Découverte de mappings dans un système pair-à-pair sémantique : application à SomeRDFS - INRIA - Institut National de Recherche en Informatique et en Automatique Accéder directement au contenu
Thèse Année : 2010

mapping discovery in a semantic peer to peer system : application to SomeRDFS

Découverte de mappings dans un système pair-à-pair sémantique : application à SomeRDFS

Résumé

The richness of answers to queries asked to peer to peer data management systems (PDMS) depends on the number of mappings between ontologies of different peers. Increasing this number can improve responses to queries. This is the problem considered in this thesis. We aims at discovering semantic links between ontologies of different peers. This problem, known as ontology alignment, is specific in peer-to-peer systems in which ontologies are not completely known a priori, the number of ontologies to align is very large and alignment should be done without any centralized control. We propose semi-automatic techniques for identifying: (1) mapping shortcut corresponding to a composition of existing mappings and (2) new mappings which can not be inferred in the current state of the system. These techniques are based on the use of reasoning mechanisms of PDMS and filtering criteria restricting the number of pairs of elements to align. Mapping shortcuts are identified from the analysis of trace of queries asked by users, but also after application of criteria considering their usefulness. The discovery of new mappings consists in identifying the elements of the ontology of a given peer that are judged interesting and then in selecting the elements from distant peer with which it is relevant to align them. The proposed alignment techniques are either adaptations of existing technology or innovative techniques exploiting the specificities of our framework.
La richesse des réponses aux requêtes posées aux systèmes pair-à-pair de gestion de données (PDMS) dépend du nombre de mappings entre les ontologies des différents pairs. Augmenter ce nombre permet d'améliorer les réponses aux requêtes. C'est à ce problème que nous nous intéressons dans cette thèse. Il s'agit de découvrir des liens sémantiques entre les ontologies des différents pairs du système. Ce problème, connu sous le nom d'alignement d'ontologies, est spécifique dans les systèmes pair-à-pair, au sein desquels les ontologies ne sont pas a priori complètement connues, le nombre d'ontologies à aligner est très important et l'alignement doit s'opérer en l'absence de contrôle centralisé. Nous proposons des techniques semi-automatiques pour identifier : (1) des raccourcis de mappings correspondant à une composition de mappings existants et (2) des mappings nouveaux ne pouvant être inférés en l'état actuel du système. Ces techniques sont basées sur l'exploitation des mécanismes de raisonnement des PDMS et sur des critères de filtrage restreignant le nombre de couples d'éléments à aligner. Les raccourcis de mappings sont identifiés à partir de l'analyse de la trace des requêtes posées par les utilisateurs, mais également après application de critères estimant leur utilité. La découverte de nouveaux mappings consiste à identifier les éléments de l'ontologie d'un pair donné qui permettent d'identifier des mises en correspondance jugées intéressantes puis à sélectionner les éléments de pairs distants avec lesquels il est pertinent de les aligner. Les techniques d'alignement proposées sont soit des adaptations de techniques existantes soit des techniques innovantes tirant parti des spécificités de notre cadre de travail
Fichier principal
Vignette du fichier
these_calvier.pdf (2.41 Mo) Télécharger le fichier
Loading...

Dates et versions

tel-00530075 , version 1 (28-10-2010)

Identifiants

  • HAL Id : tel-00530075 , version 1

Citer

François-Élie Calvier. Découverte de mappings dans un système pair-à-pair sémantique : application à SomeRDFS. Informatique [cs]. Université Paris Sud - Paris XI, 2010. Français. ⟨NNT : ⟩. ⟨tel-00530075⟩
244 Consultations
230 Téléchargements

Partager

Gmail Facebook X LinkedIn More