Génération automatique d'ontologies à partir de bases de données relationnelles

Abstract

Dans ce mémoire de thèse, nous proposons une méthode hybride pour la génération automatique d’ontologie à partir d’une base de données relationnelle. Elle combine les techniques du reverse engineering, le mapping de schéma et l’analyse des enregistrements de la base de données. De plus, l'ontologie générée est soumise à une phase de raffinement qui consiste à renommer les composants dont les intitulés ne reflètent pas le sens réel. Notre méthode permet de générer des ontologies plus riches. En effet, (1) nous recouvrons, par le processus de reverse engineering, les tables perdues lors du passage du modèle conceptuel vers le modèle relationnel pour les cas d’héritage avec généralisation et spécialisation; (2) nous traitons, de façon appropriée, les différentes situations possibles (héritage multiple, relation N-aires) dans la phase de mapping; (3) et nous procédons à l'analyse des enregistrements de la base de données pour identifier les cas de disjonctions et de totalité relatifs à l’héritage simple, et déterminer le niveau de participation de tables aux relations N- aires. Un autre avantage de notre méthode réside dans le fait qu'elle est générique, et elle pourrait donc être appliquée sur n’importe quelle base de données relationnelle. Pour montrer la pertinence de notre méthode, nous avons mené plusieurs expérimentations. Dans un premier temps, nous l’avons testée sur deux bases de données relationnelles. La première concerne la base de données "SAKILA" disponible sur le site officiel de MySQL, et la deuxième concerne le système de gestion de stock de la présidence de l'université Cadi Ayyad de Marrakech. Dans un second temps, nous avons appliqué notre méthode sur la base de données de la plateforme e-Learning Moodle (plateforme pédagogique de l'université Cadi Ayyad de Marrakech), afin de générer une première ébauche d'une ontologie pour le domaine du e-Learning. Grâce à la phase du Reverse Engineering de notre méthode, plusieurs concepts ont été créés et ont permis d'enrichir la taxonomie de l'ontologie obtenue. De plus, les règles de transformation établies ont traité tous les cas figurant dans ces bases de données permettant la création des concepts et des relations entre ceux-ci. Enfin, les ontologies obtenues sont plus riches en termes de concepts détectés, de relations taxonomiques et de profondeur.