Introduction

Le Web Sémantique essai de répondre à la nécessité d'accéder seulement à l'information directement utilisable. Cette problématique est née du fait que les moteurs de recherches n'utilisent que le mot pour découvrir l'objet de la requête d'un usagé. Une solution serait l'ajout d'une couche sémantique. L'objet de la recherche devient alors un contenu i .e un sens. Cette solution n'est possible qu'a la condition que chaque document soit doté d'une couche sémantique. L'annotation en est l'une de ces solutions. Annoter c'est accompagner un texte de notes, de remarques, des explications, de commentaires pour aider leurs lecteurs à le comprendre. Actuellement et avec ce grand volume d'information, il est difficile d'annoter manuellement des millions de ressources mises à la disposition des utilisateurs. L'indexation d'un texte [8], consiste à repérer dans son contenu certains mots ou expressions particulièrement significatifs (Appelés termes d'indexation) dans un contexte donné, et à créer un lien entre ces termes et le texte d'origine. Il existe trois types d'annotation, manuelle : lorsque le document est analysé par un spécialiste du domaine ou un documentaliste, automatique : lorsque cette tâche est réalisée complètement par la machine, et semi automatique lorsque une partie se faite automatiquement et l'intervention du spécialiste est nécessaire pour l'autre partie.

Selon Salton [9], l'indexation manuelle peut conduire à deux indexations différentes d'une même page. L'indexation sémantique prend en compte la sémantique des mots, Desmontils [3] a indexé une page avec des mots clés attachés à une ontologie. Yan Bodain [13] a proposé un outil d'annotation KATIA qui permet d'annoter une page web, en sélectionnant une région de texte et en choisissant l'élément de l'ontologie correspondant dans l'arbre hyperbolique. Baz [2] a présenté un modèle d'annotation qui construit un noyau sémantique pour chaque document avec les concepts et leur proximité. L'annotation des documents en utilisant des ontologies de domaine est pratiquée dans le domaine biopuces [5], le domaine médical, Lylia [6] a utilisé la technique de propagation des annotations sur les documents en utilisant une ontologie, Amardeilh [1]

L'approche

La tâche de notre système consiste à prendre en entrée une page web et fournir en sortie le même contenu enrichi par des annotations sémantiques basées sur des représentations de la connaissance plus ou moins formelles. Afin de réaliser cette tâche, nous nous appuyons sur le contenu qui se traduit par les mots clés qui représentent le mieux cette page. Les différentes étapes de l'approche sont schématisées dans la figure 1.

L'analyse linguistique

Consiste à extraire les termes composants la page web. Le traitement linguistique représente le document à annoter par un ensemble de termes simples et importants. Cette extraction est le résultat d'un nettoyage de la page et de la segmentation du texte.

Sélection des mots clés candidats

Vise à déterminer l'ensemble des mots clés qui représente mieux la page web, cet ensemble est l'union de deux sous ensembles résultats de l'analyse sémantique et l'analyse statistique

L'analyse sémantique) 2 ( ) 1 ( ) ( * 2 ) 2 , 1 ( C depth C depth C depth C C Consim C C   (1)

Où C est le PPG de C1 et C2 (en nombre d'arcs), depth (C) est le nombre d'arcs qui sépare C de la racine et depthc (Ci) avec i le nombre d'arcs qui séparent Ci de la racine en passant par C. Dans cette phase , un mot sera acceptée si et seulement s'il est fortement en relation avec d'autres mots de cette page. Cette décision dépend du choix d'un seuil défini par l'utilisateur Ce résultat est un ensemble poids_sem. Le résultat de cette étape est un ensemble de mots nommé degré_signif Les mots clés candidats = poids_sem  degré_signif

L'analyse statistique

L'extraction des concepts candidats

Dans cette étape on utilise une Ontologie de domaine, nous avons fait un passage des mots clés candidats à l'ontologie pour définir les concepts correspondants. A chaque passage d'un terme à l'ontologie, un ensemble de concepts sera présenté aux auteurs pour choisir les concepts à utiliser dans l'étape de l'annotation. Cette étape est semi-automatique, la recherche et la proposition se fait par notre système et le choix des concepts les plus significatifs reste aux auteurs. L'automatisation de cette tâche fait l'objet de plusieurs recherches

L'annotation

C'est la dernière phase, elle consiste à associer à chaque mot clé des concepts de l'ontologie (noeuds). Après la proposition des concepts candidats, et le choix effectué par l'auteur dans l'étape précédente, une association entre ces mots et ces concepts élus sera stockée dans un fichier RDF correspond à la page.

Expérimentations et résultats

Nous allons montrer, en utilisant un ensemble de pages web l'intérêt de la démarche que nous avons proposé pour l'annotation semi-automatique des pages web. Pour cela nous utilisons 21 pages annotées généralement par des auteurs, notre démarche consiste à comparer l'annotation obtenue par notre approche qui utilise une analyse sémantique et une analyse statistique pour la sélection des mots clés candidats avec celle obtenue par l'utilisation de la technique de calcul de similarité uniquement dans l'étape de l'extraction des mots clés. Dans cette étape d'évaluation on a utilisé différentes Ontologie selon le domaine de la page utilisée pour l'évaluation. nous avons utilisé quatre autre ontologie pour l'évaluation, La figure 2