Extraction de connaissances

Domaine

Intelligence artificielle
Représentation des connaissances
Système à base de connaissances

Définition

En intelligence artificielle, l'extraction de connaissances est la création de connaissances à partir de sources structurées (bases de données, XML, JSON) et non structurées (textes, documents, images). Les connaissances qui en résultent doivent être lisibles et interprétables par des ordinateurs et doivent représenter les connaissances d'une manière qui facilite le raisonnement. Bien qu'il soit méthodologiquement similaire à l'extraction d'informations et au processus d'extraction, transformation et chargement des données, le résultat de l'extraction de connaissances dépasse la simple création d'informations structurées ou leur transformation.

Français

<poll> Choisissez parmi ces termes proposés : extraction des connaissances extraction de la connaissance </poll>

Discussion:

Pour le moment, le terme privilégié est «extraction des connaissances».

Anglais

Knowledge extraction

Knowledge extraction is the creation of knowledge from structured (relational databases, XML) and unstructured (text, documents, images) sources. The resulting knowledge needs to be in a machine-readable and machine-interpretable format and must represent knowledge in a manner that facilitates inferencing. Although it is methodically similar to information extraction (NLP) and ETL (data warehouse), the main criteria is that the extraction result goes beyond the creation of structured information or the transformation into a relational schema. It requires either the reuse of existing formal knowledge (reusing identifiers or ontologies) or the generation of a schema based on the source data.

The RDB2RDF W3C group [1] is currently standardizing a language for extraction of RDF from relational databases. Another popular example for knowledge extraction is the transformation of Wikipedia into structured data and also the mapping to existing knowledge (see DBpedia and Freebase).