Analyse d'expressions multi-mots dans le contexte du Web sémantique

点击翻译按钮获取中文摘要

Le Web sémantique vise l’échange d’information structurée, mais n’impose qu’un standard syntaxique (le format RDF – Resource Description Framework) et non un standard sémantique, même s'il promeut l'adhérence à des ontologies de haut niveau telles SKOS (Simple Knowledge Organization System) ou FOAF (Friend-of-a-Friend). Il existe donc d’énormes problèmes d'hétérogénéité sémantique entre les diverses bases de connaissances (RDF datastores) du Web sémantique, empêchant cet échange d’information. Aussi, le Web contient une quantité importante d'informations dans des textes non structurés qui seraient d'autant mieux caractérisés et utilisables s’ils étaient indexés sémantiquement à l’aide des instances et concepts définis dans les bases de connaissances (BCs). Le problème d’hétérogénéité s’accentue, car ces textes utiliseront probablement des expressions différentes de celles mises comme étiquettes dans les BCs. Les étiquettes, tout comme les références textuelles, peuvent être des mots simples, ou des expressions multi-mots. C’est à ce phénomène, soit les expressions multi-mots, que nous nous intéressons particulièrement. Par expression multi-mots, nous référons aux entités nommées (tel « New York Stock Exchange »), aux termes spécialisés (tel « data acquisition system »), ainsi qu’aux syntagmes nominaux complexes (tel « rising crude oil price »). Les problématiques sous-jacentes à une meilleure compréhension de ces expressions sont : (1) les variations dans les modes de représentation dans diverses ressources (terminologiques, lexicales, BCs), (2) les défis de mise en commun des ressources, (3) la compositionalité régissant la construction d’expressions multi-mots complexes à partir de mots de base et (4) l’utilisation de formes variées de ces expressions en corpus. Le présent programme vise à développer des méthodes d'analyse, de compréhension et de représentation d'expressions multi-mots dans le but de faciliter la mise en commun d’information textuelle non structurée et d'information provenant de ressources, en particulier des BCs du Web sémantique. L’étude des expressions multi-mots est une avenue de recherche à la frontière entre le traitement automatique des langues, la sémantique, la linguistique, la terminologie et la représentation des connaissances. Ayant œuvré dans ces domaines au cours de ma carrière de recherche, le présent programme permettra une centralisation de l’expérience acquise antérieurement vers un enjeu ciblé.