La quantité d'information disponible sur internet est aujourd'hui gigantesque et sa croissance est exponentielle, le nombre d'usagers d'internet double chaque année. On estime que la taille du Web couvert par les moteurs de recherche est estimée à au moins 24 milliards de pages 1 . Mais la spécificité de telles sources d'informations les rend difficilement exploitables. La raison principale est que les documents sont fragmentés, dispersés, hétérogènes et sont souvent très peu structurés. Cependant, grâce aux efforts de la communauté du Web sémantique (W3C), une deuxième génération est établie dont la vision initiée en 1998 par Sir Tim Berners-Lee [2] a pour objectif de structurer les informations disponibles sur le Web. Pour cela, les ressources, textuelles ou multimédias, doivent être sémantiquement annotées par des métadonnées afin que les agents logiciels puissent les exploiter. La représentation explicite des contenus des ressources documentaires du Web est rendue possible grâce notamment aux ontologies qui proposent une compréhension commune et partagée d'un domaine, tant au niveau des utilisateurs humains qu'au niveau des applications logicielles [3].
Dans [9] l'annotation sémantique est définit comme "une représentation formelle d'un contenu, exprimée à l'aide de concepts, relations et instances décrits dans une ontologie, et reliée à la ressource documentaire source". Pour ce faire, le Web Sémantique fournit un ensemble de langages et de technologies pour la modélisation des ontologies et l'annotation sémantique des contenus documentaires en fonction de ces ontologies [4]. Les standards du W3C, tels que XML [5], RDF [6] et les schémas RDF (RDFS) offrent un format uniforme pour la description et l'échange du contenu du Web. D'autres efforts accomplis par des communautés commerciales et/ou académiques tels que DAML+OIL [7], OWL [8]. L'utilisation des annotations sémantiques, en recherche d'information est devenue une voie très explorée. Dans cette optique, plusieurs systèmes de recherche d'informations à base d'annotations et d'ontologies ont été proposés. Dans ce type d'outils de recherche, de manière générale, les pages Web sont (peut-être incomplète) des instances de certaines ontologies de domaine, et ils contiennent des données sémantiquement annotées selon les sous-tendent ontologie de domaine, pour plus de détails voir [11,12].
De même, que de nombreux langages de requêtes sémantiques (par exemple, RQL [16], RDQL2 , SquishQL [17] et SPARQL3 ) ont été proposés pour interroger ces annotations. En particulier le langage SPARQL, qui une recommandation du W3C dont la standardisation finale datte du 15 Janvier 2008. Toutefois, pour pouvoir utiliser ces langages sémantiques, les utilisateurs doivent maîtriser les représentations complexes de la logique formelle et être familier aves les ontologies sous-adjacentes. Ceci devient un fossé critique entre la recherche sémantique et les utilisateurs finaux. Par conséquent, il est important de permettre aux utilisateurs d'effectuer des recherches sémantiques simplement en entrant des requêtes à base de mots clés. Pour adapter la recherche par mots clés à la recherche sémantique, nous avons à surmonter les obstacles suivants [24]: 1) Le fossé vocabulaire : Les utilisateurs du web traditionnel généralement n'ont pas de connaissances sur le contenu et la structure de la base de connaissances (annotations et ontologies sous-jacentes). 2) Le manque de relations : les relations entre les ressources de la base de connaissances sont exigées pour être explicitement énoncées dans les requêtes formelles, qui sont souvent manquantes dans les requêtes mots-clés des utilisateurs. 3) Classement des Requête: En raison de l'ambiguïté de la recherche par mots clés, il peut y avoir de multiples requêtes formelles produites à partir d'une requête mots-clés.
Dans le contexte de Web sémantique il existe des travaux sur la traduction des requêtes mots-clés en requêtes sémantiques. Royo et al. [18] propose un mapping des mots-clés à leurs correspondant synsets de WordNet.. Bernstein et al. [19] explore les langages contrôlés fourni et les interfaces guidées par le langage naturel [26]. Du point de vue de l'affinement des requêtes [20] [21], l'écart entre les besoins en information des utilisateurs et leurs requêtes sémantique est quantifié par la mesure de plusieurs types d'ambiguïtés des requêtes à travers les interactions progressives. La recherche à base de graphe [22] contribue également dans cette voie, par la construction des graphes requêtes par le biais de la navigation et de sélection sur l'ontologie. SemSearch [14], a une petite interface structurée de requête mots-clés pour cacher la complexité de la recherche sémantique. Avatar Semantic Search [23] est un prototype de moteur de recherche qui exploite les annotations dans le contexte de la recherche par mot-clé classique. Une autre application représentative de la recherche sémantique à base de mot clé est OntoLook [28]: un prototype de moteur de recherche à base de relation. Dans [10], les auteurs ont proposés une approche pour traduire les requêtes mots-clés en requêtes conjonctives DL en utilisons les connaissances disponibles dans une ontologie. Dans [24] la construction des graphes requêtes se base sur l'application de l'algorithme MST (Minimum Spanning Tree). Thanh et al. [25] présentent une approche de recherche par mot-clé sur les données structurées en graphe, en mettant l'accent en particulier sur le modèle de données RDF. Beaucoup de méthodologies pour décider des meilleures requêtes ont été proposés [26,27,24,25].
Sur la base des travaux présentés ci-dessus, nous présentons une approche qui permet de traduire automatiquement des requêtes mots-clés en requêtes formelle SPARQL en vertu de la base de connaissances (base d'annotations sémantiques). Les étapes principales de traduction sont: 1) Le mapping des mots clés aux éléments de la BC, 2) Construction des graphes requêtes et 3) Classement des requêtes. Le reste de ce document est organisé comme suit: section 2 définit le problème de la construction des requêtes formelles. Section 3 décrit les principales étapes de construction de requête formelle SPARQL. L'implémentation et les résultats expérimentaux sont présentés dans la section 4. Nous donnons la conclusion et les travaux futurs dans la dernière section.
Ce processus construit les graphes requête candidats avec les éléments mots clés trouvés dans l'étape précédente. Tout d'abord, les éléments mots clés sont répartis en différentes ensembles de requêtes. Le but de cette répartition est d'attribuer un sens à chaque requête formelle par l'énumération de toutes les combinaisons possibles des différents sens pour chaque terme k i de Q u . Ensuite, un certain nombre d'algorithmes sont appliqués pour construire de possible graphes requêtes pour chaque ensemble de requêtes.
Dans notre approche, l'exploration des relatons se limite aux relations de type : (i, c), ( i, d, t,
Ces arêtes sont considérés comme arêtes dans le graphe requête de la forme R(x, y), où un sommet construits au moyen d'un individu est associé à une variable ou une constante comme décrit ci-dessus. Lorsque v i (v j ) est construit en utilisant un littérale, il est tout simplement considéré comme noeud associé à une constant. Dans notre exemple de la Fig. 1, il existe un seul graphe de connexion donc un seul graphe requête.
Puisque SPARQL est un langage d'interrogation basé sur les motifs de graphes, il est facile de convertir un graphe requête en une requête SPARQL. -graphe-connexion (P, C, R, G, g
Après l'étape de la construction des graphes requêtes, plusieurs requêtes formelles candidates peuvent être produites à partir de la requête mots-clés initiale correspondant à toutes les interprétations possibles des mots clés. Un problème se pose: comment prendre la requête formelle qui correspond aux besoins de l'utilisateur?.
Le calcule du score des réponses a été largement discuté dans le domaine de la recherche d'information. Dans le contexte des données structurées en graphe, Les métriques standard souvent utilisés sont "PageRank" (pour calculer le score des sommets) et le plus court chemin (pour calculer le score des chemins). Les graphes sont construits à partir d'un ensemble de
Dans ce document, nous avons formalisé le problème de la construction des requêtes formelle et présenter une approche efficace pour le résoudre. Notre système vise à traduire les requêtes mots-clés en requêtes SPARQL en utilisant les connaissances disponibles dans une base de d'annotation pour réduire l'écart entre la recherche sémantique basé sur la logique formelle et les utilisateurs finaux habitué à utiliser les moteur de recherche classique basé sur les mots clé. Notre approche peut se résumé ainsi : Une fois un utilisateur entre une requête mots-clés, la première étape qui est réalisée est le mapping des mots clés aux éléments de la BC, cette étape utilise un ensemble de méthodes de mapping pour trouver les éléments correspondants dans la base de connaissances en fonction des mots-clés de l'utilisateur. Ensuite, l'étape de construction des graphes requête énumère toutes les combinaisons possibles de requête et applique un certain nombre d'algorithmes pour construire les graphes requêtes avec différents sens des éléments mots clés. Enfin, l'étape de classement des requête évalue les requêtes formelles construites à en utilisant un modèle probabiliste de classement des requêtes. Une liste de requêtes SPARQL classée sera remis à l'utilisateur final. Avec les premiers tests notre système a réalisé des résultats de traduction encourageant. La principale contribution de ce document est l'exploitation des annotations sémantiques dans la recherche d'information sur le Web.
Dans les travaux futurs, nous estimons améliorer notre approche de plusieurs façons: 1) élargir la portée des requêtes par l'introduction de certains opérateurs structurés (par exemple, NOT, OR, les filtres etc.) et en améliorant le support d'interaction humaine pour traduire les besoins en informations plus complexes. 2) Les travaux futurs seront axés sur le renforcement de la performance. Nous envisageons d'exploiter la connaissance disponible dans l'ontologie pour une «exploration guidée » des liens entre les entités d'ontologie pour réduire le nombre de requêtes. 3) étendre notre approche sur une base d'annotation plus consistante et reparti sur le Web.