Modularisation d'ontologies légères basée sur les Modèles de Markov Cachés

Résumé

Les ontologies constituent l'épine dorsale du Web Sémantique et Web des Données. Plusieurs domaines utilisent des ontologies comme modèles de représentation de connaissances. Leur nombre étant en constante augmentation, les concepteurs choisissent de réutiliser certaines de celles qui existent pour en construire de nouvelles. Lorsqu'il est impossible de réutiliser une partie selon son organisation structurelle, ils importent l'ontologie entière et cela rend la manipulation fastidieuse surtout si l'ontologie a un nombre volumineux de concepts. Par conséquent, segmenter ces ontologies en modules, si ce n'est pas encore le cas, devient un défi constant pour les concepteurs. Plusieurs travaux ont explorés la modularisation des ontologies. La représentation matricielle des concepts de l'ontologie et la vectorisation sémantique étaient les idées saillantes de ces approches. Néanmoins, ces travaux présentent quelques limites à l'instar de la redondance des entités conceptuelles, l'assignation manuelle des concepts aux ontologies, la fusion des modules et la dépendances aux ressources externes. L'approche abordée dans ce travail consiste à intégrer les modèles de Markov cachés (MMCs) permettant d'outrepasser ces limites. Elle consiste à construire des chaines de Markov à partir des triplets issus des requêtes SPARQL sur l'ontologie parfois rendue légère à partitionner, qui seront utilisés par la suite pour initialiser un MMC et l'entrainer avec l'algorithme de Baum-Welch multi-séquence, garantissant ainsi une optimisation itérative des paramètres du modèle. Les matrices de distribution des probabilités de transition entre les états et celle de distribution des probabilités d'observation de symboles ont été fusionnées pour former les vecteurs d'entrée de l'algorithme des K-Moyennes pour construire les modules attendus. Les performances de cette approche ont été évaluées à l'aide des critères tels que la distance intra-module et la distance inter-module. Les expérimentations effectuées sur dix-sept ontologies dont seize du domaine biomédical démontrent une amélioration significative par rapport aux méthodes classiques, notamment la cohésion intra-modulaire, la minimisation des erreurs d'assignation et la réduction de la perte de la sémantique. La comparaison avec les approches existantes révèle que les MMCs offrent des possibilités de capturer la sémantique en automatisant la segmentation modulaire.

Citer ce document

Accès au document

Ce document est hébergé sur son dépôt institutionnel d'origine.

Auteur(s)

Statistiques

Consultations : 2

Téléchargements : 0