèbre) suivantes : Jointure : Ω 1 Ω 2 = {ν 1 ν 2 ν 1 Ω 1 et ν 2 Ω 2 sont des mappings compatibles} Union : Ω 1 Ω 2 = {ν ν Ω 1 ou ν Ω 2 } Différence : Ω 1 \ Ω 2 = {ν 1 ν 1 Ω 1, ν 2 Ω 2 : ν 1 et ν 2 sont compatibles} Jointure externe gauche : Ω 1 Ω 2 = (Ω 1 Ω 2 ) (Ω 1 \ Ω 2 ) B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341

9 SPARQL : Sémantique formelle et Algèbre Exemple : mapping de variables Ω 1 = {ν 11, ν 12 } : ν 11 = {(?x, :book1 ), (?editor, :jena) } ν 12 = {(?x, :book4 ), (?editor, :pourlesnuls)} Ω 2 = {ν 21, ν 22 } : ν 21 = {(?x, :book1 ), (?price, 42)} ν 22 = {(?x, :book2 ), (?price, 23)} Opérations sur Ω 1 et Ω 2 : Ω 1 Ω 2 = {ν 11 ν 21 } Ω 1 Ω 2 = {ν 11, ν 12, ν 21, ν 22 } Ω 1 \ Ω 2 = {ν 12 } Ω 2 \ Ω 1 = {ν 22 } Ω 1 Ω 2 = (Ω 1 Ω 2 ) (Ω 1 \ Ω 2 ) = {ν 11 ν 21, ν 12 } Ω 2 Ω 1 = (Ω 1 Ω 2 ) (Ω 2 \ Ω 1 ) = {ν 11 ν 21, ν 22 } B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341

10 SPARQL : Sémantique formelle et Algèbre Interprétation algébrique d un motif de graphe P L interprétation d un motif de graphe P sur un graphe RDF D est un ensemble de mappings noté P D D est défini récursivement : t D = {ν dom(ν) = var(t) et ν(t) D} : l ensemble de mappings générés par un triplet t dans D. (P 1 AND P 2 ) D = P 1 D P 2 D (AND correspond au. ) (P 1 OPTIONAL P 2 ) D = P 1 D P 2 D (P 1 UNION P 2 ) D = P 1 D P 2 D B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341

11 SPARQL : Sémantique formelle et Algèbre Exemple : Interprétation algébrique de motifs?x :editor?editor D = {ν 11, ν 12 } : ν 11 = {(?x, :book1 ), (?editor, :jena) } ν 12 = {(?x, :book4 ), (?editor, :pourlesnuls)}?x :price?price D = {ν 21, ν 22 } : ν 21 = {(?x, :book1 ), (?price, 42)} ν 22 = {(?x, :book2 ), (?price, 23)}?x :editor?editor. OPTIONAL?x :price?price D :?x :editor?editor D?x :price?price D?x :editor?editor D?x :price?price D?x :editor?editor D \?x :price?price D ({ν 11, ν 12 } {ν 21, ν 22 }) ({ν 11, ν 12 } \ {ν 21, ν 22 }) {ν 11 ν 21, ν 12 } { {(?x, :book1 ), (?editor, :jena), (?price, 42)}, {(?x, :book4 ), (?editor, :pourlesnuls)} } B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341

12 SPARQL : Sémantique formelle et Algèbre Interprétation d un filtre Sémantique d un filtre P FILTER R (P FILTER R) D = {ν ν P D et ν = R} Satisfaction ν = R Un mapping ν satisfait R, dénoté ν = R, si : 1 R est bound(?x) et?x dom(ν) ; 2 R est?x = c,?x dom(ν) et ν(?x) = c ; 3 R est?x =?Y,?X dom(ν),?y dom(ν) et ν(?x) = ν(?y ) ; 4 R est ( R1), R1 est une condition, et ν = R1 ; 5 R est (R1 R2), R1 et R2 sont des conditions et ν = R1 ou ν = R2 ; 6 R est (R1 R2), R1 et R2 sont des conditions et ν = R1 et ν = R2. B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341

13 SPARQL : Sémantique formelle et Algèbre Quelques remarques sur la complexité de SPARQL [PAG06] a montré que les opérateurs UNION et OPTIONAL augmentent considérablement la complexité du langage : SPARQL AND,FILTER (motifs P avec AND et FILTER) : O( P D ) SPARQL AND,FILTER,UNION : NP-complet (vérification en temps polynomial sur une machine de Turing non-deterministe, algorithmes de recherche généralement en temps exponentielle) SPARQL AND,FILTER,OPTIONAL : PSPACE-complet (vérification en espace polynomial sur une machine de Turing déterministe) B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341

14 Bibliographie SPARQL : Sémantique formelle et Algèbre [GHM04] C. Guttierez, C. Hurtado, A. Mendelzon, Foundations of Semantic Web Databases, PODS 2004 [RDFSEM04] RDF Semantics, W3C Recommendation 10 February 2004, http ://www.w3.org/tr/rdf-mt/ [PAG06] Jorge Perez, Marcelo Arenas, Claudio Gutierrez, Semantics and Complexity of SPARQL, http ://arxiv.org/abs/cs.db/ , Mai 2006 B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341

15 Evaluation de requêtes SPARQL Plan 2 Evaluation de requêtes SPARQL Algèbre SPARQL Évaluation et sémantique B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341

16 Plan Evaluation de requêtes SPARQL Plans d exécution SPARQL 2 Evaluation de requêtes SPARQL Algèbre SPARQL Évaluation et sémantique B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341

17 Evaluation de requêtes SPARQL Plans d exécution SPARQL Exemple : Plans ARQ-SPARL Algèbre pour l évaluation de requêtes SPARQL : traduction de l expression SPARQL optimisation logique optimisation physique évaluation B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341

18 Evaluation de requêtes SPARQL Motif simple = triple Plans d exécution SPARQL Requête ex1 PREFIX : < h t t p : / / asws. upmc. f r / exemples#> SELECT? t i t l e FROM <ex1. t t l > WHERE { : book1 : t i t l e? t i t l e. } Expression algébrique de ex1 ( p r e f i x ( ( : < h t t p : / / asws. upmc. f r / exemples# > ) ) ( p r o j e c t (? t i t l e ) ( bgp ( t r i p l e : book1 : t i t l e? t i t l e ) ) ) ) triple : motif de triplet bgp : basic graph pattern B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341

19 Evaluation de requêtes SPARQL Motifs simples (AND) Plans d exécution SPARQL Requête couleur1 PREFIX : < h t t p : / / c o l o r s. org / ns#> SELECT DISTINCT?a?b?c?d? f?g FROM <couleur. t t l > WHERE {?a : e?b ; : e?c ; : e?d ; : e?f ; : e?g.?b : e?a ; : e?c ; : e?d.?c : e?a ; : e?b ; : e?f ; : e?g.?d : e?a ; : e?b ; : e?g.?f : e?a ; : e?c.?g : e?a ; : e?c ; : e?d. } Expression algébrique de couleur1 ( p r e f i x ( ( : < h t t p : / / c o l o r s. org / ns# > ) ) ( d i s t i n c t ( p r o j e c t (?a?b?c?d?f?g ) ( bgp ( t r i p l e?a : e?b ) ( t r i p l e?a : e?c ) ( t r i p l e?a : e?d ) ( t r i p l e?a : e?f ) ( t r i p l e?a : e?g ) ( t r i p l e?b : e?a ) ( t r i p l e?b : e?c ) ( t r i p l e?b : e?d ) ( t r i p l e?c : e?a ) ( t r i p l e?c : e?b ) ( t r i p l e?c : e?f ) ( t r i p l e?c : e?g ) ( t r i p l e?d : e?a ) ( t r i p l e?d : e?b ) ( t r i p l e?d : e?g ) ( t r i p l e?f : e?a ) ( t r i p l e?f : e?c ) B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341

20 Union = union Evaluation de requêtes SPARQL Plans d exécution SPARQL Requête construct PREFIX dc : < h t t p : / / p u r l. org / dc / elements / 1. 1 / > PREFIX ns : < h t t p : / / example. org / ns#> PREFIX ab : < h t t p : / / asws. org / ns#> CONSTRUCT {?x ab : p r i x?price ; ab : t i t r e? t i t l e. } FROM <ex5. t t l > WHERE { {?x ns : p r i c e?price. } UNION {?x dc : t i t l e? t i t l e. } } Expression algébrique de construct ( p r e f i x ( ( dc : < h t t p : / / p u r l. org / dc / elements / 1. 1 / > ) ( ns : < h t t p : / / example. org / ns# >) ( ab : < h t t p : / / asws. org / ns# > ) ) ( union ( bgp ( t r i p l e?x ns : p r i c e? p rice ) ) ( bgp ( t r i p l e?x dc : t i t l e? t i t l e ) ) ) ) B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341

21 Evaluation de requêtes SPARQL OPTIONAL = leftjoin Plans d exécution SPARQL Requête optional10 PREFIX : < h t t p : / / example. org / ns#> SELECT?x? t i t l e?y?address FROM <bibliosem. t t l > WHERE {?x : t i t l e? t i t l e. OPTIONAL {?x : e d i t o r : n o t e x i s t s OPTIONAL {?y : address?address } } } Expression algébrique de optional10 ( p r e f i x ( ( : < h t t p : / / example. org / ns# > ) ) ( p r o j e c t (?x? t i t l e?y?address ) ( l e f t j o i n ( bgp ( t r i p l e?x : t i t l e? t i t l e ) ) ( l e f t j o i n ( bgp ( t r i p l e?x : e d i t o r : n o t e x i s t s ) ) ( bgp ( t r i p l e?y : address?address ) ) ) ) ) ) B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341

22 Evaluation de requêtes SPARQL Graphes nommés = graph Plans d exécution SPARQL Requête ex10 PREFIX dc : < h t t p : / / p u r l. org / dc / elements / 1. 1 / > PREFIX ns : < h t t p : / / example. org / ns#> SELECT?a?b? t i t l e?price FROM NAMED <ex5. t t l > FROM NAMED <ex6. t t l > { { GRAPH?b {?x dc : t i t l e? t i t l e. } } OPTIONAL { GRAPH?a {?x ns : p r i c e? p r i c e. } } } Expression algébrique de ex10 ( p r e f i x ( ( dc : < h t t p : / / p u r l. org / dc / elements / 1. 1 / > ) ( ns : < h t t p : / / example. org / ns# > ) ) ( p r o j e c t (?a?b? t i t l e? p r i c e ) ( l e f t j o i n ( graph?b ( bgp ( t r i p l e?x dc : t i t l e? t i t l e ) ) ) ( graph?a ( bgp ( t r i p l e?x ns : p r i c e? p r i c e ) ) ) ) ) ) B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341

23 Evaluation de requêtes SPARQL Expressions de chemins = path Requête ex12 PREFIX f o a f : < h t t p : / / xmlns. com / f o a f / 0. 1 / > SELECT?xn?yn FROM <ex11. t t l > WHERE {?x f o a f : name?xn ; ( f o a f : knows+ ^ f o a f : knows+) [ f o a f : name?yn ]. } Plans d exécution SPARQL Expression algébrique de ex12 ( p r e f i x ( ( f o a f : < h t t p : / / xmlns. com / f o a f / 0. 1 / > ) ) ( p r o j e c t (?xn?yn ) ( sequence ( bgp ( t r i p l e?x f o a f : name?xn ) ) ( path?x ( a l t ( path+ f o a f : knows ) ( reverse ( path+ f o a f : knows ) ) )??0 ) ( bgp ( t r i p l e??0 f o a f : name?yn ) ) ) ) ) B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341

24 Plan Evaluation de requêtes SPARQL Évaluation et sémantique 2 Evaluation de requêtes SPARQL Algèbre SPARQL Évaluation et sémantique B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341

25 Evaluation de requêtes SPARQL Réécritures et normalisation Règles de réécriture Évaluation et sémantique AND et UNION sont associatifs et commutatifs. (P1 AND (P2 UNION P3)) ((P1 AND P2) UNION (P1 AND P3)). (P1 OPT (P2 UNION P3)) ((P1 OPT P2) UNION (P1 OPT P3)). ((P1 UNION P2) OPT P3) ((P1 OPT P3) UNION (P2 OPT P3)). ((P1 UNION P2) FILTER R) ((P1 FILTER R) UNION (P2 FILTER R)). Forme normale (disjonctive) Tous les motifs de graphe P peuvent être réécrits en une union de motifs sans union : P i P i où P i sont sans sans union. B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341

26 UNION Evaluation de requêtes SPARQL Évaluation et sémantique Turtle couleur Requête couleur4 PREFIX : < h t t p : / / c o l o r s. org / ns#> SELECT DISTINCT?a?b?c FROM <couleur. t t l > WHERE {?a : e?b.?b : e?c OPTIONAL { {?a : e?c } UNION {?a : e?d } UNION {?b : e?d } } } Expression algébrique de couleur4 ( p r e f i x ( ( : < h t t p : / / c o l o r s. org / ns# > ) ) ( d i s t i n c t ( p r o j e c t (?a?b?c ) ( l e f t j o i n ( bgp ( t r i p l e?a : e?b ) ( t r i p l e?b : e?c ) ) ( union ( union ( bgp ( t r i p l e?a : e?c ) ) ( bgp ( t r i p l e?a : e?d ) ) ) ( bgp ( t r i p l e?b : e?d ) ) ) ) ) ) ) B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341

27 Evaluation de requêtes SPARQL Évaluation et sémantique UNION - Normalisation Requête couleur4n2 PREFIX : < h t t p : / / c o l o r s. org / ns#> SELECT DISTINCT?a?b?c FROM <couleur. t t l > WHERE { {?a : e?b.?b : e?c OPTIONAL {?a : e?c } } UNION {?a : e?b.?b : e?c OPTIONAL {?a : e?d } } UNION {?a : e?b.?b : e?c OPTIONAL {?b : e?d } } } Résultat de couleur4n a b c ============================ :vert :bleu :vert :vert :bleu :rouge :vert :rouge :vert :vert :rouge :bleu :bleu :vert :bleu :bleu :vert :rouge :bleu :rouge :vert :bleu :rouge :bleu :rouge :vert :bleu :rouge :vert :rouge :rouge :bleu :vert :rouge :bleu :rouge Expression algébrique de couleur4n2 ( p r e f i x ( ( : < h t t p : / / c o l o r s. org / ns# > ) ) ( d i s t i n c t ( project (?a?b?c ) ( union ( union ( l e f t j o i n ( bgp ( t r i p l e?a : e?b ) ( t r i p l e?b : e?c ) ) ( bgp ( t r i p l e?a : e?c ) ) ) ( l e f t j o i n ( bgp ( t r i p l e?a : e?b ) ( t r i p l e?b : e?c ) ) ( bgp ( t r i p l e?a : e?d ) ) ) ) ( l e f t j o i n ( bgp ( t r i p l e?a : e?b ) ( t r i p l e?b : e?c ) ) ( bgp ( t r i p l e?b : e?d ) ) ) ) ) ) ) B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341

28 Evaluation de requêtes SPARQL Évaluation et sémantique Évaluation de motifs sans UNION Algorithme Eval D (P, Ω) (top-down, récursif) si Ω = return si (P est un motif triplet) return (Ω P D ) si (P = (P1 AND P2)) return Eval D (P2, Eval D (P1, Ω)) si (P = (P1 OPT P2)) return Eval D (P1, Ω) Eval D (P2, Eval D (P1, Ω)) si (P = (P1 FILTER R)) return {ν Eval D (P1, Ω) ν = R} Evaluate(P) = Eval D (P, { }) B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341

29 Evaluation de requêtes SPARQL Évaluation et sémantique Évaluation de motifs sans UNION : Exemple SELECT WHERE { t 1 OPTIONAL { t 2 OPTIONAL t 3 } } Sémantique d évaluation Eval D (t1 OPT (t2 OPT t3), { }) Eval D (t1, { }) Eval D (t2 OPT t3, Eval D (t1, { })) t1 D (Eval D (t2, t1 D ) Eval D (t3, Eval D (t2, t1 D ) t1 D (( t1 D t2 D ) ( t1 D t2 D t3 D )) Sémantique formelle ((t1 OPT (t2 OPT t3)) D t1 D ( t2 D t3 D ) L évaluation top-down ne respecte pas (toujours) la sémantique formelle. B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341

30 Evaluation de requêtes SPARQL Évaluation et sémantique Motif bien-formé Motif bien formé Un motif P est bien formé si pour chaque occurrence d un sous-motif P = P1 OPTIONAL P2 de P et pour chaque variable?x dans P la condition suivante est validée : si?x apparaît dans P 2 et en dehors de P, alors elle apparaît également dans P 1. Exemples {?x a?y OPTIONAL {?y b?z OPTIONAL {?x c?u } } : pas bien formé {?x a?y OPTIONAL {?y b?z OPTIONAL {?u c?v } } : bien formé Théorème Si P est un motif bien formé, alors P D = Eval D (P) B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341

31 Evaluation de requêtes SPARQL Pour aller plus loin... Évaluation et sémantique Marcelo Arenas, Jorge Pérez, Querying semantic web data with SPARQL, Proceedings of the thirtieth ACM SIGMOD-SIGACT-SIGART symposium on Principles of database systems, June 13-15, 2011, Athens, Greece Reinhard Pichler, Sebastian Skritek, Containment and equivalence of well-designed SPARQL, Proceedings of the 33rd ACM SIGMOD-SIGACT-SIGART symposium on Principles of database systems, June 22-27, 2014, Snowbird, Utah, USA Sebastian Skritek, Foundational aspects of semantic web optimization, Proceedings of the on SIGMOD/PODS 2012 PhD Symposium, May 20-20, 2012, Scottsdale, Arizona, USA Andrés Letelier, Jorge Pérez, Reinhard Pichler, Sebastian Skritek, Static analysis and optimization of semantic web queries, ACM Transactions on Database Systems (TODS), v.38 n.4, p.1-45, November 2013 Katja Losemann, Wim Martens, The complexity of regular expressions and property paths in SPARQL, ACM Transactions on Database Systems (TODS), v.38 n.4, p.1-39, November 2013 B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341

ASWS 5I802. Apprentissage Symbolique et Web Sémantique Master M2 DAC. Bernd Amann UPMC. 20 octobre 2015

ASWS 5I802. Apprentissage Symbolique et Web Sémantique Master M2 DAC. Bernd Amann UPMC. 20 octobre 2015 ASWS 5I802 Apprentissage Symbolique et Web Sémantique Master M2 DAC Bernd Amann UPMC 20 octobre 2015 B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 20 octobre 2015 278 / 376 Cours 6 1 Triple

Plus en détail

Une extension pour RDF/RDFS utilisant des relations procédurales

Une extension pour RDF/RDFS utilisant des relations procédurales Une extension pour RDF/RDFS utilisant des relations procédurales Jean-François Baget * * INRIA Sophia-Antipolis & LIRMM(CNRS - UM2) LIRMM, 161 rue Ada, 34392 Montpellier Cedex 5 baget@lirmm.fr RÉSUMÉ.

Plus en détail

REPRESENTATION DES CONNAISSANCES

REPRESENTATION DES CONNAISSANCES REPRESENTATION DES CONNAISSANCES Cours préparé pour l Université de Stendhal, Grenoble (France) Cédric Lopez http://www.viseo.net/cedric-lopez clopez@objetdirect.com Frédérique Segond http://www.viseo.net/frederique-segond

Plus en détail

SPARQL. SPARQL Langage d interrogation du web sémantique. Exemple. Requête usuelle. Anne-Cécile Caron 2014-2015 PREFIX... PREFIX... SELECT... WHERE...

SPARQL. SPARQL Langage d interrogation du web sémantique. Exemple. Requête usuelle. Anne-Cécile Caron 2014-2015 PREFIX... PREFIX... SELECT... WHERE... ntroduction 1/29 2/29 SPARQL Langage d interrogation du web sémantique Anne-Cécile Caron Master MAGE spécialité P-NT 2014-2015 SPARQL Langage de requêtes du W3C pour RDF/RDFS SPARQL 1.0 - recommendation

Plus en détail

Requêtes sur RDF. Tout est triplet. Le langage de requêtes SPARQL SPARQL Protocol And RDF Query Language. Le gâteau du web sémantique

Requêtes sur RDF. Tout est triplet. Le langage de requêtes SPARQL SPARQL Protocol And RDF Query Language. Le gâteau du web sémantique Requêtes sur RDF Le langage de requêtes SPARQL SPARQL Protocol And RDF Query Language 1 Tout est triplet W3C, T Berners-Lee, Ivan Herman Le gâteau du web sémantique 2 SPARQL Query Language for RDF W3C

Plus en détail

quand le lien fait sens

quand le lien fait sens Fabien Gandon - @fabien_gandon - http://fabien.info Wimmics (Inria, I3S, CNRS, Université de Nice) W3C AC Rep pour Inria Données liées et Web sémantique quand le lien fait sens étendre la mémoire humaine

Plus en détail

Correction de programmes : Logique de Hoare

Correction de programmes : Logique de Hoare 16 juillet 2009 Logique et informatique Vis-à-vis de l informatique la logique a au moins 2 rôles : 1 Externe et théorique (fondements de l informatique - Électif en S4) : Logique comme méta-informatique

Plus en détail

Introduction au web de données et au web sémantique

Introduction au web de données et au web sémantique Introduction au web de données et au web sémantique Catherine Faron Zucker faron@unice.fr Web des données ouvertes Un mouvement mondial utile pour diffuser des données produites utile pour partager de

Plus en détail

Gestion de gros volumes de données RDF

Gestion de gros volumes de données RDF LIPADE Université Paris Descartes June 23, 2014 Sommaire 1 2 3 4 Contexte 1 Augmentation considérable des données du Web, RDF 2 Données provenant de multiple sources autonomes, donc 3 Hétérogènes : sémantique

Plus en détail

Arbres. Alphabet Σ = Σ 0 Σ k. Exemples

Arbres. Alphabet Σ = Σ 0 Σ k. Exemples Arbres Alphabet Σ = Σ 0 Σ k Σ i : alphabet fini de symboles de rang i (Σ i Σ j possible). Un arbre t de rang k est défini par un ensemble (fini) dom(t) {1,..., k} clos par préfixe (domaine de t) : si v,

Plus en détail

Le Web des données ouvertes (Linked Open Data) Marie-Christine Rousset LIG Université de Grenoble (UJF) et Institut Universitaire de France

Le Web des données ouvertes (Linked Open Data) Marie-Christine Rousset LIG Université de Grenoble (UJF) et Institut Universitaire de France Le Web des données ouvertes (Linked Open Data) Marie-Christine Rousset LIG Université de Grenoble (UJF) et Institut Universitaire de France 1 Linked Open Data aujourd hui -Plusieurs milliers de sources

Plus en détail

Données liées et Web sémantique quand le lien fait sens

Données liées et Web sémantique quand le lien fait sens Données liées et Web sémantique quand le lien fait sens Fabien Gandon #inria_industrie étendre la mémoire humaine Vannevar BUSH 2 étendre la mémoire humaine Vannevar BUSH Memex, Life Magazine, 10/09/1945

Plus en détail

Bases de données documentaires et distribuées Cours NFE04

Bases de données documentaires et distribuées Cours NFE04 Bases de données documentaires et distribuées Cours NFE04 Le langage Pig latin Auteurs : Raphaël Fournier-S niehotta, Philippe Rigaux, Nicolas Travers prénom.nom@cnam.fr Département d informatique Conservatoire

Plus en détail

Bases de données avancées Introduction

Bases de données avancées Introduction Bases de données avancées Introduction Dan VODISLAV Université de Cergy-Pontoise Master Informatique M1 Cours BDA Plan Objectifs et contenu du cours Rappels BD relationnelles Bibliographie Cours BDA (UCP/M1)

Plus en détail

Resource Description Framework

Resource Description Framework Resource Description Framework Resource Description Framework xml-rdf Code: xml-rdf Originaux url: http://tecfa.unige.ch/guides/tie/html/test/test.html url: http://tecfa.unige.ch/guides/tie/pdf/files/test.pdf

Plus en détail

Consultation de graphes RDF : SPARQL

Consultation de graphes RDF : SPARQL I.Mougenot LIRMM Mastère informatique 2014 Mastère informatique 2014 1 / Préalable Tirer parti d un modèle RDF Comment tirer parti au mieux d un graphe RDF? Exploiter des patrons sur les triplets (exemples

Plus en détail

OPTIMISATION DE QUESTIONS

OPTIMISATION DE QUESTIONS OPTIMISATION DE QUESTIONS Luc Bouganim Luc.Bouganim@prism.uvsq.fr Page 2 Architecture en couche d un SGBD Gestion de Mémoire Interface Analyseur sémantique Optimiseur Moteur d exécution Opérations relationnelles

Plus en détail

Algèbre relationnelle

Algèbre relationnelle Algèbre relationnelle 1. Introduction L algèbre relationnelle est le support mathématique cohérent sur lequel repose le modèle relationnel. L algèbre relationnelle propose un ensemble d opérations élémentaires

Plus en détail

Module MLBDA Master Informatique Spécialité DAC. Cours 9 SPARQL

Module MLBDA Master Informatique Spécialité DAC. Cours 9 SPARQL Module MLBDA Master Informatique Spécialité DAC Cours 9 SPARQL Linking Open Data Linking Open Data cloud diagram, by Richard Cyganiak and Anja Jentzsch. http ://lod-cloud.net/ 2 SPARQL SPARQL : Simple

Plus en détail

CONCEPTION D UN FRAMEWORK POUR LE TRAITEMENT COOPERATIF DES REQUETES SEMANTIQUES

CONCEPTION D UN FRAMEWORK POUR LE TRAITEMENT COOPERATIF DES REQUETES SEMANTIQUES CONCEPTION D UN FRAMEWORK POUR LE TRAITEMENT COOPERATIF DES REQUETES SEMANTIQUES Présenté par : Sous l encadrement de : Géraud FOKOU Pr. Allel HADJALI Dr. Stéphane JEAN le 10 /04/2014 Bases de Données

Plus en détail

ROSES : Un moteur de requêtes continues pour l agrégation de flux RSS à large échelle

ROSES : Un moteur de requêtes continues pour l agrégation de flux RSS à large échelle ROSES : Un moteur de requêtes continues pour l agrégation de flux RSS à large échelle Jordi CREUS TOMÀS Directeurs : Bernd AMANN et Dan VODISLAV 7 Décembre 2012 Laboratoire d'informatique de Paris 6 (UPMC)

Plus en détail

Sophia Conf 2014. Bases de données RDF. versatilité, puissance et scalabilité. Bases de données RDF

Sophia Conf 2014. Bases de données RDF. versatilité, puissance et scalabilité. Bases de données RDF Sophia Conf 2014 versatilité, puissance et scalabilité Your business 2 juillet technologists. 2014 Sophia Conf Powering 2014 progress Agenda Introduction Vision du Web sémantique par Atos Modèle W3C vs

Plus en détail

Évaluation d une architecture de stockage RDF distribuée

Évaluation d une architecture de stockage RDF distribuée Évaluation d une architecture de stockage RDF distribuée Maeva Antoine 1, Françoise Baude 1, Fabrice Huet 1 1 INRIA MÉDITERRANÉE (ÉQUIPE OASIS), UNIVERSITÉ NICE SOPHIA-ANTIPOLIS, I3S CNRS prénom.nom@inria.fr

Plus en détail

SPARQL 1.1 Quoi de neuf pour manipuler les données sur le Web?

SPARQL 1.1 Quoi de neuf pour manipuler les données sur le Web? SPARQL 1.1 Quoi de neuf pour manipuler les données sur le Web? Alexandre Passant DERI, NUI Galway http://apassant.net - @terraces Stefan.Decker@deri.org SemWeb.pro http://www.stefandecker.org/ Paris, 18

Plus en détail

Préparation à l'option Informatique de l'agrégation de mathématiques. Responsable: Cristina Sirangelo cristina.sirangelo@lsv.ens-cachan.

Préparation à l'option Informatique de l'agrégation de mathématiques. Responsable: Cristina Sirangelo cristina.sirangelo@lsv.ens-cachan. Préparation à l'option Informatique de l'agrégation de mathématiques Responsable: Cristina Sirangelo cristina.sirangelo@lsv.ens-cachan.fr Option informatique Option informatique du concours externe à l'agrégation

Plus en détail

Modèle de graphe. Interroger : motifs de graphes. Interroger avec des motifs de graphes. LABD inst:citroen. LABD 10 : Le langage de requêtes SPARQL

Modèle de graphe. Interroger : motifs de graphes. Interroger avec des motifs de graphes. LABD inst:citroen. LABD 10 : Le langage de requêtes SPARQL Modèle de graphe LABD inst:citroen inst:c4 Master Info M1 2015-2016 rdfs:litteral "Citroën" "C4" sch:societe LABD 10 : Le langage de requêtes SPARQL rdfs:class un graphe, réponse à la question 2 de l exercice

Plus en détail

L2: cours I4c Langages et automates

L2: cours I4c Langages et automates L2: cours I4c Langages et automates Olivier Togni, LE2I (038039)3887 olivier.togni@u-bourgogne.fr Modifié le 31 mai 2007 Sommaire Utiles pour compilation, interprétation,... 1. Langages rationnels 2. Langages

Plus en détail

UNIVERSITE DE M SILA BDDA 2014/2015. XQuery

UNIVERSITE DE M SILA BDDA 2014/2015. XQuery XQuery 1- Historique 1998 : W3C organise un workshop sur XML Query 1999 : W3C lance le XML Query Working Group (39 membres, 25 companies) 2000 : publication des objectifs, des cas d utilisation et du modèle

Plus en détail

Master ISI 2010-2011. Data Mining Recherche des sous-ensembles fréquents

Master ISI 2010-2011. Data Mining Recherche des sous-ensembles fréquents Master ISI 2010-2011 Data Mining Recherche des sous-ensembles fréquents Yves Lechevallier INRIA-Rocquencourt E_mail : Yves.Lechevallier@inria.fr 1 Processus Data Mining Phase A : Entrepôt de données Entrepôt

Plus en détail

Bases de Données Relationnelles. L algèbre relationnelle

Bases de Données Relationnelles. L algèbre relationnelle Bases de Données Relationnelles L algèbre relationnelle Langages de manipulation Langages formels : base théorique solide Langages utilisateurs : version plus ergonomique Langages procéduraux : définissent

Plus en détail

Gestion de données complexes

Gestion de données complexes Master 2 Informatique Spécialité AIGLE Gestion de données complexes Amayas ABBOUTE Gilles ENTRINGER SOMMAIRE Sommaire i 1 - Introduction 1 2 - Technologies utilisées 2 2.1 API Jena........................................

Plus en détail

Contenu. ELFE - Cours 4. Datalog et l algèbre relationnelle. Exemple : schéma du TP5 BDD. Opérations de l algèbre relationnelle

Contenu. ELFE - Cours 4. Datalog et l algèbre relationnelle. Exemple : schéma du TP5 BDD. Opérations de l algèbre relationnelle Contenu ELFE - Cours 4 Requêtes relationnelles en Datalog Satisfaisabilité de formules booléennes en Datalog C. Kuttler Licence 3 informatique, Université Lille 24 janvier 2013 Requêtes relationnelles

Plus en détail

Interroger efficacement des bases de données relationnelles avec SPARQL et Ontop

Interroger efficacement des bases de données relationnelles avec SPARQL et Ontop Interroger efficacement des bases de données relationnelles avec SPARQL et Ontop Benjamin Cogrel KRDB Research Centre for Knowledge and Data Université Libre de Bozen-Bolzano, Italie Free University of

Plus en détail

Relation binaire. 2. Relations, fonctions et ordres. Exemples. Représentation d une relation binaire. Un couple est une paire ordonnée d éléments.

Relation binaire. 2. Relations, fonctions et ordres. Exemples. Représentation d une relation binaire. Un couple est une paire ordonnée d éléments. Relation binaire Un couple est une paire ordonnée d éléments. ex: les points (x,y) du plan de IN 2 ou de IR 2, les nom et prix d un produit, les instances d un objet en Java (à 2 attributs). 2. Relations,

Plus en détail

SQL Requêtes simples. Outline ... A.D., S.B. Février 2013. .1 Introduction. .2 Requêtes mono-relation. .3 Requêtes multi-relations

SQL Requêtes simples. Outline ... A.D., S.B. Février 2013. .1 Introduction. .2 Requêtes mono-relation. .3 Requêtes multi-relations SQL Requêtes simples BD4 AD, SB Licence MASS, Master ISIFAR, Paris-Diderot Février 2013 BD4 (Licence MASS, Master ISIFAR, Paris-Diderot) SQL 1/19 Février 2013 1 / 19 Outline 1 2 Requêtes mono-relation

Plus en détail

Calculabilité Cours 2 : Machines de Turing

Calculabilité Cours 2 : Machines de Turing Calculabilité Cours 2 : Machines de Turing Introduction Un autre type de modèle de calcul Les fonctions récursives et les fonctions λ représentables définissent des modèles de calculs dans k N Nk N Nous

Plus en détail

et Automates de Büchi

et Automates de Büchi Cours 9: Propriétes ω-régulières et Automates de Büchi Francesco Belardinelli Laboratoire IBISC Remerciements à Alessio Lomuscio et Joost-Pieter Katoen 26 mars 2015 Cours 9 - Vue d Ensemble Motivation

Plus en détail

OLAP queries optimization: A framework for combining Rule-Based and Cost-Based approaches

OLAP queries optimization: A framework for combining Rule-Based and Cost-Based approaches OLAP queries optimization: A framework for combining Rule-Based and Cost-Based approaches H. Mouloudi - A. Giacometti - P. Marcel LI - Université François-Rabelais de Tours L. Bellatreche LISI ENSMA -

Plus en détail

Programmation logique par contraintes. Partie II

Programmation logique par contraintes. Partie II Programmation logique par contraintes Partie II Plan du cours Programmation logique et Prolog (PL) SWI-Prolog, Sicstus Programmation logique par contraintes (PLC) Sicstus Problèmes de satisfaction de contraintes

Plus en détail

Université Bordeaux 1 Master d informatique UE Bases de Données Sujet et correction de l examen du 27 mai 2004 8h00 9h30 (sans documents)

Université Bordeaux 1 Master d informatique UE Bases de Données Sujet et correction de l examen du 27 mai 2004 8h00 9h30 (sans documents) Numéro d anonymat: 1 Université Bordeaux 1 Master d informatique UE Bases de Données Sujet et correction de l examen du 27 mai 2004 8h00 9h30 (sans documents) Sauf mention contraire en caractères gras,

Plus en détail

Résolution générique à la volée de systèmes d équations booléennes et applications

Résolution générique à la volée de systèmes d équations booléennes et applications Résolution générique à la volée de systèmes d équations booléennes et applications Radu Mateescu INRIA Rhône-Alpes / VASY Plan Introduction Systèmes d équations booléennes d alternance 1 Algorithmes de

Plus en détail

Algorithmique et Programmation Fonctionnelle

Algorithmique et Programmation Fonctionnelle Algorithmique et Programmation Fonctionnelle RICM3 Cours 9 : Lambda-calcul Benjamin Wack Polytech 2014-2015 1 / 35 La dernière fois Typage Polymorphisme Inférence de type 2 / 35 Plan Contexte λ-termes

Plus en détail

L optimiser ORACLE. L optimiser ORACLE suit une approche classique:

L optimiser ORACLE. L optimiser ORACLE suit une approche classique: L optimiser ORACLE L optimiser ORACLE suit une approche classique: Génération de plusieurs plans d exécution. Estimation du coût de chaque plan généré. Choix du meilleur et exécution. Tout ceci est automatique,

Plus en détail

AVATAR. Un profil SysML temps réel outillé

AVATAR. Un profil SysML temps réel outillé AVATAR Un profil SysML temps réel outillé Ludovic Apvrille, Pierre de Saqui-Sannes ludovic.apvrille@telecom-paristech.fr pdss@isae.fr SysML France, 6 décembre 2010 Agenda De TURTLE à AVATAR Le langage

Plus en détail

Multiplication par une constante entière

Multiplication par une constante entière Multiplication par une constante entière Vincent Lefèvre Juin 2001 Introduction But : générer du code optimal à l aide d opérations élémentaires (décalages vers la gauche, additions, soustractions). Utile

Plus en détail

Objectifs du cours d aujourd hui. Informatique II : Cours d introduction à l informatique et à la programmation objet. Complexité d un problème (2)

Objectifs du cours d aujourd hui. Informatique II : Cours d introduction à l informatique et à la programmation objet. Complexité d un problème (2) Objectifs du cours d aujourd hui Informatique II : Cours d introduction à l informatique et à la programmation objet Complexité des problèmes Introduire la notion de complexité d un problème Présenter

Plus en détail

Interrogation de documents XML. Interrogation XML. XQuery. Comment interroger des documents XML?

Interrogation de documents XML. Interrogation XML. XQuery. Comment interroger des documents XML? 1 3 Interrogation de documents XML Interrogation XML Valeur C - Module Données et Services sur le Web Bernd Amann 2003/04 Comment interroger des documents XML? XPath : extraction de fragments d arbres

Plus en détail

Polytechnique. Épreuve d Informatique 1998

Polytechnique. Épreuve d Informatique 1998 Polytechnique Épreuve d Informatique 1998 Corrigé rédigé par Martine Lannaud, Lycée Chaptal, Paris Pour toute remarque ou correction martine.lannaud@prepas.org Motifs et automates Question 1. Quelques

Plus en détail

Optimisation de requêtes. I3009 Licence d informatique 2015/2016. Traitement des requêtes

Optimisation de requêtes. I3009 Licence d informatique 2015/2016. Traitement des requêtes Optimisation de requêtes I3009 Licence d informatique 2015/2016 Cours 5 - Optimisation de requêtes Stéphane.Gançarski Stephane.Gancarski@lip6.fr Traitement et exécution de requêtes Implémentation des opérateurs

Plus en détail

Module MLBDA Master Informatique Spécialité DAC. Cours 10 NoSQL

Module MLBDA Master Informatique Spécialité DAC. Cours 10 NoSQL Module MLBDA Master Informatique Spécialité DAC Cours 10 NoSQL Systèmes NoSQL (not only SQL) Systèmes qui abandonnent certaines propriétés des SGBDR (one size does not fit all): Le langage d interrogation

Plus en détail

Logique et bases de données

Logique et bases de données Logique et bases de données Vision logique d une BD relationnelle Signification des règles logiques Le modèle DATALOG Evaluation des règles non récursives Signification et évaluation des règles récursives

Plus en détail

Fondements des bases de données. Marc Plantevit

Fondements des bases de données. Marc Plantevit Fondements des bases de données Introduction Marc Plantevit marc.plantevit@liris.cnrs.fr Objectif de l enseignement : Approfondir les connaissances du modèle relationnel et les fondements de la conception

Plus en détail

Web Sémantique. ou comment se déploient sur le web les données liées et la sémantique de leurs schémas. Fabien Gandon

Web Sémantique. ou comment se déploient sur le web les données liées et la sémantique de leurs schémas. Fabien Gandon Web Sémantique ou comment se déploient sur le web les données liées et la sémantique de leurs schémas. Fabien Gandon Web Sémantique 1. Principes d un web de données liées 2. Décrire et échanger des descriptions

Plus en détail

FlexIS: vers un système d intégration d information flexible

FlexIS: vers un système d intégration d information flexible FlexIS: vers un système d intégration d information flexible P. Colomb 1, et H. Jaudoin 2 1 LIMOS - CNRS UMR 6158, Université Blaise Pascal, France email: colomb@isima.fr LIMOS, 24 Avenue des Landais,

Plus en détail

Algèbre Relationnelle et Introduction au Langage SQL

Algèbre Relationnelle et Introduction au Langage SQL T-GSI STAGE RENOVATION - SQL.Chapitre 1 - Algèbre Relationnelle et Introduction au Langage SQL Sources du document : Livre bible Oracle 9i, J. Gabillaud, Editions Eni ; Support Oracle ; ISO Norme 2382:1999

Plus en détail

L2 sciences et technologies, mention informatique SQL

L2 sciences et technologies, mention informatique SQL Bases de données L2 sciences et technologies, mention informatique SQL ou : le côté obscure de la jolie théorie films titre réalisateur année starwars lucas 1977 nikita besson 1990 locataires ki-duk 2005

Plus en détail

Plateforme GraMAP. 1. Description de la plateforme

Plateforme GraMAP. 1. Description de la plateforme Plateforme GraMAP 1. Description de la plateforme GraMAP (Graph Matching Algorithms Platform) est une plateforme web dédiée aux algorithmes d appariement de graphes qui implémente l ensemble des algorithmes

Plus en détail

Fondements de l informatique: Examen Durée: 3h

Fondements de l informatique: Examen Durée: 3h École polytechnique X2013 INF412 Fondements de l informatique Fondements de l informatique: Examen Durée: 3h Sujet proposé par Olivier Bournez Version 3 (corrigé) L énoncé comporte 4 parties (sections),

Plus en détail

Automate Fini Non-déterministe

Automate Fini Non-déterministe Automate Fini Non-déterministe Théorème de Kleene Systèmes Formels Master 1 ISIDIS Sébastien Verel verel@lisic.univ-littoral.fr http://www-lisic.univ-littoral.fr/~verel Université du Littoral Côte d Opale

Plus en détail

Plan. Introduction aux Bases de Données. Algèbre relationnelle : introduction. Projection

Plan. Introduction aux Bases de Données. Algèbre relationnelle : introduction. Projection Plan Introduction aux Bases de Données L3 Céline Rouveirol 2010-2011 Chapitre 3 : Algèbre relationnelle Opérations spécifiques binaires Introduction aux Bases de Données 1 / 21 Algèbre relationnelle :

Plus en détail

Chapitre 2 : Conception de BD Réparties

Chapitre 2 : Conception de BD Réparties 2/22 Chapitre 2 : Conception de BD Réparties 2/22 Introduction Une BDR diffère d'une BD centralisée avec certains concepts nouveaux qui sont particuliers à la répartition des données.. Méthode de conception

Plus en détail

Projet ROSES Programme MDCO Edition 2007. Livrable no D1.2 Architecture d un Système ROSES centralisé

Projet ROSES Programme MDCO Edition 2007. Livrable no D1.2 Architecture d un Système ROSES centralisé Projet ROSES Programme MDCO Edition 2007 Livrable no D1.2 Architecture d un Système ROSES centralisé Identification Acronyme du projet Numéro d'identification de l'acte attributif ROSES ANR-07-MDCO-011-01

Plus en détail

Le calcul des prédicats

Le calcul des prédicats Le calcul des prédicats Le calcul des prédicats Syntaxe Formalisation du langage naturel Sémantique Syntaxe : alphabet Les connecteurs,,, Les quantificateurs, Un ensemble dénombrable de variables x, y,

Plus en détail

Systèmes d informations nouvelles générations. Répartition, Parallèlisation, hétérogénéité dans les SGBD. Exemple d application d un futur proche

Systèmes d informations nouvelles générations. Répartition, Parallèlisation, hétérogénéité dans les SGBD. Exemple d application d un futur proche Répartition, Parallèlisation, hétérogénéité dans les SGBD AI Mouaddib Département Informatique Université de Caen Systèmes d informations nouvelles générations! Constat :! Utilisation de nouveaux support

Plus en détail

Interrogation de documents XML. ENST - Bases de données avancées - 2003/04 - B. Amann

Interrogation de documents XML. ENST - Bases de données avancées - 2003/04 - B. Amann 1 Interrogation de documents XML 2 Interrogation de documents XML Comment interroger des documents XML? Solutions : SQL : il faut stocker XML dans une BD relationnel XPath : extraction de fragments d arbres

Plus en détail

UFR d Informatique. FORMATION MASTER Domaine SCIENCES, TECHNOLOGIE, SANTE Mention INFORMATIQUE 2014-2018

UFR d Informatique. FORMATION MASTER Domaine SCIENCES, TECHNOLOGIE, SANTE Mention INFORMATIQUE 2014-2018 UFR d Informatique FORMATION MASTER Domaine SCIENCES, TECHNOLOGIE, SANTE Mention INFORMATIQUE 2014-2018 Objectif L UFR d informatique propose au niveau du master, deux spécialités sous la mention informatique

Plus en détail

2A-SI 4 - Bases de Données 4.2 - Modèle relationnel

2A-SI 4 - Bases de Données 4.2 - Modèle relationnel 2A-SI 4-4.2 - Modèle relationnel Stéphane Vialle Stephane.Vialle@supelec.fr http://www.metz.supelec.fr/~vialle Avec l aide du cours de Y. Bourda Généralités du «modèle relationnel» : Formalisé par CODD

Plus en détail

Introduction aux bases de données

Introduction aux bases de données 1/73 Introduction aux bases de données Formation continue Idir AIT SADOUNE idir.aitsadoune@supelec.fr École Supérieure d Électricité Département Informatique Gif sur Yvette 2012/2013 2/73 Plan 1 Introduction

Plus en détail

Alimenter un entrepôt de données par des données issues de services web. Une approche médiation pour le prototype DaWeS

Alimenter un entrepôt de données par des données issues de services web. Une approche médiation pour le prototype DaWeS Alimenter un entrepôt de données par des données issues de services web. Une approche médiation pour le prototype DaWeS John Samuel LIMOS (Laboratoire d Informatique, de Modélisation et d Optimisation

Plus en détail

Modèle relationnel Algèbre relationnelle

Modèle relationnel Algèbre relationnelle Modèle relationnel Algèbre relationnelle Modèle relationnel (Codd 1970) On considère D i où i = 1,2..n des ensembles, dits domaines Un domaine = ensemble de valeurs (ex. D1 : entiers sur 10 positions,

Plus en détail

Laboratoire 4 Développement d un système intelligent

Laboratoire 4 Développement d un système intelligent DÉPARTEMENT DE GÉNIE LOGICIEL ET DES TI LOG770 - SYSTÈMES INTELLIGENTS ÉTÉ 2012 Laboratoire 4 Développement d un système intelligent 1 Introduction Ce quatrième et dernier laboratoire porte sur le développement

Plus en détail

Techniques et outils de test pour les logiciels réactifs synchrones

Techniques et outils de test pour les logiciels réactifs synchrones Journées Systèmes et Logiciels Critiques Institut IMAG ; 14-16 nombre 2000 Techniques et outils de test pour les logiciels réactifs synchrones Farid Ouabdesselam 1 Méthodes de test : classification générale

Plus en détail

Un enrichissement exponentiel de la toile

Un enrichissement exponentiel de la toile Un enrichissement exponentiel de la toile Marie-Danièle CAMPION Recteur de l académie de Clermont-Ferrand Que ce soit au niveau des archives, des catalogues, des registres, des plans industriels qui étaient

Plus en détail

Intelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar bbm@badr-benmammar.com

Intelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar bbm@badr-benmammar.com Intelligence Artificielle et Systèmes Multi-Agents Badr Benmammar bbm@badr-benmammar.com Plan La première partie : L intelligence artificielle (IA) Définition de l intelligence artificielle (IA) Domaines

Plus en détail

1 Fonctions de plusieurs variables

1 Fonctions de plusieurs variables Université de Paris X Nanterre U.F.R. Segmi Année 006-007 Licence Economie-Gestion première année Cours de Mathématiques II. Chapitre 1 Fonctions de plusieurs variables Ce chapitre est conscré aux fonctions

Plus en détail

Property and Equivalence Testing

Property and Equivalence Testing Property and Equivalence Testing Frédéric Magniez - Probabilistic Abstraction for Model Checking: An Approach Based on Property Testing, LICS 02 - Property Testing of Regular Tree Languages, ICALP 04 -

Plus en détail

Programmation par contraintes Cours 2 : Problémes de Satisfaction de Contraintes CSP

Programmation par contraintes Cours 2 : Problémes de Satisfaction de Contraintes CSP Cours 2 : Problémes de Satisfaction de Contraintes CSP ESIL Université de la méditerranée Odile.Papini@esil.univ-mrs.fr http://pages-perso.esil.univmed.fr/ papini/ Plan du cours 2 1 Définition d un CSP

Plus en détail

Modèles de Calculs, Analyse d Algorithmes, Complexité de problèmes

Modèles de Calculs, Analyse d Algorithmes, Complexité de problèmes Modèles de Calculs, Analyse d Algorithmes, Complexité de problèmes p. Introduction & Motivations p. p. Motivation: Premier exemple Problème REACH: Instance: un graphe orienté G = (V, E),deux sommets u,

Plus en détail

Knowledge Enabled Real-Time Recommendation System

Knowledge Enabled Real-Time Recommendation System Knowledge Enabled Real-Time Recommendation System Syed Gillani, Jules Chevalier syed.gillani@univ-st-etienne.fr jules.chevalier@univ-st-etienne.fr Institut Henri Fayol, École des Mines de Saint-Étienne

Plus en détail

Système adaptatif d aide à la génération de requêtes de médiation

Système adaptatif d aide à la génération de requêtes de médiation Système adaptatif d aide à la génération de requêtes de médiation Dimitre Kostadinov Verónika Peralta Assia Soukane Xiaohui Xue Laboratoire PRiSM, Université de Versailles 45 avenue des Etats-Unis 78035

Plus en détail

Circuits électroniques au service de l'optimisation multi-requêtes

Circuits électroniques au service de l'optimisation multi-requêtes Ecole Nationale de Mécanique et d Aérotechnique Laboratoire d Informatique et d Automatique pour les Systèmes Circuits électroniques au service de l'optimisation multi-requêtes Ahcène BOUKORCA Sous la

Plus en détail

Systèmes d'informations Géographiques - Graphes

Systèmes d'informations Géographiques - Graphes Systèmes d'informations Géographiques - Graphes Institut National des Sciences Appliquées - Rouen Département Architecture des Systèmes d'information michel.mainguenaud@insa-rouen.fr Graphe et Spatialisation!

Plus en détail

LES TECHNOLOGIES DU WEB APPLIQUÉES AUX DONNÉES STRUCTURÉES

LES TECHNOLOGIES DU WEB APPLIQUÉES AUX DONNÉES STRUCTURÉES LES TECHNOLOGIES DU WEB APPLIQUÉES AUX DONNÉES STRUCTURÉES 1e partie : encoder et structurer les données Gautier Poupeau Antidot http://www.lespetitescases.net Twitter @lespetitescases Emmanuelle Bermès

Plus en détail

UPMC Master informatique 2 STL NI503 Conception de langages Notes I

UPMC Master informatique 2 STL NI503 Conception de langages Notes I UPMC Master informatique 2 STL NI503 Conception de langages Notes I 2012 1 Évaluer Un langage Le langage Logo est composé commandes permettant de diriger le déplacement d un point sur un plan cartésien

Plus en détail

Kit de survie sur les bases de données

Kit de survie sur les bases de données Kit de survie sur les bases de données Pour gérer un grand nombre de données un seul tableau peut s avérer insuffisant. On représente donc les informations sur différentes tables liées les unes aux autres

Plus en détail

Chap. 15 : Algèbre relationnelle et SQL

Chap. 15 : Algèbre relationnelle et SQL Chap. 15 : Algèbre relationnelle et SQL 1 Le modèle relationnel : son intérêt 1.1 La limite des structures de données plates pour la recherche d information : un exemple Ce qu on veut faire : On veut stocker

Plus en détail

Exemple introductif. Web des données. Exemple d architecture. Anne-Cécile Caron 2014-2015. Le web sémantique est composé :

Exemple introductif. Web des données. Exemple d architecture. Anne-Cécile Caron 2014-2015. Le web sémantique est composé : 1/19 2/19 Exemple introductif Les Rich Snippets de Google permettent au moteur de recherche d ajouter des informations, en plus d un simple lien vers un site, à partir d informations sémantiques trouvées

Plus en détail

Théorie des Langages

Théorie des Langages Théorie des Langages Automates Claude Moulin Université de Technologie de Compiègne Printemps 2013 Sommaire 1 Automate fini 2 Automate et langages réguliers 3 Automate à pile Automate fini déterministe

Plus en détail

Vérification Probabiliste et Approximation

Vérification Probabiliste et Approximation Vérification Probabiliste et Approximation Richard Lassaigne Logique mathématique, CNRS-Université Paris 7 ACI Sécurité Informatique/Projet VERA http ://www.lri.fr/ mdr/vera Plan 1 Contexte : Approximation

Plus en détail

D34: Méthodes de calcul efficaces et sécurisées

D34: Méthodes de calcul efficaces et sécurisées D34: Méthodes de calcul efficaces et sécurisées Arithmétique des courbes elliptiques Nicolas Méloni Master 2: 1er semestre (2014/2015) Nicolas Méloni D34: Méthodes de calcul efficaces et sécurisées 1/20

Plus en détail

Interrogation d une BD

Interrogation d une BD Interrogation d une BD PRINCIPES D INTERROGATION Le résultat d une requête a toujours la forme d une table Résultat d une requête sous forme de table BD=ensemble de tables Algèbre relationnelle n OPERATIONS

Plus en détail

Bases de données et SGBDR

Bases de données et SGBDR Bases de données et SGBDR A. Zemmari zemmari@labri.fr 1 Bibliographie Bases de données relationnelles (Les systèmes et leurs langages). G. Gardarin Eyrolles Bases de données et systèmes relationnels. C.

Plus en détail

Analyse statique de SCADE par interprétation abstraite

Analyse statique de SCADE par interprétation abstraite Analyse statique de SCADE par interprétation abstraite soutenance de stage Alex AUVOLAT ANSYS-Esterel Technologies sous l encadrement de Jean-Louis Colaço Juin-Juillet 2014 1/33 Introduction SCADE : programmation

Plus en détail

λ-calcul et typage Qu est-ce qu une fonction?

λ-calcul et typage Qu est-ce qu une fonction? λ-calcul et typage Nicolas Barnier, Pascal Brisset ENAC Avril 2009 Nicolas Barnier, Pascal Brisset (ENAC) λ-calcul et typage Avril 2009 1 / 1 Qu est-ce qu une fonction? Classiquement Pas de notation uniforme/standard

Plus en détail

Génération aléatoire de structures ordonnées

Génération aléatoire de structures ordonnées Génération aléatoire de structures ordonnées Olivier Roussel Équipe APR Laboratoire d Informatique de Paris 6 Université Pierre et Marie Curie ALÉA 2011 7 mars 2011 Olivier Roussel (LIP6) Génération de

Plus en détail

Publication, partage et réutilisation de règles sur le Web de données

Publication, partage et réutilisation de règles sur le Web de données Publication, partage et réutilisation de règles sur le Web de données Oumy Seye, Catherine Faron-Zucker, Olivier Corby, Alban Gaignard To cite this version: Oumy Seye, Catherine Faron-Zucker, Olivier Corby,

Plus en détail

Linked Open Data. Le Web de données Réseau, usages, perspectives. Eric Charton. Eric Charton

Linked Open Data. Le Web de données Réseau, usages, perspectives. Eric Charton. Eric Charton Linked Open Data Le Web de données Réseau, usages, perspectives Sommaire Histoire du Linked Open Data Structure et évolution du réseau Utilisations du Linked Open Data Présence sur le réseau LOD Futurs

Plus en détail

Arbres couvrants minimaux

Arbres couvrants minimaux Arbres couvrants minimaux Algorithmique L François Laroussinie er décembre 00 Plan Définitions Algorithme de Prim Algorithme de Kruskal Application au voyageur de commerce Plan Définitions Algorithme de

Plus en détail

Théorie de la Normalisation 1/44

Théorie de la Normalisation 1/44 Théorie de la Normalisation 1/44 La phase de design d une BD q Analyse des besoins q Design conceptuel q Modèle EA, UML q Design logique q EA vers relations q raffinement de schéma: normalisation q Design

Plus en détail

Bases de données cours 4 Construction de requêtes en SQL. Catalin Dima

Bases de données cours 4 Construction de requêtes en SQL. Catalin Dima Bases de données cours 4 Construction de requêtes en SQL Catalin Dima Requêtes SQL et langage naturel Énoncés en langage naturel. Traduction en SQL? Correspondance entre syntagmes/phrases et opérations

Plus en détail