Contribution à l’intéropérabilité des systèmes d’information d’entreprise à base d’alignement des ontologies

Abstract

ترتبط القدرة التنافسية للشركات ارتباطًا عميقًا بالقدرة على مشاركة وتبادل المعرفة والدراية الفنية مع جميع المتعاونين. هذه الحاجة إلى تبادل المعرفة تجبر الشركات على تطوير أنظمة المعلومات غير المتجانسة لجعلها قابلة للتشغيل المتبادل. للتعامل مع عدم التجانس الدلالي ، يتم استخدام الأساليب القائمة على الأنطولوجيا على نطاق واسع بسبب التطور السريع لتقنيات الويب الدلالية ذات الصلة والفوائد التي تجلبها لتسهيل التشغيل البيني الدلالي. المحاذاة الأنطولوجية هي وسيلة مهمة لإثبات إمكانية التشغيل البيني بين تطبيقات الويب الدلالية التي تستخدم الأنطولوجيا المختلفة و ذات الصلة. في الوقت الحاضر ، يعتبر التقسيم والنمذجة الاستراتيجيتين الرئيسيتين لتقسيم الأنطولوجيا الضخمة إلى كتل أو وحدات الأنطولوجيا لمحاذاتها. لا يوجد أي مشكل في عملية محاذاة أو انحياز أنطلوجيا ذات الحجم الصغير بينما هناك مشاكل عند عملية انحياز أنطولوجيا ذات الحجم الكبير. تهدف هذه الرسالة إلى اقتراح استراتيجية محاذاة جديدة تستند إلى استخراج العناصر الأنطولوجية لحل المشكلات الفنية المختلفة مثل تحسين سعة الذاكرة ووقت تنفيذ عملية المحاذاة. بالنسبة للأنطولوجيا الواسعة الحجم. تتمثل استراتيجيتنا في إعادة صياغة مشكلة التوافق بين اثنين من الأنطولوجيا كمشكلة تحسين ، وبالتالي ، لتصميم طريقة فعالة لحلها. إننا نقترح ONTEM ، وهي طريقة محاذاة تستند إلى العمليات الجبرية التي تسمح بالحصول على محاذاة تلقائية لأنطولوجيا واسعة الحجم دون أي حساب لمسافة التشابه. كان معيار OAEI LargeBioTrack 2018 بمثابة دعم مقارنة لنموذجنا الأولي مع جميع المنافسين الموجودين في هذه الطبعة. النتائج التجريبية التي تم الحصول عليها واعدة وكشفت أن ONTEM قد أظهرت أداءً جيدًا على مستوى العام من حيث الدقة والاسترجاع ووقت القياس والتنفيذ وشغل الذاكرة (لا يوجد تجاوز سعة الداكرة). كلمات مفاتيح: المحاذاة، استخراج،التقسيم، النمذجة، الأنطولوجيا الواسعة، التجانس الدلالي -----------------------------------Résumé La compétitivité des entreprises est profondément liée à la capacité de partager et échanger les connaissances et le savoir-faire avec l’ensemble de ses collaborateurs. Ce besoin d’échanger des connaissances oblige les entreprises d’évoluer leurs systèmes d’informations hétérogènes afin de les rendre interopérables. Pour faire face à l'hétérogénéité sémantique, les approches basées sur les ontologies sont largement utilisées en raison de l'évolution rapide des technologies connexes du web sémantique et les avantages qu’elles apportent pour faciliter l'interopérabilité sémantique. L'alignement ontologique est un moyen important d'établir l'interopérabilité entre les applications Web sémantiques qui utilisent des ontologies différentes mais connexes. De nos jours, le partitionnement et la modularisation sont les deux stratégies principales pour décomposer les grandes ontologies en blocs ou en modules d'ontologies afin de les aligner. Si pour les ontologies de petite taille le problème d’alignement ne se pose pas, les méthodes d’alignement des ontologies larges restent toujours posées. Cette thèse a comme objectif de proposer une nouvelle stratégie d’alignement basée sur l’extraction des entités ontologiques pour résoudre les différents problèmes techniques tels l’optimisation de l’espace mémoire et du temps d’exécution de l’opération d’alignement des ontologies larges. Notre stratégie consiste à reformuler le problème d’alignement entre deux ontologies comme étant un problème d’optimisation et, par conséquent, de concevoir une méthode efficace pour le résoudre. Ainsi, nous proposons ONTEM, une méthode d'alignement basée sur les opérations algébriques permettant d’obtenir automatiquement des alignements pour les ontologies larges sans aucun calcul de distance de similarité. Le benchmark OAEI LargeBioTrack 2018 a servi comme support de comparaison de notre prototype avec l’ensemble des concurrents présents dans cette édition. Les résultats expérimentaux obtenus sont prometteurs et ont révélé qu’ONTEM a manifesté globalement une bonne performance en termes de précision, de Rappel, de F-mesure et de temps d’exécution et d’occupation mémoire(aucun dépassement de capacité). Mots-clés : Alignement, extraction, ontologies larges, modularisation, partitionnement, interopérabilité sémantique.

-------------------------------------Summary

The competitiveness of business enterprises is deeply linked to the ability to share and exchange knowledge and know-how with all of its collaboraters. This need to exchange knowledge forces business enterprises to evolve their heterogeneous information systems to make them interoperable. To deal with semantic heterogeneity, ontology-based approaches are widely used because of the rapid evolution of related semantic web technologies and the benefits they bring to facilitate semantic interoperability. Ontological alignment is an important means of establishing interoperability between semantic Web applications that use different but related ontologies. Nowadays, partitioning and modularization are the two main strategies for breaking down large ontologies into blocks or ontology modules in order to align them. If for small ontologies the problem of alignment does not arise, the methods of alignment of large ontologies remain always posed. This thesis aims at proposing a new alignment strategy based on the extraction of ontological entities to solve the different technical problems such as optimization of the memory space and the execution time of the alignment operation of large ontologies. Our strategy is to reformulate the alignment problem between two ontologies as an optimization problem and, therefore, to design an effective method to solve it. Thus, we propose ONTEM, an alignment method based on the algebraic operations allowing to obtain automatically alignments for the large ontologies without any calculation of distance of similarity. The OAEI LargeBioTrack 2018 benchmark served as a comparison support for our prototype with all the competitors present in this edition. The experimental results obtained are promising and have revealed that ONTEM has globally exhibited a good performance in terms of accuracy, recall, F-measurement and execution time and memory occupancy (no memory overflow). Keywords : Alignment, extraction, large ontologies, modularization, partitioning, semantic interoperability