La construction d’une base de connaissance à partir d’une Base de

Abstract

Au cours des deux dernières décennies, l'intégration de données basées sur la sémantique est devenue l'un des plus grands défis en matière de données où les données sont publiées dans de nombreux formats différents (par exemple, HTML, CSV, JSON, feuille de calcul, données SQL, entre autres) et suivent plusieurs schémas. Par conséquent, l'utilisation de graphes de connaissances permet de résoudre les problèmes liés à l'intégration des données. Le graphe de connaissances représente une collection de descriptions interconnectées d'entités (objets et événements du monde réel, ou concepts abstraits tels que des documents) où ces descriptions ont une sémantique formelle qui permet aux personnes et aux ordinateurs de les traiter de manière efficace et sans ambiguïté. En fait, la formation d'une sémantique formelle pour les entités est réalisée en utilisant des ontologies qui peuvent être considérées comme un schéma du graphe de connaissances. Les ontologies servent de contrat formel entre les développeurs du graphe de connaissances et ses utilisateurs, garantissant une compréhension commune des données et de leur signification. Le processus de développement d'une ontologie est une activité d'ingénierie et il existe deux approches principales pour sa construction - soit à partir de zéro, soit en utilisant des méthodes d'apprentissage d'ontologie. La construction d'une ontologie à partir de zéro ou manuellement est une tâche très compliquée et coûteuse qui nécessite généralement une combinaison des connaissances des experts du domaine et des compétences des ingénieurs en ontologie. En raison de ces limitations, le terme "apprentissage d'ontologie" est apparu, qui capture une approche pour découvrir des connaissances ontologiques automatiquement ou semi-automatique à partir d'une source d'information structurée, non structurée ou semi-structurée. Dans cette thèse, nous nous sommes concentrés sur une source d'information structurée, spécifiquement les bases de données relationnelles pour construire une ontologie pour plusieurs raisons. Premièrement, environ 70% des données sur le web sont stockées dans des bases de données relationnelles. Deuxièmement, les bases de données relationnelles présentent des modèles conceptuels complets. Troisièmement, elles fournissent une ressource d'information complète. Enfin, elles offrent l'une des meilleures techniques de stockage et de manipulation des données. Cette thèse aborde le problème de la construction d'ontologie à partir de bases de données relationnelles en exploitant des règles de mapping déclaratives. Les contributions présentées dans cette thèse sont: - Un cycle de vie complet pour la construction d'ontologie à partir de bases de données relationnelles basées sur les exigences du génie logiciel et du Big Data. - Nous décrivons un processus de construction d'ontologie à partir d'une base de données relationnelle basée sur le cycle de vie prédéfini. - Nous proposons un processus d'évaluation basé sur deux catégories : La vérification et la validation. La vérification permet de contrôler si l'ontologie a été construite correctement. Elle est divisée en deux sous-catégories : Vérification de la T-Box et Vérification de la A-Box. D'autre part, la validation de l'ontologie mesure la complexité de l'ontologie pour aider les ontologues à mieux comprendre, réutiliser, maintenir et intégrer les ontologies. - Enfin, nous présentons une étude empirique pour répondre à la question de savoir comment sélectionner la stratégie la plus pertinente pour stocker les ontologies. Les conclusions finales de cette thèse ont démontré le profond potentiel d'amélioration de l'efficacité et de l'efficience du processus de développement d'ontologies à partir de bases de données relationnelles. Enfin, les futures lignes de travail reflètent la nécessité de continuer à rechercher de nouvelles idées pour affiner le cycle de vie proposé afin d'aborder les questions suivantes : Nettoyage des données, alignement des ontologies, intégration des ontologies. De plus, le besoin de construire un cadre pour l'évaluation des ontologies devient une nécessité.