Mémoires de Fin d’Etudes
Etablissement
Université de Sidi Bel Abbès - Djillali Liabes
Affiliation
Département d’Informatique
Auteur
Bensidi ahmed, Khalida
Directeur de thèse
FARAOUN Kamel Mohamed (Maitre de conférence)
Co-directeur
DOMINIC Widdows (Docteur)
Filière
Informatique
Diplôme
Doctorat
Titre
Lightweight domain ontology learning from text
Mots clés
ontologie de domaine, ontologies légères, apprentissage automatique d’ontologies depuis du texte, théorie de graphes
Résumé
Les ontologies sont un nouveau courant de recherche de l’intelligence artificielle appliquée qui n’a émergé que récemment mais ayant gagné un intérêt croissant en peu de temps. Leurs ingénierie est vue comme la colonne vertébrale du Web sémantique. Cependant, la construction d’ontologies formelles est un exercice difficile qui requit du temps et des coûts assez lourds. L’apprentissage ontologique est donc une solution pour une telle exigence et une approche pour le problème du goulot d’acquisition de connaissances. Cette alternative (semi) automatique pour extraire les ontologies depuis des sources de données variées a reçu un grand intérêt de la part de la communauté de recherche sur les ontologies. Notre travail est concerné par les sources textuelles. C’est en fait depuis l’invention de l’écriture que les documents textuels ont fait le média le plus répondus pour communiquer. Les textes sont massivement disponibles partout détenant en leur sein les connaissances des experts et leur savoir-faire. Extraire de la connaissance depuis ces sources est considéré par la communauté de l’apprentissage ontologique pour être un grand challenge qu’il faut absolument poursuivre. Ce domaine s’avance en s’appuyant sur les progrès de disciplines connexes tels que la recherche d’information, le traitement automatique du langage naturel et le text mining. Le but de notre travail dans le cadre de cette thèse et d’étudier des possibilités nouvelles pour voir comme il est utile de combiner des techniques émanant d’autres domaines de recherche, principalement du TALN, de la linguistique ainsi que de la théorie des graphes, afin d’apporter plus d’efficacité et de souplesse aux solutions d’apprentissage automatique d’ontologies de domaines.
Statut
Vérifié