Fusion des ontologies par classification hiérarchique pour la conception d un entrepôt de données à la volée

Transcription

1 Fusion des ontologies par classification hiérarchique pour la conception d un entrepôt de données à la volée Nora Maiz, Omar Boussaid, Fadila Bentayeb Laboratoire ERIC Lyon2 nmaiz@eric.univ-lyon2.fr Atelier OGHS Plateforme AFIA

2 Contexte et problématique Recherche d information Analyse OLAP Application Requête Réponse Schéma Global Entrepôt Application Requête Réponse Schéma Global Médiateur Données Schéma Local Données ETL Données Schéma Local S-Requête Schéma Local Réponse Réponse Schéma Local S-Requête Source Source Source Source Architecture «Entrepôt» Architecture «Médiateur» 2

3 Contexte et motivation L analyse de données est intéressée essentiellement par la pertinence des résultats de la recherche Médiation par ontologies Plusieurs ontologies pour le même domaine Besoin de coordonner ces ontologies Définition d une stratégie d alignement/fusion des ontologies 3

4 Plan Problème de fusion des ontologies État de l art Notre méthode de fusion des ontologies Calcul des synonymes Classification des concepts Construction de l hiérarchie de l ontologie Conclusion et perspectives 4

5 Problème de fusion des onto. Un concept est défini comme un ensemble d attributs et un ensemble de relations avec d autres concepts Une ontologie O = (V, A) Problème de fusion des deux ontologies O1 et O2 est défini par : trouver l alignement Al. de ces deux ontologies ensuite trouver l union de ces deux ontologies selon Al. 5

6 État de l art Plusieurs travaux sur la fusion des ontologies : FCA-Merge (Stumme et Maedche, 2001) Anchor-Prompt (Noy et Musen, 2003) HCONE (Kotis et Vouros, 2005) S-Match (Giunchiglia et al., 2005). 6

7 Nous proposons donc Une approche de fusion des ontologies en utilisant la technique de classification hiérarchique des concepts Cela, permet l extraction de la connaissance à partir du vocabulaire des ontologies et surtout le passage à l échelle. 7

8 Approche de fusion des ontologies Classification hiérarchique des concepts et construction de l ensemble SYN Construction de l ensemble SUB des paires de concepts (père, fils) Résolution des conflits sémantiques dans l ensemble SUB Suppression de la redondance et définition de l ontologie fusionnée 8

9 9

10 Classification des concepts Utilisation d une mesure de similarité pour calculer le similarité entre deux concepts Ci et Cj Sim(Att1, Att2) : similarité entre les attributs des concepts (Wordnet) Prendre en compte les relations du concepts avec les autres concepts. 10

11 Classification des concepts Application de l algorithme de classification hiérarchique pour construire les classes Chaque classe contient les concepts synonymes des différentes ontologies Généralisation des classes par l affectation d un nom de concept à chaque classe Construction de l ensemble SYN qui contient les concepts Global Garder le lien entre les nouveaux concepts et ceux des ontologies locales. 11

12 Construction de l ensembles SUB Pour chaque ontologie, nous déduisons l ensemble SUBi des paires (père, fils) Nous fusionnons les ensembles SUBi pour avoir l ensemble total SUB qui contient toutes les paires de toutes les ontologies. 12

13 Résolution des conflits sémantiques Dans l ensemble SUB, nous remplaçons chaque concept par le concept équivalent plus Global de l ensemble SYN Suppression des paires redondantes dans l ensemble SUB 13

14 Construction de l ontologie fusionnée L ensemble SUB contient les paires de concepts de l ontologie globale obtenus par : l union des concepts des ontologies locales la résolution des conflits entre les concepts des ontologies locales 14

15 Exemple (1/3) 15

16 Exemple (2/3) SYN={{F.Sciences, F.sciences, F.sciences}, {Personne, Personne,HOMME},{Département, Département, Département}, {Etudiant, Etudiant, Etudiant},{Enseignant, Enseignant, Enseignant}, {Employé, Salarié},{Cours, Cours}, {Admin}, {Domaine}} SYNGlobal={F.Sciences, Personne, Département, Etudiant, Enseignant, Salarié, Cours, Admin, Domaine} 16

17 Exemple (3/3) SUBG = {(F.sciences, Personne), (F.sciences, Département), (Personne, Salarié),(Personne, Etudiant), (Département, Cours), (Département, Recherche), (Salarié, Admin.), (Salarié, Enseignant), (F.sciences, Personne), (F.sciences,Département),(Personne, Enseignant),(Personne, Etudiant), (Département,Cours), (Département, Recherche), (F.sciences, HOMME), (F.sciences, Département),(F.sciences, Domaine), (Homme, Employé), (HOMME, Etudiant),(HOMME, Enseignant) } SUBG = {(F.sciences, Personne), (F.sciences, Département), (Personne, Salarié), (Personne, Etudiant), (Département, Cours), (Département,Recherche), (Salarié, Admin.), (Salarié, Enseignant), (Personne, Enseignant), (F.sciences, Domaine)} 17

18 Conclusion Dans le contexte de l analyse de données à la volée, un système de médiation à base d ontologies : Approche de fusion des ontologies locales basée sur la classification des concepts Utilisation d un algorithme de classification hiérarchique L algorithme est basé sur une mesure de similarité sémantique qui prend en compte la structure du concept ainsi que son voisinage 18

19 Perspectives Validation de l approche par des sources de données géographiques et ontologies géographiques réelles, et cela dans le cadre du projet FoDoMust. Enrichir l ontologie global Développer un système de réécriture de requêtes Adapter notre système de médiation à l analyse de données afin de construire des contextes d analyse à la volée. 19

20 Merci 20