2.1 – Périmètre des ressources

7L’objet de base de notre approche est un modèle de description des ressources. Ces ressources ont plusieurs utilisations et définitions. Leur représentation dépend de leur usage. En nous basant sur une étude des ressources, nous avons organisé celles-ci en deux catégories principales.

2.2 – Modèles de représentation des ressources

19S’il existe de nombreux modèles et langages de représentation des connaissances, ceux-ci sont généralement centrés sur un ou deux aspects : ontologique, terminologique, lexical, textuel, documentaire, etc. On trouve plus difficilement des modèles permettant de représenter divers aspects de la connaissance ou des ressources de différentes natures : (i) très peu de formalismes supportent l’utilisation de ressources complexes, beaucoup de formalismes se focalisent sur un niveau de représentation (linguistique, terminologique ou ontologique) ; (ii) même dans le cas où on peu mélanger les formalismes pour avoir des ressources plus riches, très peu d’utilisateurs le font, par exemple, on peut mélanger du OWL et SKOS pour avoir une ontologie et un thesaurus.

20Le modèle proposé par (Jimenez-Ruiz et al., 2007), permet de représenter les ontologies et leurs entités indépendamment du formalisme de nomenclature. Ce modèle est lié à un langage de requêtes appelé OntoPath qui extrait des fragments des ontologies larges avec une possibilité de spécifier le niveau de détail dans la hiérarchie des concepts. Les fragments extraits sont stockés dans une base sous forme de graphes. La généralité de ce modèle est due à sa capacité de reprendre les éléments communs dans les modèles d’ontologies et sa définition des relations abstraites entre ces entités. L’utilisation de ce modèle engendre une création de nouvelles classes et relations explicites à partir des axiomes de l’ontologie d’origine. Dans le contexte de gestion de ressources hétérogènes, ce modèle n’est pas applicable sur d’autres ressources à part les ontologies.

21Une modélisation de l’aspect multilingue dans les ontologies à été proposée par (Montiel-Ponsoda et al., 2008). Le modèle conçu est une association entre le métamodèle des ontologies et un modèle linguistique. Un modèle pour unifier la gestion de ressources linguistiques en contexte multilingue à été élaboré afin de centraliser la gestion des ressources linguistiques dans la plate-forme Intuition (Cailliau, 2006). Ce modèle se caractérise par son exploration de la structure des formes linguistiques. L’application de ce modèle permet de représenter des entités ontologiques et de les identifier par des unités lexicales en tenant compte des relations syntaxiques, sémantiques et multilingues. Cette représentation est centrée sur les ontologies, chaque représentation commence par l’entité conceptuelle dans une ontologie et décrit par la suite l’unité lexicale correspondante. Ce modèle n’ayant pas de lien avec des entités ontologiques, ne permet pas de représenter des ressources linguistiques pures.

22Dans le contexte de mise en correspondance de ressources linguistiques et ontologiques, (Suchanek et al., 2007) ont proposé une approche d’intégration et de fusion de Wikipédia et WordNet pour étendre une ontologie (YAGO [9]). L’ontologie est extraite de ces deux ressources par l’ajout des nouveaux faits [10] extraits de Wikipédia sous forme d’individus et de classes issus des catégories conceptuelles de Wikipédia et de chaque "synset" de WordNet. Le processus d’extraction est basé sur l’identification d’un certain nombre de relations tels que ; Type, SubClassOf, Means, Context. Le modèle de l’ontologie résultante est défini en fonction de la ressource à utiliser et est dédié à la représentation de faits. Cette approche montre que la combinaison de plusieurs ressources permet de construire et d’enrichir de nouvelles ressources. Si on dispose d’un modèle générique capable de représenter les ressources, l’extraction et les combinaisons de leurs entités deviendraient des tâches moins complexes et moins coûteuses que celles proposées.

23Pour l’intégration de ressources hétérogènes, (Vandenbussche et al., 2009) ont proposé un métamodèle de représentation de terminologies et d’ontologies. Ce modèle propose un formalisme de représentation plus général que les formalismes existants et fournit de nouveaux constructeurs qui apportent une expressivité supplémentaire aux ressources terminologiques. Cette représentation est basée sur la différenciation des entités de ressources, et reste fidèle à la représentation de chaque modèle de ressource, mais en utilisant des entités abstraites communes. Une partie de ce modèle est centrée sur la terminologie et reprend des entités des modèles de thésaurus (Hall, 2001; Manh Hung, 2004).

24Des outils comme OWLIM (Kiryakov et al., 2005) de Ontotext [11] et ITM (Delaporte et al., 2004) de Mondeca [12] permettent de regrouper des connaissances provenant des ontologies hétérogènes dans les formats RDF(S), OWL ou Topic Maps. Les modèles permettant de représenter ces connaissances et sur lesquels ces outils sont basés représentent les entités ontologiques ou terminologiques. OWLIM est un entrepôt sémantique, utilisant la plate-forme sesame [13] pour le stockage des triplets RDF. ITM est un outil basé sur les ontologies pour la classification du contenu et la gestion des taxonomies, thésaurus, lexiques, etc.
Dans la majorité des modèles que nous venons de décrire nous remarquons un attachement aux ressources, on ne peut pas représenter de nouvelles ressources différentes de celles pour lesquelles ces modèles ont été prévus. Le modèle à proposer doit avoir un niveau d’abstraction plus élevé afin de pouvoir représenter toutes les ressources avec des métadonnées communes. C’est le critère de notre modèle de ressources, il permet de représenter les ressources indépendamment de leurs types. L’originalité de notre modèle est sa capacité à représenter les contenus des ressources avec des modèles multiples. Un modèle de contenu utilise l’ensemble des entités de la ressource qu’il décrit dans le but de rendre cette ressource utilisable par plusieurs processus de gestion de connaissances.

3.1 – Métadonnées

28Les éléments de métadonnées sont utilisés pour décrire une ressource et faciliter son indexation dans l’entrepôt. Ces informations vont permettre d’effectuer des recherches avancées en tenant compte des critères spécifiques. Pour élaborer un modèle ou un formalisme pivot capable de représenter des ressources hétérogènes nous avons suivi une démarche d’observation et de spécification des caractéristiques de ces ressources. Nos travaux précédents nous ont permis d’avoir la base théorique pour la description des ressources.
En effet, nos travaux sur (i) les annotations sémantiques et les documents techniques (Ghoula et al., 2007), (ii) les bibliothèques numériques sémantiques (Falquet et al., 2009) et (iii) l’indexation conceptuelle (Guyot et al., 2008) et la désambiguïsation (Guyot et al., 2005), nous ont permis de modéliser, manipuler et générer ces ressources. En se basant sur ces travaux et sur l’étude des ressources (cf. 2.1) nous avons pu déterminer les éléments des métadonnées et les caractéristiques internes et externes de chaque type de ces ressources :

• le domaine sert à déterminer le secteur d’activité humaine décrit par la ressource. Il existe des ressources qui couvrent plusieurs domaines tels que Wikipédia. Ce type de ressource fait référence à une liste de domaines. Nous pouvons représenter cette ressource comme une collection d’autres ressources décrivant chacune un domaine particulier. Pour la représentation des domaines nous pouvons faire référence à une ontologie ou une classification des domaines de l’activité humaine ;
• le formalisme sert à la représentation de connaissances associées à la ressource. Une ressource peut être représentée par plusieurs formalismes, dans ce cas elle est représentée par des représentations selon plusieurs modèles de contenu. Pour les formalismes on trouve les approches logiques (logique de description, logique des prédicats, etc.) et les approches non logiques (graphes conceptuels, réseaux sémantiques, etc.) ;
• le Langage sert à déterminer le langage de représentation dans lequel le formalisme de la ressource est exprimé (cf. figure 1) ;
• la catégorie sert à déterminer le type de ressource. Une ressource peut être de type ontologie, terminologie, linguistique ou ressource d’indexation, d’alignement ou d’annotation. Ce critère permet de classer les ressources pour pouvoir les réutiliser et les associer à des formats bien déterminés ;
• la langue sert à indiquer la liste des langues de la ressource. Pour les ressources multilingues ce critère est défini par des valeurs multiples au niveau de la ressource et spécifié aussi chez ses entités ;
• l’usage sert à indiquer les ressources dont l’usage est bien défini. Par exemple, un corpus peut être utilisé pour l’apprentissage ou le test. Une ontologie peut être utilisée pour l’annotation ou la recherche d’information. Un alignement peut être utilisé pour la fusion des ressources ou la réécriture des requêtes, etc. ;
• la version sert à spécifier une version de la ressource. Une ressource peut avoir plusieurs versions, ce critère assure une bonne exploitation des ressources afin de gérer la compatibilité, par exemple, si un alignement a été élaboré entre deux ontologies, cet alignement n’est plus forcément utile avec une nouvelle version d’une des deux ontologies ;
• la source sert à spécifier la personne ou l’organisme qui a conçu la ressource. L’origine de la ressource permet de savoir pour quelle raison et pour quelle utilisation une ressource a été créée ;
• la taille ou volume et le degré d’expressivité de la ressource. Ces critères permettent de nous donner une information sur l’importance de la ressource et son utilité pour des opérations particulières.

Figure 1

Chaque formalisme est représenté par un langage ayant une syntaxe donnée

Chaque formalisme est représenté par un langage ayant une syntaxe donnée

29À titre d’exemple, un ontologue veut enrichir une ontologie dans le domaine de l’aéronautique. Cette ontologie est sous la forme d’une hiérarchie de concepts. Il veut ajouter des définitions dans deux langues ; anglais et français, aux concepts de cette ontologie. Il veut également raffiner la classification par l’ajout de nouvelles classes. Pour réaliser cette tâche, il lui faut des ressources externes telles que des glossaires, terminologies ou dictionnaires bilingues dans les langues en question.

30Afin d’avoir accès aux ressources pertinentes le concepteur peut interroger l’ontologie TOK_Onto pour chercher toutes les ressources décrivant le domaine de l’aéronautique, ayant pour langues le français et/ou l’anglais. Comme résultat de sa requête, le système de recherche basé sur TOK_Onto retourne un certain nombre de ressources, par exemple, un corpus parallèle anglais-français de textes concernant l’aéronautique, des articles de Wikipedia dans ce même domaine, classés par catégorie, et un dictionnaire des synonymes en anglais de l’aéronautique, etc.

3.2 – Contenu

31Étant donné la diversité des ressources de connaissances terminologiques, ontologiques et linguistiques et la variété des formalismes et langages de représentation des connaissances, il serait vain de tenter de définir un modèle unifié capable de représenter le contenu de n’importe quelle ressource. L’approche que nous proposons consiste plutôt à définir un ensemble de modèles abstraits de contenus et à représenter le contenu d’une ressource à l’aide d’un ou de plusieurs modèles, en fonction des besoins. Lors de l’importation dans l’entrepôt on pourra choisir les modèles de représentation nécessaires à l’exécution des tâches pour lesquelles la ressource est requise. Ces représentations ne préservent en général pas toute la connaissance contenue dans la ressource mais en extraient les parties nécessaires à un traitement donné.

32Un exemple typique du besoin de modèles simplifiés est l’alignement d’ontologies. La majorité des algorithmes d’alignement actuels peuvent aligner des ontologies en OWL mais ils n’utilisent pas toute la sémantique exprimée par ce formalisme. Ils sont souvent basés sur les étiquettes textuelles attachées à chaque classe dans la structure de l’ontologie. La structure est généralement un graphe représentant la hiérarchie des classes et les propriétés qui font le lien entre deux classes (e.g. Il y a un lien d’étiquette P entre les classes C₁ et C₂, s’il existe un axiome de la forme

33Au niveau de la base de connaissances, nous créons une instance représentant la ressource et des instances représentant ses entités. Selon les traitements que nous avons besoin d’appliquer, cette représentation peut utiliser un certain type de modèle.
En outre, la même ressource peut être impliquée dans des processus qui supportent chacun un format spécifique. Ainsi, grâce aux représentations multiples une même ressource peut être utilisée dans plusieurs processus car son contenu est représenté par plusieurs modèles. Par exemple, un algorithme d’alignement ne peut accepter des ontologies au format OWL, tandis qu’un autre algorithme nécessite des ontologies dans un format de type WordNet.

3.3 – Traitement des ressources

34La gestion et le traitement des ressources dans l’entrepôt consistent essentiellement à importer des ressources, puis à appliquer des processus sur leurs représentations pour générer de nouvelles ressources.

35Si l’on revient à l’exemple de la section 3.1 concernant l’ontologie aéronautique, le processus d’extension ou d’enrichissement pourrait être décrit comme suit :

• recherche de glossaires, terminologies ou dictionnaires de termes en anglais et français relatifs au domaine de l’aéronautique (par sélection sur les métadonnées)
• application d’opération de transformation (mapping) pour obtenir des représentations de leur contenu sous forme d’ontologies lexicales (chaque terme donne lieu à un concept avec sa définition sous forme d’annotation) ;
• application d’opérations d’alignement d’ontologies pour faire correspondre les concepts de ces ontologie avec ceux de l’ontologie à étendre ;
• fusion des ontologies ainsi alignées pour produire une nouvelle ontologie enrichie ;
• exportation de cette ontologie dans le format désiré.

36La modélisation des processus et opérations a deux objectifs principaux : 1) trouver les opérations applicables à une ressource ou inversement trouver les ressources sur lesquelles on pourrait appliquer une opération ; 2) mémoriser les processus de création de ressources dérivées, ce qui permettra, entre autres, de ré-exécuter les processus sur de nouvelles versions des ressources.
La figure 2 montre comment les différents nivaux du modèle TOK sont impliqués dans le traitement des ressources tels que l’importation, la recherche et la génération, etc.

Figure 2

Exemple d’un scénario d’utilisation de TOK_Onto

Exemple d’un scénario d’utilisation de TOK_Onto

4.1 – Modélisation des métadonnées des ressources

37L’étude des ressources selon les critères identifiés précédemment nous a permis de construire une classification des ressources et d’élaborer la première couche de notre ontologie générale TOK_Onto [14].

38La classe ‘TOK_Resource’ permet de modéliser les ressources, elle comporte plusieurs sous-classes en fonction du type des ressources étudiées. Les critères communs de ces ressources sont représentés dans cette classe et les critères spécifiques font l’objet d’une description dans des sous-classes.

Figure 3

Vue partielle de la classification des ressources de connaissances dans TOK_Onto

Vue partielle de la classification des ressources de connaissances dans TOK_Onto

39Cette ontologie décrit l’ensemble des ressources de connaissances hétérogènes. TOK_Onto, a été développée en format OWL avec le degré d’expressivité SRIQ(D) en utilisant l’éditeur d’ontologies Protégé. TOK_Onto contient 195 concepts (nommés et non nommés), 120 propriétés, 450 axiomes, et 2 000 annotations.

40La figure 4 décrit la classe ‘TOK_Resource’ et ses liens avec les autres classes à travers des propriétés. Une ressource peut contenir, importer ou être alignée avec d’autre ressources. Les entités d’une ressource sont modélisées par la classe ‘TOK_Entity’, ces entités peuvent avoir des relations entre elles de type association, alignement, traduction, description. La relation entre une classe et une propriété dans une ontologie est de type ‘source -> destination’.

Figure 4

Modèle de ressources TOK

Modèle de ressources TOK

41Chaque élément (concept, propriété, axiome, individu, terme, etc.) est traité comme une entité de connaissances ontologiques, terminologiques ou linguistiques (TOK_Entity) et lié à une ressource à travers la relation "uses" entre le modèle de la ressource et l’entité.
Les relations entre les entités sont représentées par des instances de "Entity_Relation" qui permettent de catégoriser ces relations par type (relation entre concepts, relation entre termes, relation entre concepts et propriétés, relation entre concepts et individus, relation entre termes et concepts, etc.). La relation entre les concepts peut avoir plusieurs types comme l’équivalence, la subsomption, l’intersection, la disjonction, etc.

4.2 – Modélisation multiple du contenu des ressources

42Un modèle de contenu est composé d’un ensemble de classes, correspondant aux diverses entités du modèle, de propriétés et d’un ensemble d’axiomes définissant les relations entre ces classes. La représentation du contenu d’une ressource est composée d’instances des classes satisfaisant les axiomes du modèle. Le modèle de contenu joue le rôle du lien entre la ressource et ses entités, puisqu’une représentation d’une ressource par un modèle spécifique utilise une partie ou la totalité de ses entités.

Figure 5

Représentation d’une ressource avec ses métadonnées et deux représentations de son contenu (c1 et c2). Les éléments de représentation sont des instances des classes de TOK_Onto

Représentation d’une ressource avec ses métadonnées et deux représentations de son contenu (c1 et c2). Les éléments de représentation sont des instances des classes de TOK_Onto

43Nous avons décrit un ensemble de modèles de représentation du contenu à l’aide des axiomes et concepts dans notre ontologie de ressources. TOK_Onto permet de décrire :

• les modèles (figure 6) relatifs à la représentation de la ressource selon la démarche décrite dans la section (3.2) ;
• les détails des entités appartenant aux ressources (figure 7) et leurs particularités. Cette description est modélisée par la classe TOK_Entity. Les types d’entités sont décrits comme des sous-classes de TOK_Entity.

Figure 6

La classification des modèles de représentation du contenu des ressources dans l’ontologie TOK_Onto

La classification des modèles de représentation du contenu des ressources dans l’ontologie TOK_Onto

Figure 7

La classification des entités dans l’ontologie TOK_Onto

La classification des entités dans l’ontologie TOK_Onto

44Exemple : représentation de la ressource WordNet à l’aide de l’ontologie TOK_Onto.

45WordNet (Fellbaum, 1998) est un ensemble de formes lexicales ayant des liens entre elles. La composante atomique sur laquelle repose le système entier est le synset (synonym set), un groupe de mots interchangeables, dénotant un sens ou un usage particulier. Nous avons construit un modèle de représentation du contenu de la ressource WordNet et nous l’avons appelé WN_Like (WordNet like). Ce modèle est composé des classes Concept, Term, LexicalForm, Sentence, Part_of_speech et des classes associatives Sem_Relation, Term_Relation et Form_Relation (entre autres).

46Dans ce type de modèle on part des entités conceptuelles, liées entre elles par des relations sémantiques, vers les entités terminologiques reliées avec les concepts par des relations de description ou étiquetage. Les termes sont décrits par des formes lexicales qui sont des entités linguistiques permettant de désigner un terme dans une langue donnée.

47La figure 8 présente le modèle de cette ressource dont les correspondances avec ses entités initiales.

Figure 8

Partie de la description du modèle WordNet_Like

Partie de la description du modèle WordNet_Like

4.3 – Représentation des opérateurs

48Pour compléter la définition d’un modèle de représentation du contenu, il faut lui associer un ensemble d’opérateurs. Les opérateurs permettent d’utiliser une représentation du contenu pour effectuer un traitement sur les entités qu’elle utilise. Par exemple, à chaque modèle de représentation du contenu on associe un opérateur ou plusieurs opérateurs d’importation et d’exportation qui permettent de représenter une ressource exclusivement à l’aide des éléments de ce modèle. Nous avons conçu un modèle d’opérateurs élémentaires et complexes (cf. figure 9) en nous basant sur nos travaux antérieurs sur des opérateurs pour la gestion des ontologies (Falquet et al., 2008).

Figure 9

Partie de la description du modèle d’opérateurs

Partie de la description du modèle d’opérateurs

5.1 – Modèle de stockage

50Nous avons utilisé la structure de stockage correspondant au modèle des ressources car elle est équivalente au modèle RDF. Cette structure est sous la forme d’un modèle nœud-lien qui ressemble à des triplets RDF [16]. Le modèle nœud-lien se caractérise par (i) des éléments qui sont sous formes de nœuds (entités) tels que les concepts, les termes, les formes lexicales, les phrases, etc., (ii) des liens entre les nœuds tels que les relations hiérarchiques, les relations sémantiques et d’autres types de relations provenant des modèles de représentation des ressources, (iii) les sources de données et (iv) les modèles de représentation de ces sources. Ce modèle a servi pour la définition du schéma de la base de données de l’entrepôt de ressources.

51L’utilisation des bases de données se justifie par la taille importante des ressources à traiter. Nous voulons exploiter les performances de ce type de stockage avec son langage de requêtes simple et efficace. Les instances permettent de faire le lien avec les ressources physiques dans la base de données. Chaque élément d’une ressource est associé à une classe de TOK_Onto.

52La table NODES est décrite de la façon suivante :

53NODES (

54IDN : identifiant unique de l’entité,

55IDN_EXTERN : identifiant original de l’entité dans la ressource,

56KIND : type de l’entité (Concept, Terme,…,

57LANG : langue de l’entité si défini,

58SOURCE : le ressource d’origine de l’entité (clé étrangère vers la table SOURCES),

59STATUS : statut de l’entité dans le version de la ressource (valable ou invalide),

60LIB : label de l’entité si défini,

61EXTENSION : référence vers la description de l’entité,

62COM : commentaires et annotations,

63EXT_TYPE : type de l’extension de référence (fichier, texte,... )

64)

65La table LINKS est décrite de la manière suivante :

66LINKS (

67REL : identifiant de la relation utilisée (clé étrangère vers la table RELATIONS,

68IDNFROM : identifiant unique de l’entité source (clé étrangère vers la table NODES),

69IDNTO : identifiant unique de l’entité cible (clé étrangère vers la table NODES),

70RELINV : identifiant unique de la relation inverse source (clé étrangère vers la table RELATIONS),

71SOURCE : identifiant unique de la ressource en question (clé étrangère vers la table SOURCES),

72SEQ : numéro de séquence de la relation (exemple : n de synset pour WordNet),

73CONFIDENCE : degré de confidence du lien entre les 2 entités,

74STATUS : statut du lien entre les 2 entités dans le version de la ressource (valable ou invalide),

75COM : commentaires et annotations,
)

5.2 – Importation des ressources

76Notre technique d’importation des ressources dans la structure de stockage permet de formaliser et stocker les ressources TOK dans un seul entrepôt. Cette méthodologie est décrite à travers un processus de chargement de ressources composé de quatre modules.

Figure 10

Description de processus de chargement de ressources dans l’espace de stockage

Description de processus de chargement de ressources dans l’espace de stockage

771) Un module d’extraction, basé sur une interaction entre trois niveaux de représentation de connaissances :

78

• identifier les entités de chaque ressource en utilisant l’ontologie TOK_Onto, chaque nouvelle entité est considérée comme instance d’un concept de l’ontologie ;
• extraire les relations hiérarchiques et de structure de la ressource. Ceci étant utile pour l’exportation de la ressource en question et pour la classification des entités ;
• extraire les axiomes et les représenter à l’aide de l’ontologie TOK_Onto pour garder la sémantique des concepts de la ressource.

793) Un module d’extraction des relations, assurant l’inférence des dépendances entre les entités stockées. Ces dépendances sont généralement des subsomptions, des relations hiérarchiques simples, ou des relations complexes entre concepts et propriétés.

804) Un module d’indexation d’axiomes permettant de les décrire et d’identifier les entités utilisées dans chaque axiome.

81Le modèle TOK est en cours d’utilisation. Nous ajoutons progressivement de nouvelles ressources. Nous avons ajouté AGROVOC [17] en 17 langues,WordNet en anglais, allemand, Catalan, Espagnol, etc., UNL [18] en Français, Arabe, Japonais, CityGML [19], URBAMET [20], etc.

82Nous avons stocké ces ressources et nous avons pu générer un ensemble d’entités conceptuelles et terminologiques. Ces entités ont été reliées entre elles par des relations d’indexation de catégorie "Term_Concept" et des relations de traduction et de hiérarchie de catégorie "Term_Term". Ces liens ont été établis par l’implémentation du module d’extraction des relations. L’algorithme d’extraction permet de repérer les relations entre entités, nous allons l’étendre pour détecter des relations complexes et des alignements multilingues.
La figure 11 montre un extrait des ressources importées dans l’entrepôt. La colonne de gauche est une liste des modèles utilisés. La colonne de droite montre la liste des ressources qui utilisent un modèle sélectionné, dans ce cas c’est le modèle WordNet_Like.

Figure 11

Les ressources importées dans l’entrepôt classées par modèle

Les ressources importées dans l’entrepôt classées par modèle

5.3 – Usage de l’entrepôt

83Actuellement, notre entrepôt compte environ 950 000 formes lexicales différentes dans 24 langues, 173 000 concepts d’ontologies et 335 000 phrases provenant tous de 13 ressources différentes. Pour importer ces ressources, nous avons développé plusieurs outils pour faire la correspondance entre les formats et les langages de représentation des ressources (OWL/XML,WordNet, AGROVOC, XML Schema, les pages HTML liées,... ) pour supporter des modèles tels que WordNet_Like, mémoire de traduction,...

84Exemple : génération d’une ontologie lexicale à partir de Wikipédia

85Pour importer des éléments de la ressourceWikipédia nous avons utilisé un modèle de représentation simplifié (Wikipédia_Like) et nous l’avons enrichi par le biais du processus d’extraction de termes, des descriptions et des liens dans les articles.

Figure 12

Importation des articles de la ressource wikipédia dans l’entrepôt

Importation des articles de la ressource wikipédia dans l’entrepôt

86Wikipédia est une ressource de type corpus structurée et organisée par catégories. C’est une collection d’articles ayant la forme d’un document hypertexte, ce document contenant plusieurs sections relatives à la définition, traduction, classification et désambiguïsation d’un terme.

871) L’importation d’un ensemble d’éléments de la ressource Wikipédia se fait par l’identification des documents hypertextes, leur type et leurs métadonnées dans le modèle WP_Like:

• Page de Wiki —> Hypertext_Doc (classe définie dans TOK_Onto) ;
• Suffixe de l’URL —> name (propriété définie dans TOK_Onto) ;
• Liens vers des pages dans d’autres langues —> Translation_Link ;
• Contenu HTML —> Doc_Part ;

Figure 13

Partie de la description du modèle Wikipédia_Like

Partie de la description du modèle Wikipédia_Like

882) L’identification des éléments d’annotation et de traduction se fait pas une heuristique qui attribue le rôle ‘Definition’ (définition) à la partie du document qui permet de décrire le concept représenté par la page. Cette heuristique permet de parcourir toutes les pages wikipedia, figurant comme traduction de la page de référence, et d’extraire les formes lexicales avec leurs langues correspondantes comme des candidats de traduction pour la forme lexicale source.

893) Le changement de modèle se fait par la transformation de la représentation de la ressource importée du WP_Like vers le modèle WN_Like. Le mapping entre les deux modèles se fait sur la base des correspondances suivantes :

90La figure 14 représente une interface permettant de parcourir les entités importées à partir de la ressource Wikipédia dans l’espace de stockage TOK_Base.

Figure 14

Parcours des termes et concepts extraits à partir des pages Wikipédia

Parcours des termes et concepts extraits à partir des pages Wikipédia

91Les opérations d’enrichissement des ressources permettent de générer de nouveaux alignements ou annotations sur des ressources existantes. Elles sont généralement basées sur des algorithmes spécifiques (ou des heuristiques) et utilisent des ressources auxiliaires.

92Une opération d’alignement prend comme entrée deux contenus de ressources, représentés par le même modèle (M₁) et produit un contenu de type alignement dans le même modèle que nous notons Aln < M₁ >

93Exemple : enrichissement de la ressource WordNet en anglais par des formes lexicales d’autres langues.
Ceci est un exemple plus spécifique d’une opération d’alignement de ressources représentées par le modèle WN_Like. Nous avons conçu un algorithme d’alignement simple que nous avons appelé AL_HS permettant de collecter les alignements évidents par similarité de parent sur le modèle WordNet_Like. Le modèle de cet opérateur est appelé ALG-ISI1. La signature de cet opérateur est :

94Nous avons aligné la version en Anglais de WordNet avec d’autres ressources, comme AGROVOC, URBAMET, UNL, qui ont des formes lexicales dans plusieurs langues. Cela nous a permis l’importation de ces formes lexicales dans la version en Anglais de WordNet et de les associer aux concepts correspondants, obtenant ainsi un enrichissement WordNet.

Figure 15

Alignement par similarité dans le modèle TOK

Alignement par similarité dans le modèle TOK

95Des alignements et des correspondances s’effectuent par le biais de la similarité des formes. Ces correspondances déduites (819 alignements), permettent la désambiguïsation des termes. Dans cet exemple (figure 16), le concept numéro 161185 est décrit par le terme "table" en Anglais qui est un terme ambigu, son alignement avec le terme "mesa" en Espagnol (non ambigu), permet de déduire que le concept "161185" appartenant à la catégorie des meubles.

Figure 16

Exemple d’entités alignées dans deux ressources

Exemple d’entités alignées dans deux ressources

96L’importation du contenu d’une ressource ne permet pas nécessairement de préserver tout son contenu. En particulier, si le modèle de représentation du contenu est moins expressif que le modèle original de la ressource, il est évident qu’au cours du processus d’importation certaines informationss vont être perdues. À titre d’exemple, en important des ontologies en OWL vers le modèle WN_Like nous avons perdu la sémantique des concepts exprimée par les axiomes. Le problème de perte d’information n’est pas considéré comme un handicape puisque nous gardons une version originale de la ressource.