Travaux Dirigés

Traduis les phrases suivantes en triplets RDF (sujet → verbe → objet) :

1. Socrate est un homme.
2. Platon est un homme.
3. Tous les hommes sont mortels.
4. Socrate a mangé une pomme.
5. La pomme était empoisonnée. (non, pas celle-là, une autre)

Écris chaque triplet sous la forme <sujet> <verbe> <objet>.

À partir des triplets de l'exercice 1, dessine le graphe de connaissances correspondant (sur papier ou avec un outil de dessin).

Questions :

• Quels nœuds sont des individus ?
• Quels nœuds sont des classes ?
• Quels arcs sont des propriétés ?
• Si tu sais que mortel(X) ← homme(X), quel nouveau triplet peux-tu déduire ?

Applique l'algorithme d'unification aux paires de termes suivantes. Pour chaque paire, indique si l'unification réussit et, si oui, donne la substitution résultante.

1. homme(X) et homme(socrate)
2. a_mangé(socrate, Y) et a_mangé(X, pomme)
3. mortel(X) et mortel (arité différente)
4. est_un(X, Y) et est_un(socrate, homme)
5. a_mangé(socrate, X) et a_mangé(Y, Y)
6. père(Z, fils(Z)) et père(jean, fils(paul))

Un meurtre a été commis au manoir. Tu disposes des faits et règles suivants :

% Faits
est_dans(le_cadavre, la_bibliothèque)
est_dans(l_arme, le_salon)
a_le_motif(colonel_moutarde, l_héritage)
a_le_motif(professeur_violet, l_héritage)
est(le_cadavre, mort)

% Règles
suspect(X) ← a_le_motif(X, l_héritage)
est_dans(X, Y) ∧ est_dans(Z, Y) → est_avec(X, Z)
coupable(X) ← suspect(X) ∧ est_avec(X, l_arme)

Applique le chaînage avant pour déterminer qui est coupable. Montre chaque étape de déduction.

Écris un fichier famille.pl au format Prolog qui contient :

• Les faits : parent(jean, marie), parent(marie, paul), parent(paul, sophie), parent(jean, luc)
• La règle : grandparent(X, Y) ← parent(X, Z) ∧ parent(Z, Y)
• Une règle ancetre(X, Y) récursive (indice : cas de base + cas récursif)

Teste ton fichier avec le mini-Prolog du cours : python raisonnement.py.

Dans le code du mini-Prolog (fichier raisonnement.py), le chaînage avant est implémenté avec une boucle qui répète l'unification jusqu'à stabilisation.

1. Ajoute une règle auteur_classique(X) ← a_ecrit(X, Y) ∧ est_consideré(Y, chef_d_oeuvre) et des faits correspondants.
2. Modifie le moteur pour détecter les cycles (règles qui produisent indéfiniment les mêmes faits).
3. Implémente une trace optionnelle qui affiche chaque déduction : [DÉDUCTION] règle 3 → nouveau fait : mortel(socrate).

Voici un fichier Turtle :

@prefix : <http://example.org/> .
@prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> .

:Socrate rdf:type :Homme .
:Homme   rdf:type :Classe .
:Platon  rdf:type :Homme .
:Socrate :aMangé :Pomme .
:Pomme   rdf:type :Fruit .
    

1. « Déplie » les préfixes pour obtenir des URIs complètes.
2. Écris les triplets expansés (sujet, prédicat, objet en URIs complètes).
3. Dans le code de mini_fuseki.py, localise le parseur Turtle et explique en 2-3 phrases comment il transforme ce texte en triplets.

En t'appuyant sur les exemples du cours, donne trois différences entre un graphe RDF et un graphe orienté classique (comme ceux qu'on voit en cours de maths).

Exemple de point de départ : les arêtes sont étiquetées par des URIs, pas par des lettres ou des nombres.

Organise les classes suivantes en hiérarchie OWL (⊑) :

Animal · Mammifère · Oiseau · Chien · Chat · Canari · ÊtreVivant · Végétal · Rose · Cactus · Carnivore

Quelques contraintes :

• Un Canari est un Oiseau.
• Un Chien est un Mammifère et un Carnivore.
• Un Chat est aussi un Mammifère et un Carnivore.
• Un Carnivore est un Animal (les végétaux ne mangent pas de viande).

Est-ce que la hiérarchie est un arbre ? Pourquoi ?

L'ornithorynque pond des œufs (comme les oiseaux) mais allaite ses petits (comme les mammifères). Il est aussi venimeux (comme... un serpent ?).

Définis une hiérarchie OWL qui modélise correctement l'ornithorynque sachant que :

• Oiseau ⊑ Animal, pond_des_oeufs (propriété)
• Mammifère ⊑ Animal, allaite (propriété)
• Monotrème ⊑ Mammifère (les monotrèmes sont des mammifères qui pondent des œufs)
• Ornithorynque ⊑ Monotrème et Ornithorynque ⊑ ∃ a_pour_venin.Venin

Questions :

• Pourquoi Ornithorynque ⊑ Oiseau serait-il faux ?
• Quel est le problème avec l'héritage multiple et comment OWL le résout-il ?

Soit les axiomes suivants :

Domaine(a_mangé) = Animal
Range(a_mangé)   = Aliment
a_mangé(Socrate, Pomme)
Pomme ⊑ Aliment
Socrate ⊑ ÊtreHumain    (sans déclaration de classe explicite)
    

1. Quelles déductions le raisonneur peut-il faire ?
2. Est-ce qu'il peut déduire que Socrate est un Animal ? Pourquoi ?
3. Est-ce qu'il peut déduire que Pomme est un Aliment ?

Un restaurant souhaite modéliser ses plats en OWL :

• Végétarien ⊑ Plat ⊓ ∀ contient.Végétal
• Végan ⊑ Végétarien ⊓ ∀ contient.¬Animal
• PlatDeMer ⊑ Plat ⊓ ∃ contient.Poisson
• PlatTraditionnel ⊑ Plat ⊓ ∃ contient.Viande

Questions :

1. Un plat qui contient Poisson est-il Végétarien ? Justifie.
2. Un plat qui contient Oeuf (qui est un Animal sans être Viande) est-il Végétarien ? Est-il Végan ?
3. Peut-on trouver une pizza qui soit à la fois Végétarien et PlatDeMer ? Quelle pizza ?

En utilisant les constructeurs OWL (⊓ ⊔ ¬ ∃ ∀), traduis les phrases suivantes en expressions logiques :

1. « Les dauphins sont des mammifères marins. »
2. « Un herbivore est un animal qui ne mange que des plantes. »
3. « Les autruches sont des oiseaux qui ne volent pas. »
4. « Un parent est une personne qui a au moins un enfant. »
5. « Un chef étoilé est une personne qui a exactement une étoile Michelin. » (allez, un peu de rêve)
6. « Une personne qui a au moins deux enfants dont au moins un est un garçon et au moins une est une fille. »

Une ontologie contient les axiomes suivants :

Chat ⊑ Animal
Chien ⊑ Animal
Chat ⊑ ∀ a_pour_meilleur_ami.¬Chien
Félix ⊑ Chat
Médor ⊑ Chien
a_pour_meilleur_ami(Félix, Médor)
    

1. Représente ces axiomes sous forme de graphe.
2. L'ontologie est-elle cohérente ? Sinon, explique pourquoi et propose une correction.
3. Si on retire l'axiome Chat ⊑ ∀ a_pour_meilleur_ami.¬Chien, quels nouveaux faits peut-on déduire ?

À l'aide du mini-raisonneur du cours, détermine la classification de l'individu Rex sachant que :

Chien ⊑ Animal
BergerAllemand ⊑ Chien
Rex ⊑ BergerAllemand
Rex ⊑ ∃ a_pour_métier.{chien_policier, chien_d_aveugle}
Animal ⊑ ∃ a_besoin.Manger
    

Quelles sont toutes les classes auxquelles appartient Rex ? Détaille le chemin de classification.

En te basant sur la démo raisonnement.py --owlready, écris un script Python qui :

1. Crée une ontologie vide
2. Définit les classes Animal, Chien, Chat avec Chien ⊑ Animal et Chat ⊑ Animal
3. Crée deux individus rex et felix avec leurs types
4. Affiche tous les individus et leurs classes

Teste-le avec python ton_script.py.

La Pizza Ontology est le « Hello World » du Web Sémantique. Voici un extrait :

Pizza ⊑ ∃ a_ingrédient.Fromage    (toute pizza contient du fromage)
PizzaVégétarienne ⊑ Pizza ⊓ ∀ a_ingrédient.¬Viande
PizzaMargherita ⊑ PizzaVégétarienne
PizzaMargherita ⊑ ∀ a_ingrédient.{Mozzarella, Tomate, Basilic}
    

1. Est-ce que PizzaMargherita est bien une PizzaVégétarienne ? Démontre-le.
2. Ajoute une classe PizzaVégane qui ne contient aucun ingrédient d'origine animale.
3. Le raisonneur HermiT peut-il détecter qu'une pizza est incohérente si on y met à la fois du Fromage et qu'on la déclare PizzaVégane ? Explique.

Dans le code du mini-raisonneur OWL (raisonnement.py), implémente une détection de contradiction :

• Si un individu est déclaré appartenir à une classe et à son complément (¬), le raisonneur doit lever une alerte.
• Si une classe est équivalente à ⊥ (la classe vide), l'ontologie est incohérente.

Pour corser le tout :

• Implémente la règle C ⊑ D signifie que tout individu de C est aussi dans D (⊑ = sous-classe ou équivalence).
• Vérifie la cohérence après chaque ajout d'axiome.

Écris une requête SPARQL pour chacune des questions suivantes (base : l'ontologie de la famille) :

1. Trouver tous les individus.
2. Trouver tous les hommes.
3. Trouver toutes les relations a_pour_enfant.
4. Trouver les grands-pères.

Teste-les sur le serveur SPARQL : python mini_fuseki.py --exemple puis http://localhost:8080/sparql.

En utilisant la même base, écris les requêtes SPARQL suivantes :

1. Trouver les personnes qui ont au moins 2 enfants. (indice : FILTER + COUNT ou double pattern)
2. Trouver les personnes qui sont à la fois parent et enfant (les « maillons » de la chaîne).
3. Trouver les ancêtres de Sophie sur exactement 3 générations.

À partir de la base de connaissances familiale, utilise CONSTRUCT pour :

1. Créer un nouveau graphe avec les relations :est_ancetre_de à partir des relations :a_pour_enfant.
2. Créer un graphe qui ne contient que les femmes.
3. Créer un graphe des fratries (personnes qui partagent au moins un parent).

Le serveur mini_fuseki.py expose une API REST sur /sparql. En utilisant curl :

1. Envoie une requête SELECT * WHERE { ?s ?p ?o } LIMIT 10 via GET.
2. Envoie la même requête via POST (Content-Type: application/sparql-query).
3. Ajoute l'en-tête Accept: application/sparql-results+json pour obtenir du JSON.
4. Parse le JSON avec Python (requests ou urllib) et affiche les résultats dans un tableau formaté.

Dans le code de mini_fuseki.py, ajoute une fonctionnalité au choix :

• Mode pagination : un paramètre OFFSET et LIMIT (déjà implémenté en partie, mais pas exposé dans l'interface web).
• DESCRIBE : implémente la forme SPARQL DESCRIBE <uri> qui retourne tous les triplets concernant une ressource.
• ASK : implémente ASK qui retourne true ou false selon qu'un pattern existe.
• Export Turtle : ajoute un endpoint /export qui retourne toute la base en Turtle.

En t'inspirant du script publish.sh et du service systemd fournis avec les cours :

1. Écris un script deploy.sh qui déploie le cours vers un serveur de ton choix (paramétrable : ./deploy.sh user@host).
2. Le script doit :
   • Vérifier que les fichiers existent localement avant de les copier
   • Créer un backup automatique du dossier distant avant déploiement
   • Redémarrer le serveur web après déploiement
   • Envoyer une notification (email ou Discord) en cas d'échec
3. Ajoute au Makefile une cible make deploy qui appelle ton script.