Mapping entre wordnets.

Abstract

L'interopérabilité sémantique est une question importante, largement identifiée dans les technologies d’organisation et de l'information et dans la communauté de recherche en systèmes d'information. L’adoption large du Web afin d’accéder a des informations distribuées nécessite l'interopérabilité des systèmes qui gèrent ces informations. Des solutions et réflexions comme le Web Sémantique facilitent la localisation et l’intégration des données d'une manière plus intelligente par l'intermédiaire des ontologies. Il offre une vision plus sémantique et compréhensible du web. Pourtant, il soulève un certain nombre de défis de recherche. Un des principaux défis est de comparer et aligner les différentes ontologies qui apparaissent dans des tâches d'intégration. Le mapping ou bien l’alignement est une approche intéressante parce qu'il ne modifie pas les ontologies qui rentrent dans le processus d'intégration. Il consiste à découvrir la correspondance sémantique entre les éléments similaires de différentes ontologies. C'est la clé de recherche de l'interopérabilité entre les ontologies. Le mapping est souvent génère manuellement, ce qui est extrêmement fastidieux même s'il est facilité par des outils d’édition sophistiqués mais il peut être aussi obtenu par l'utilisation d'outils automatiques ou semi automatiques. Dans ce mémoire, nous proposons une approche de mapping pour effectuer un alignement des ontologies qui ne partagent pas le même langage naturel. Cette approche utilise des techniques de recherche d'information, des heuristiques et d'apprentissage automatique. Elle est basée sur une traduction automatique de l’ontologie source dans le langage naturel de l’ontologie cible, ce qui permet de générer des correspondances en appliquant des techniques d’appariement d’ontologies monolingues. L'approche combine les techniques et les méthodes d’appariement linguistiques, syntaxiques et structurelles. Ceci afin de définir une mesure de similarité globale calculée en combinant plusieurs stratégies de mesure de similarité. Nos résultats préliminaires ont montré que cette approche est efficace et très prometteuse.