Alignement semantique d'ontologies de grandes tailles

Introduction du contexte et des Réseaux de Neurones Artificiels

Cet ouvrage apporte des réponses au problème de l’alignement et de l'hétérogénéité des sources de données.

Nous présentons un prototype d’alignement nomé XMap++, capable d'élaborer un mapping sémantique en tenant compte du contexte des sources à aligner.

Ainsi, nous proposons des stratégies de matching qui peuvent être combinées de façon dynamique en prenant en considération les spécificités sémantiques des concepts.

En particulier, le module aligneur supporte quatre modes de combinaison dynamique (e.g.

moyenne, pondération dynamique, pondération avec les RNA, fonction sigmoïde) qui confère un choix parmi les mesures de similarité des entités (e.g., terminologique, linguistique et structurelle), et le degré de confiance approprié a chaque matcher pour aligner une entité donnée, considérant des caractéristiques sémantiques spécifiques (e.g.

type de données, nature de contenu, etc.).

Les algorithmes implémenté sont testés, sur des ontologies de grande taille.

La phase de validation permet de comparer les résultats obtenus par les méthodes proposées avec les résultats d'autres méthodes pionnières de la littérature.