Approche de couplage de BD et d ontologie pour la satisfaction de requêtes SQL et SPARQL

Transcription

1 Approche de couplage de BD et d ontologie pour la satisfaction de requêtes SQL et SPARQL Mariem Mahfoudh Wassim Jaziri Laboratoire MIRACL, Université de Sfax Route de Tunis km 10, Pôle Technologique de Sakiet Ezzit, 3021 Sfax, Tunisie mariem.mahfoudh@hotmail.fr, jaziri.wassim@gmail.com RÉSUMÉ. La modélisation des systèmes d information et l interrogation de leurs données présentent de plus en plus un défi primordial qui ne cesse de s imposer. Les solutions proposées dans la littérature étaient principalement organisées autour des bases de données (BD), les entrepôts de données et plus récemment, les ontologies. Cette multitude de formalismes a entraîné la nécessité d étudier le couplage entre les différents supports de stockage et d interrogation de l information, essentiellement les BD et les ontologies. Cet article s intéresse à étudier le couplage entre BD et ontologie recouvrant le même domaine d étude, pour la satisfaction des requêtes utilisateurs. L'approche proposée se base sur un ensemble de règles prédéfinies pour la recherche de l'information pertinente permettant de satisfaire les requêtes SQL et SPARQL. Un outil de couplage est également développé pour implémenter et valider nos propositions. ABSTRACT. The modeling of information systems and the interrogation of their data present an important challenge. The solutions proposed in the literature were mainly organized around databases (DB), the data warehouse and more recently the ontologies. This multitude of formalisms has led to the need to study the coupling between different storage support and information interrogation, primarily databases and ontologies. This pqper studies the coupling between DB and ontology covering the same domain, to satisfy users' queries. The developed approach is based on a set of predefined rules for finding relevant information to satisfy SQL and SPARQL requests. A tool is also developed to implement and validate our proposals. MOTS-CLÉS : BD, Ontologie, Requête, SQL, SPARQL. KEYWORDS: DB, Ontology, Request, SQL, SPARQL.

2 1. Introduction Les ontologies, comme les Bases de Données (BD), conceptualisent l univers du discours au moyen de classes (concepts) reliées par des relations et associées à des propriétés. L ontologie et le schéma conceptuel d une BD sont le résultat d une modélisation plus ou moins abstraite présentant et reflétant la structure et les contraintes d un domaine d étude, indépendamment des détails d implémentation. Cependant, à la différence d une BD, où chaque concept est référencé par la notion d identifiant qui ne prend sens qu au sein du système informatique dans lequel l application est réalisée, dans une ontologie, chaque composant possède un identifiant universel (comme l URI : Uniform Resource Identifier) permettant de le référencer à partir de n importe quel environnement, indépendamment de l ontologie dans laquelle il a été défini. Au niveau implantation, chaque composant constitue donc une unité élémentaire de connaissance facilement exploitable, ce qui favorise le partage des ressources et limite les problèmes d intégrité des données. Dans une BD, l'information manquante est considérée comme fausse, tandis qu'elle est considérée inconnue dans l'ontologie. En effet, l ontologie est généralement considérée comme une source de données complexe, souvent incomplète et évolutive dans le temps. La BD et l ontologie possèdent toutes les deux leurs propres avantages et inconvénients. Les BDs se distinguent par leur : 1) évolutivité : leur évolution ne cause pas des inconsistances ; 2) efficacité de stockage grâce à la non-redondance des données représentées ; 3) structuration idéale permettant un temps optimal d exécution des requêtes utilisateurs ; 4) gestion des droits d accès : offre des mécanismes de contrôle et de sécurité sur les fichiers. L ontologie est : 1) consensuelle : décrit les concepts d un domaine d étude de manière à permettre de satisfaire les besoins techniques et métiers partagés par une communauté d'utilisateurs ; 2) référençable : les composantes de l ontologie possèdent des identifiants universels permettant de les référencer à partir de n importe quel environnement, indépendamment de l ontologie dans laquelle ils ont été définis ; 3) expressive 1, formelle et fournit une contribution essentielle au défi de l'intégration des données hétérogènes. Nous pensons que l utilisation simultanée de ces deux supports de l'information apporte d une part une structuration forte des données et une capacité de stockage importante (la BD) et d'autre part une sémantique explicite et universelle (l ontologie). Dans ce travail, nous nous basons sur cette complémentarité entre les BD et les ontologies pour proposer une démarche permettant de faire cohabiter ces deux composantes avec leurs avantages et inconvénients propres. Cet article est organisé comme suit. La section 2 passe en revue le couplage entre BD et ontologies. Dans les sections 3 et 4, nous présentons notre démarche de couplage basée sur un processus de satisfaction de requêtes utilisateurs suivant leur 1 Bien entendu, le niveau d expressivité dépend du type d ontologie (cf. ontologie «légère» vs «lourde») et du langage de représentation sous-jacent.

3 contenu. La section 5 se concentre sur la partie implémentation à travers la présentation de l'outil CoDBOnto. Enfin, une conclusion synthétise la proposition de l article et trace nos perspectives. 2. Couplage entre BD et ontologie Dans le but d expliciter les connaissances relatives à un domaine donné, plusieurs travaux ont étudié le couplage entre des bases de données et des ontologies. Ces travaux ont suivi différentes orientations : 1) Suivre une approche BD classique puis dériver vers des spécifications sémantiques conduisant à la construction d une ontologie ; 2) Entamer une approche ontologique aboutissant à la construction d une ontologie qui servira par la suite à concevoir la BD ; 3) Disposer de la BD et de l ontologie puis définir un lien de correspondance (mapping) entre elles Construction d ontologies à partir des BDs Certains travaux se sont intéressés à la construction d une ontologie à partir d une BD dans le but d exprimer la sémantique, insuffisamment (implicitement) traitée par les BDs. En effet, les utilisateurs des BDs classiques sont souvent assez satisfaits par la qualité des services offerts par les BDs. Cependant, suite à l évolution continue des Systèmes d Information (SI), plusieurs problèmes d hétérogénéité et d intégration de données sont apparus [Dehainsala, 2007] justifiant ainsi le recours aux ontologies. Trinkunas et al. (2007) ont proposé une méthode de construction d une ontologie OWL à partir d un modèle Entité-Relation (ER) en utilisant l ingénierie inverse. Un ensemble de règles sont définies et le logiciel OntER a été développé en se basant sur l outil PowerDesigner de Sybase 2. Lubyte et al. (2007) ont proposé un framework pour l extraction d une ontologie à partir d une base de données relationnelle (BDR). Pour représenter le modèle conceptuel extrait, l approche consiste à utiliser un langage d ontologie expressif DLR-Lite : une variante de la description logique capable de capturer la sémantique du schéma ER et des diagrammes de classes d UML. Cette approche ajoute d autres règles à celles de [Trinkunas et al., 2007] afin de traiter quelques axiomes. Par ailleurs, elle exige que les relations du schéma relationnel soient en troisième forme normale (3NF) pour pouvoir prouver formellement que le modèle extrait est fidèle au modèle initial. Ceci signifie que la méthode garantit la non perte des données et la préservation des contraintes mais la transformation ne respecte pas les caractéristiques de l ontologie. Le résultat est un schéma relationnel exprimé en langage d ontologie plus qu une vraie ontologie. 2

4 Nyulas et al. (2007) proposent une méthode d importation de la structure de la BDR et des données de ses tables pour les inscrire dans l'ontologie via DataMaster : un plug-in de Protégé qui peut supporter comme entrée n importe quel type de BD et peut générer en sortie une ontologie OWL ou une ontologie frame. Cependant, DataMaster n'est pas paramétrable et ne permet pas par exemple des traitements spécifiques à certaines tables ou le choix de conventions de nommage des concepts et propriétés extraits. Cerbah (2008) propose l outil RDBToOnto dédié à la conversion des BDs en ontologies. Cet outil, développé dans le cadre du projet européen TAO (Transitioning Applications to Ontologies), implémente une nouvelle approche d'apprentissage de l'ontologie depuis des BDRs, basée sur un processus d'apprentissage automatique qui peut être progressivement affiné par l'utilisateur. Ce dernier peut choisir le convertisseur approprié (parmi ceux prédéfinis) pour l'implémentation de la transformation, ou le recours à une nouvelle méthode. Kamel et al. (2009) présentent une approche de construction automatique d ontologie à partir d un document de spécification de BD au format XML, implantée sous la plate-forme GATE 3. Cette approche vise à exploiter la sémantique véhiculée par les balises, ces dernières fournissant à la fois une description du texte et des liens existant entre les unités textuelles balisées. Le processus de construction débute par une étude des balises du document permettant l identification des concepts, des relations conceptuelles et des propriétés. Ainsi, suite à la création de ces composants, le noyau de l ontologie est construit et enrichi par l exploitation du texte en langage naturel à l aide de patrons lexico-syntaxiques définis pour obtenir ainsi l ontologie finale. Cette approche apparaît différente par rapport aux précédentes puisque la BD est au format XML. L ontologie résultante s avère riche en concepts et relations car elle se base sur les moyens de TALN (Traitement Automatique des Langages Naturels). Toutefois, elle souffre de certaines limites dans le sens où elle contient des incohérences qui ne peuvent être corrigées que manuellement et que la moindre faute dans la structure de fichier XML influe énormément sur les résultats obtenus puisque les règles de transformation se basent essentiellement sur la hiérarchisation du document. Différentes approches et outils traitant la construction (ou l extraction) de l ontologie à partir de la BD ont été proposés. Les approches sont variées et se placent, soit au niveau conceptuel avec un intérêt centré sur la couche conceptuelle/logique (essentiellement le modèle relationnel) [Cerbah, 2008] [Trinkunas et al., 2007], soit à un niveau plus bas pour chercher des correspondances au niveau physique, par exemple, au niveau des langages de définition/représentation et de manipulation des BD (SQL) et des ontologies OWL [Cullot et al., 2007], DLR_Lite [Lubyte et al., 2007] et frame [Nyulas et al., 2007]). Cependant, malgré cette variété, les règles utilisées se ressemblent beaucoup et se basent souvent sur une extraction «plate» : la structure de l ontologie obtenue reste très proche du schéma de la BD. Par exemple les structures hiérarchiques extraites sont peu profondes alors que l ontologie se distingue par sa structure hiérarchique [Krivine et al., 2009]. La plupart des outils développés peuvent être vus comme une 3 General Architecture for Text Engineering :

5 aide à la construction d ontologies, surtout que le résultat doit s intégrer dans une ontologie déjà existante avec des principes de modélisation et de structuration particuliers (ex : utilisation d une ontologie fondatrice comme BFO ou DOLCE) Construction de BD à partir d'ontologie Grâce à la sémantique offerte par les ontologies et leur capacité de résolution des problèmes d intégration, plusieurs concepteurs s en servent dans la modélisation de leur système d information. Cependant, à cause de l évolution continue de ces systèmes et leur complexité croissante, les données stockées ont rapidement atteint des tailles qui devenaient incompatibles avec le traitement en mémoire centrale. Sugumaran et al. (2006) ont proposé un outil nommé OMDDE (Ontology Management and Database Design Environment) d aide à la conception de MCD (Modèle Conceptuel de Données) à partir d ontologies de domaine. Il s agit d une approche linguistique dans laquelle le système analyse les termes du cahier des charges de l application et, par référence à l ontologie, suggère différents éléments à introduire dans le modèle conceptuel. La méthode ne garde pas le lien entre les concepts et relations de l ontologie et le MCD défini, i.e., ne permet pas l accès à la BD résultante via l ontologie et ne facilite ni l échange ni l accès aux données. Vysniauskas et al. (2006) ont proposé une méthode de transformation d une ontologie OWL en un schéma relationnel, inspirée de la méthode «OWL2BD» de [Gali et al., 2005]. Le processus de transformation est initialisé par le concepteur qui est chargé d introduire l ontologie. Après la vérification de la syntaxe OWL de l ontologie, la méthode proposée se base sur des algorithmes de transformation de chaque entité de l ontologie. Astrova et al. (2007) ont proposé une approche pour la transformation automatique d'ontologies OWL en des BDRs exprimées en SQL. Cette approche est implémentée dans un utilitaire «QUALEG DB» et se distingue des autres approches par sa capacité de traitement des axiomes et des restrictions, ainsi que la définition des règles de mapping pour les différentes catégories des objects property et des data property (à valeurs uniques, à valeurs multiples). Toutefois, malgré sa richesse, cette approche ne gère pas convenablement les namespace supportés par OWL et non supportés par SQL. Fankam et al. (2009) ont proposé une approche nommée SISRO (Spécialisation des classes, Importation Sélective des propriétés et Représentation des Ontologies) permettant au concepteur de réutiliser la connaissance du domaine formalisée dans l ontologie. Cette approche comporte quatre étapes essentielles : 1) création d'une ontologie locale à partir d'ontologies de domaine; 2) construction du modèle conceptuel à partir du sous ensemble canonique de l ontologie locale ; 3) définition des modèles logique et physique ; 4) fourniture d accès au niveau ontologique. La méthode SISRO est supportée par un ensemble d outils permettant de mettre en œuvre les différentes étapes. Les outils comportent un éditeur PLIBEditor qui permet de réaliser les phases de création de l ontologie locale. Ils comportent également un système de gestion de base de données à base ontologique (BDBO), OntoDB [Pierra et al., 2004] [Dehainsala, 2007] qui permet la génération de la BD

6 et son exploitation par un langage de requêtes OntoQL. Une BDBO est définie dans [Dehainsala, 2007] comme «une source de données qui contient : une ontologie (locale), éventuellement, des références de l ontologie locale à des ontologies (partagées) externes, un ensemble de données et un lien entre chaque donnée et la notion ontologique qui en définit le sens». La méthode SISRO possède plusieurs avantages. Elle permet, d une part, au concepteur d importer d une façon sélective les concepts et les propriétés qu il juge pertinents et permet, d autre part, d éviter les conflits liés à l approche classique ANSI/SPARC 4 de conception de BD en se basant sur différentes ontologies partagées. Cependant, elle nécessite un travail exhaustif de la part du concepteur. Bien que la construction d une BD à partir d une ontologie présente un axe de recherche prometteur, les approches proposées présentent certaines limites : - elles ne sont pas implémentées dans des outils qui prouvent leur fonctionnalité dans le sens où les rares outils développés ne sont que des prototypes de recherche. - elles ne fournissent aucun moyen de vérification et d analyse des pertes de la structure résultant du mapping, - elles supposent que toutes les constructions d'une ontologie peuvent être mappées vers une BDR. L expérience du projet NeuroLOG ( a montré qu en voulant mettre toute la sémantique de l ontologie dans un modèle relationnel (notamment les liens de subsomption multiples) on obtenait un modèle relationnel incompréhensible Travaux traitant du mapping entre ontologie et BD Traiter le mapping entre une ontologie et une BD consiste à disposer de ces deux composantes et à définir un lien de correspondance entre elles, généralement pour l utiliser par la suite afin de remédier aux problèmes d intégration et d interrogation des données 5. Cette orientation présente une voie prometteuse puisqu elle exploite les BD et les ontologies avec leurs propres avantages et inconvénients. Cependant, les travaux qui s inscrivent dans cette orientation restent assez rares. Barrasa et al. (2004) ont présenté un langage déclaratif R2O basé sur XML permettant de spécifier des correspondances entre une ontologie, décrite en RDFS ou en OWL, et une BD. L'approche proposée consiste à créer un document de description du mapping avec toutes les correspondances entre les éléments du schéma de la BD SQL et ceux de l'ontologie. Afin d exploiter le contenu du document R2O à des fins utiles telles que la satisfaction des besoins des utilisateurs lors du lancement d une requête, l invention de R2O a été accompagnée de celle du processeur ODEMapster. Cet outil se charge d analyser une requête utilisateur et d accéder au document R2O correspondant à l ontologie et à la BD pour vérifier s il contient une représentation de correspondance concernant les termes de la requête. R2O et ODEMapster possèdent plusieurs avantages et se présentent comme un moyen intéressant dans les approches d'intégration utilisant la distribution de requête 4 ANSI/SPARC est l architecture fondamentale sur laquelle reposent les SGBD modernes. 5 L ontologie peut constituer une documentation aidant à gérer un modèle relationnel.

7 dynamique intelligente. Cependant, R2O ne définit pas des degrés de similitude entre les composants de la BD et de l ontologie, ce qui rend le jugement sur l existence de liens entre eux très rigide. Hu et al. (2007) ont proposé un processus de mapping entre un schéma relationnel et une ontologie, se déroulant en 4 phases : 1) réaliser une classification heuristique des entités du schéma relationnel et de celles de l ontologie dans le but de faciliter la recherche de candidats de correspondance ; 2) construire pour chaque entité candidate son propre «document virtuel» : une collection de pondérations dérivées non seulement de la description de l'entité elle-même, mais aussi des descriptions de ses voisines [Salton et al., 1983] ; 3) vérifier et valider la consistance du mapping ; 4) alimenter les correspondances découvertes par des instances afin d être utilisées par un mapping sémantique connu sous le nom de «contextual mapping» [Bohannon et al., 2006]. L algorithme de ce mapping est implémenté dans l'outil MARSON (MApping between Relational Schema and ONtologie). Cette approche possède deux limites : 1) la qualité du mapping est étroitement liée au choix du seuil de confiance ; 2) l incapacité de détecter des relations autres que l équivalence et l héritage, ce qui restreint le champ d application du mapping résultant. 3. Approche de couplage BD-Ontologie L étude des travaux de la littérature permet de constater que les approches proposées souffrent de certaines limites. Par exemple, la transformation d une ontologie en une BD conduit à des problèmes de redondance et d incohérence qui sont contradictoires avec les principes de base d une BD. La construction d une ontologie à partir d une BD amène à une ontologie contenant peu de concepts, de relations sémantiques et de hiérarchisations (ceci dépend tout de même de la complexité du schéma de la BD). Ces problèmes sont le résultat de la négligence des spécificités des ontologies et des BDs : certaines approches supposent que toutes les constructions d'une ontologie peuvent être mappées à une BD et inversement, ce qui est loin d être vrai puisque chacune a ses propres caractéristiques. Une voie prometteuse consiste donc à exploiter les potentialités des BD et des ontologies via un couplage permettant de mieux exploiter leurs avantages. Dans notre travail, nous supposons que la BD et l ontologie existent déjà et sont cohérentes 6 l une vis-à-vis de l autre (conceptuellement et sémantiquement) et qu elles modélisent le même domaine d étude. Nous exigeons également que la BD contienne toutes les instances afin de profiter de sa capacité de stockage et de sa puissance de gestion des données alors que l ontologie représente la sémantique du domaine d étude grâce à la structuration de ses entités ontologiques et ne contient aucun individu. Toutefois, l'existence d'instances dans l'ontologie ne remet pas en cause notre approche. En effet, ceci nous semble nécessaire pour mieux exploiter les 6 Cette hypothèse de cohérence permet de travailler dans un environnement consistant garantissant que les réponses aux requêtes utilisateur soient sémantiquement satisfaisantes.

8 avantages de ces deux composants (puisque le stockage des instances est mieux supporté par les BD et n'est pas une caractéristique essentielle des ontologies) Types de requêtes Notre approche consiste à exploiter l ontologie et la BD afin de satisfaire les besoins des utilisateurs. Si on se positionne dans un cadre d aide à la décision sémantique, suite à une requête utilisateur, le système doit être en mesure de fournir une réponse sémantiquement satisfaisante (cohérente) soit en interrogeant la BD ou bien l ontologie, ou en liant les deux composants. A cet effet, nous distinguons trois catégories de requêtes auxquelles il faut apporter des réponses adéquates en consultant les sources d information (la BD et/ou l ontologie). - Requête simple : comporte des informations directement explicitées dans la BD. Ce type de requête ne nécessite aucun traitement au niveau sémantique et une BD saura y répondre facilement du moment où la requête est conforme au langage de manipulation de données qu elle supporte. - Requête sémantique : comporte des interrogations nécessitant de déduire des connaissances (en ayant recours éventuellement à un raisonneur). Ce type de requête peut être satisfait directement en interrogeant l ontologie. Ceci sous-entend que la requête comporte tous les éléments nécessaires (d entrée) pour déduire la réponse. - Requête mixte : demande à la fois l accès à la BD et à l ontologie. Ceci nécessitera, par exemple, de faire appel à la sémantique (raisonner au niveau de l'ontologie) pour enrichir ou reformuler des requêtes avant de les lancer sur la BD et extraire ainsi les instances souhaitées, ou bien d exploiter la BD puis d'aller chercher la réponse dans l ontologie Processus de satisfaction de requêtes Le processus de satisfaction est initialisé par l utilisateur qui se charge d introduire une ontologie et une BD et de saisir les requêtes relatives à ses besoins. Dans notre travail, nous exigeons que les requêtes soient exprimées par des langages formels et non en langage naturel. Le système se charge alors de déterminer le type de la requête saisie ainsi que sa réponse en exécutant un ensemble de règles prédéfinies 7. Dans le cas où les règles ne permettent pas de trouver une réponse à la requête, on peut faire recours à l assistance d un expert qui peut, soit reformuler la requête, soit charger un référentiel sémantique qui sera exploité pour la recherche de la réponse pertinente. Dans notre approche, nous pensons également à la journalisation des requêtes erronées pour assurer un mécanisme d'apprentissage permettant un gain en temps et ressources. De ce fait, nous enregistrons les requêtes erronées ainsi que les requêtes équivalentes reformulées pour les utiliser en cas de besoin. 7 Ces règles ne seront pas présentées dans cet article pour des raisons de simplification.

9 4. Description de l'approche L'approche que nous proposons passe par trois étapes essentielles : (1) analyse de la BD et de l'ontologie; (2) analyse de la requête; (3) traitement de la requête Analyse de la BD et de l'ontologie L analyse de la BD et de l ontologie est une étape importante aidant à connaître quelle sera la source de la réponse à la requête utilisateur. Elle consiste tout d abord à extraire les différents éléments de la BD (récupérer la liste des tables, la liste des colonnes etc.) et de l'ontologie (distinguer les concepts, les relations etc.). Ces éléments seront sauvegardés séparément pour servir par la suite dans la recherche de la source des termes constituant les requêtes utilisateurs et connaître exactement leur rôle (une object property, une table, ). Ensuite, un fichier de correspondance est créé entre ces deux sources d informations pour mettre en évidence leurs éléments communs 8 que nous devons détecter et extraire. Le fichier de correspondance est exploité pour satisfaire les requêtes utilisateurs et l optimisation du temps de recherche de l information pertinente. Ce fichier renferme ainsi : - les termes appartenant à la fois à la BD et à l ontologie (point de vue syntaxique) et leur rôle dans ces deux sources d informations. - les correspondances sémantiques entre les termes de la BD et de l ontologie : il s agit de détecter le lien sémantique entre les termes et concepts, en se basant sur les connaissances véhiculées par l ontologie et sur des référentiels sémantiques que nous exploitons pour chercher des relations de synonymie (entre termes), de méronymie, et de subsomption (entre concepts) Analyse de la requête utilisateur Comme nous l avons déjà évoqué, l utilisateur doit formuler ses requêtes en utilisant des langages formels pouvant être, soit des langages de requête de BD, soit des langages sémantiques. Ces requêtes doivent être analysées afin de déterminer leur type (simple, sémantique ou bien mixte) et procéder à l interrogation de la BD et/ou l ontologie pour les satisfaire. Cette analyse se déroule en trois phases assurant chacune un objectif bien déterminé : - Première phase : permet de distinguer entre les mots réservés/clés (from, select, where, ) du langage formel utilisé et ceux introduits par l utilisateur reflétant ses besoins réels (les données ou connaissances qu il voulait extraire de la BD et/ou de l ontologie). Cette phase se base sur des analyseurs lexico-syntaxiques correspondant aux langages choisis. 8 Du point de vue des termes et non de la structure, étant donné que ces deux composantes ont des structures différentes.

10 - Deuxième phase : après la séparation entre les mots réservés et ceux reflétant l objectif de la recherche, il s'agit de déterminer la source de chacun de ces termes (BD, ontologie). - Troisième phase : détermine le rôle que les termes de la requête occupent dans les sources de données : tables (concepts), relations, tuples (instances), colonnes (propriétés), etc. Le résultat de ces différentes phases sert comme input pour la troisième étape de notre approche pour le traitement des requêtes utilisateurs Traitement des requêtes utilisateurs Cette étape s'intéresse au chargement des règles adéquates pour la précision du type de requêtes (simple, sémantique, mixte) et le traitement nécessaire pour leur satisfaction. Après l'analyse faite sur la BD, l ontologie et la requête utilisateur, nous distinguons, en fonction des termes de la requête saisie, quatre cas : 1. les termes constituant la requête appartiennent tous à la BD, 2. les termes constituant la requête appartiennent tous à l ontologie, 3. les termes constituant la requête appartiennent à l ontologie et à la BD, 4. il existe au moins un terme qui n appartient ni à la BD ni à l ontologie. Nous adoptons pour chacun de ces cas, des stratégies différentes de satisfaction de requêtes utilisateurs selon l'algorithme suivant : Input : BD et ontologie Body : Requête utilisateur - Analyser la BD et l ontologie et créer leur fichier de correspondance. - Analyser la requête utilisateur : distinguer entre les termes introduits par l utilisateur et les mots réservés et déterminer leurs sources (BD/ontologie). - Si la requête est constituée de termes appartenant tous à la BD Alors - Si elle n est pas exprimée par un langage capable d interroger la BD Alors elle doit être reformulée en langage d'interrogation approprié - Sinon (requête formulée à l'aide d un langage d interrogation de BD) Alors - Si la requête est conforme à la syntaxe du langage d'interrogation Alors elle est considérée de type simple - Sinon le système doit reformuler la requête en se basant seulement sur le contenu de la BD - Si la requête admet une réponse alors elle est de type simple - Sinon la requête est mal formulée et ne peut pas avoir une réponse. - Si la requête est constituée des termes appartenant tous à l ontologie

11 Alors - Si la requête est exprimée par un langage d interrogation de BD et tous ses termes ont des correspondances dans la BD Alors la requête doit être reformulée en se basant sur le fichier de correspondance et elle est considérée comme mixte - Sinon - Si elle n est pas exprimée par un langage sémantique Alors elle doit être transformée en un langage capable d interroger l ontologie - Sinon Si la requête est formulée suivant un langage d interrogation d ontologie Alors elle doit être exécutée dans l ontologie - Si elle n a pas de réponse, c est qu elle est mal formulée. - Si la requête est constituée des termes appartenant à la fois à la BD et à l ontologie Alors le système doit reformuler la requête jusqu à ce qu elle devienne formée soit des termes appartenant tous à la BD soit des termes appartenant tous à l ontologie et ceci en se basant sur le fichier de correspondance. - Si la requête contient au moins un terme qui ne fait partie ni de la BD ni de l ontologie Alors la requête n admet pas de réponse et le système demande l assistance de l expert. 5. Implémentation Afin de mettre en œuvre la méthode définie dans notre travail, nous avons développé l'outil CoDBOnto (tool for Coupling DataBase and Ontology) dont l architecture est représentée par la figure 1. CoDBOnto, développé en langage java pour être portable et faciliter son évolution, vise à mettre en place un système assurant le couplage entre BD et ontologie de domaine et apporter des réponses adéquates aux requêtes utilisateurs. Ces dernières peuvent être exprimées en SQL (Structured Query Language), le standard utilisé par les principaux SGBDs [ISO, 1999], ou SPARQL 9 qui se distingue par sa capacité d exploiter et d interroger les différents formalismes de Web sémantique du W3C en particulier RDF et OWL [Sirin et al., 2007]. SPARQL est doté d'un langage de requêtes qui a une sémantique simplifiée et une syntaxe très proche de celle de SQL. L interface de l'outil permet à l utilisateur de formuler de manière simple et conviviale ses requêtes. Elle est composée d une barre de menu et d'une barre d outils permettant à l utilisateur de charger son ontologie, sa BD ainsi que la visualisation de ces deux sources d information et du résultat de leur couplage. Elle guide l utilisateur tout au long du processus de satisfaction d'une requête, en 9

12 affichant, entre autres, le type de la requête ainsi que le résultat de la requête. L'outil CoDBOnto supporte les ontologies au format OWL. Figure 1 : Architecture de CoDBOnto. Suite au chargement de la BD et de l ontologie, l outil CoDBOnto commence le processus d'analyse qui se termine par l affichage de ces deux composantes sous forme d arborescences. Nous nous basons à cet effet sur la bibliothèque Jena 10 (version 2.6) qui est une API open source permettant de lire et de manipuler des ontologies décrites en RDF, RDFS et OWL. Elle supporte aussi le langage SPARQL et permet d appliquer de différents mécanismes d'inférence aidant à l extraction des connaissances présentées dans l ontologie. La phase d analyse de la BD et de l ontologie aboutit à la création du fichier de correspondances au format XML, construit à l aide des API JDOM et RitaWN RitaWN est une API java disponible gratuitement en téléchargement. Elle fournit un accès simple à l'ontologie WordNet et permet d extraire ses différentes relations sémantiques. Bien que d autres API existent pour la manipulation de WordNet telles que JAWS 12 et JWNL 13, RitaWN reste la plus simple à gérer. - JDOM est une API du langage Java permettant la manipulation au sens large de document XML : création, lecture, représentation sous forme d'arborescence, etc

13 L analyse des requêtes utilisateur exprimées en SQL et SPARQL se base sur les analyseurs 14 ZQL 15 et ARQ 16 : - ZQL : un parseur de requêtes SQL qui offre une documentation détaillée et une API simple à manipuler. - ARQ : un analyseur de requêtes SPARQL qui constitue avec Jena un système complet pour le stockage et l interrogation des ontologies. L'utilisateur saisit sa requête exprimée en SQL ou en SPARQL et le système se charge de trouver la réponse adéquate ainsi que le type de la requête et les éventuelles reformulations adoptées. Le système se charge tout d abord de détecter le langage utilisé pour la formulation de la requête (SQL ou SPARQL) puis, selon le cas, de satisfaire les besoins de l utilisateur. Nous présentons ci dessous un exemple de requête manipulée par l'outil CoDBOnto, basée sur les extraits de la BD et l ontologie illustrées dans les figures 2 et 3. teacher (cin, name, category) paper (cod_pap, title, date) writes (cod_pap, cin) Figure 2 : Extrait de la BD. person rdfs:subclassof rdfs:subclassof rdfs:subclassof student professor researcher student owl:equivalentclass teacher Figure 3 : Extrait de l ontologie. La figure 4 présente un exemple de requête mixte qui nécessite à la fois l accès à l ontologie et à la BD. L exemple présente une requête SQL constituée d un seul terme («person») appartenant à l ontologie. Le système cherche les éventuels correspondants de ce terme dans le fichier de correspondance (voir figure 5) afin de reformuler la requête pour qu elle ne soit constituée que de termes appartenant à la 14 D'autres parseurs sont proposés :

14 BD. Le système vérifie les termes synonymes du terme «person» puis les termes qui le spécialisent et enfin les méronymes. Il trouve ainsi que «person» possède un correspondant dans la BD qui est le terme «teacher», le synonyme de son concept fils 17 «professor». Figure 4 : Exemple de requête SQL Mixte. </OntoDB> <term value="person" roleonto="concept"> <specialisation> <synsub id="0" value="teacher" roledb="table" /> </specialisation> </term> </OntoDB> Figure 5 : Extrait du fichier de correspondance pour les exemples de BD et d ontologie utilisées. 6. Conclusion Cet article s'intéresse au problème de couplage entre BD et ontologie dans un système de recherche d'information pour la satisfaction de requêtes utilisateur. L'approche proposée se base sur trois étapes essentielles : (1) analyse de la BD et de l'ontologie; (2) analyse de la requête; (3) traitement de la requête. Différentes techniques de reformulation ont été explorées, essentiellement basées sur la relation sémantique de synonymie et les relations de subsomption et de méronymie. Nous avons également implémenté l'outil CoDBOnto qui supporte les langages SQL et SPARQL. 17 Dans la recherche de correspondances par spécialisation, on ne se limite pas aux descendants directs d un concept mais on étend la recherche aux différents niveaux de hiérarchie ainsi qu'aux synonymes des termes des concepts fils.

15 De nombreuses perspectives peuvent être dégagées à la suite de nos travaux. Tout d abord, il s'agit d étendre les expérimentations afin d analyser plus en détails l impact de nos différentes propositions. Il serait également intéressant de travailler sur l amélioration des règles et l enrichissement des services offerts par notre outil. 7. Bibliographie I. Astrova, N. Korda, A. Kalja, Storing OWL Ontologies in SQL Relational Databases, International Journal of Electrical, Computer, and Systems Engineering, pages , J. Barrasa, Ó. Corcho, A. Gómez-Pérez, R2O, an Extensible and Semantically Based Database-to- Ontology Mapping Language, Second Workshop on Semantic Web and Databases (SWDB). Toronto, Canada, P. Bohannon, E. Elnahrawy, W. Fan, M. Flaster, Putting context into schema matching, In Proc. of the 32nd International Conference on Very Large Data Bases, pages , D. Buscaldi, P. Rosso, E. Sanchis Arnal, A WordNet-based Query Expansion method for Geographical Information Retrieval, F. Cerbah, Learning Highly Structured Semantic Repositories from Relational Databases - RDBtoOnto Tool, Proceedings of the 5th European Semantic Web Conference (ESWC), Tenerife, Spain, N. Cullot, R. Ghawi,, K. Yétongnon, DB2OWL: A Tool for Automatic Database to Ontology Mapping, In Proc. of the 15th Italian Symposium on Advanced Database Systems (SEBD), pages , Torre Canne, Italy, H. Dehainsala, Explicitation de la sémantique dans les bases de données : base de données à base ontologique et le modèle OntoDB, Thèse de Doctorat, Université de Poitiers, C. Fanka, L. Bellatreche, H. Dehainsala, Y. Ait-Ameur, G. Pierra, SISRO : Conception de bases de données à partir d ontologies de domaine, TSI Volume 28, pages1-29, A. Gali, C. X. Chen, Kajal T. Claypool, R. Uceda-Sosa, From Ontology to Relational Databases, Shan Wang et al. (Eds.): Conceptual Modeling for Advanced Application Domains, LNCS Vol.3289, pages , W. Hu, Y. Qu, Discovering Simple Mappings Between Relational Database Schemas and Ontologies, In Proc. of the 6th International Semantic Web Conference (ISWC 2007), 2nd Asian Semantic Web Conference (ASWC 2007), LNCS 4825, pages , Busan, Korea, O. Jenhani, Ontologies pour le WEB : relations, construction d ontologies et méthodes de raisonnement pour la génération de langue naturelle, Rapport ARC INRIA GeNI, S. Jean, OntoQL, Un langage d exploitation des bases de données à base ontologique, Thèse de l'université de Poitiers, M. Kamel, N. Aussenac-Gilles, Construction automatique d ontologies à partir de spécifications de bases de données, IC 2009, Plate-forme AFIA / Hammamet, Tunisie, S. Krivine, J. Nobécourt, L. Soualmia, F. Cerbah,, C. Duclos, Construction automatique d ontologie à partir de bases de données relationnelles : application au médicament dans le domaine de la pharmacovigilance, IC 2009, pages 25-29, Hammamet, Tunisie, L. Lubyte, S. Tessaris, Extracting Ontologies from Relational Databases, KRDB Research Centre Technical Report KRDB07-4, Faculty of Computer Science, Bozen-Bolzano, Italy, N. Messai, M. Devignes, A. Napoli, M. Smaïl-Tabbone, Treillis de concepts et ontologies pour interroger l annuaire de sources de données biologiques BioRegistry (version étendue). Revue ISI, Ingénierie des Systèmes d Information: Systèmes d informationspécialisés pages 39 60, G. Miller, Nouns in WordNet: A Lexical Inheritance System, International Journal of Lexicography, C. Nyulas, M. O Connor, S. Tu, DataMaster a Plug-in for Importing Schemas and Data from Relational Databases into Protégé, In: 10th Intl. Protégé Conference, Budapest, 2007.

16 G. Pierra, H. Dehainsala, Y. Ait-Ameur, L. Bellatreche, J. Chohon, M. El-Hadj Mimoune, Base de Données à Base Ontologique : le modèle OntoDB, Actes des 20èmes Journées de Bases de Données Avancées (BDA), pages , G. Salton, M. J. McGill, Introduction to modern information retrieval, McGraw-Hill, E.Sirin, B.Parsia, SPARQL-DL: SPARQL Query for OWL-DL, OWLED: Third International Workshop Innsbruck, Austria, S. Vijayan, V.C. Storey, The role of domain ontologies in database design : An ontology management and conceptual modeling environment, ACM Trans. Database Syst., vol. 31, ACM Press, pages , New York, NY, USA J. Trinkunas, O. Vasilecas, Building Ontologies from Relational Databases Using Reverse Engineering Methods, International Conference on Computer Systems and Technologies CompSysTech, E. Vysniauskas, L. Nemuraite, Transforming ontology representation from OWL to relational database, ISSN X Information Technology and Control, Vol.35, No.3, 2006.