« Ingénierie des ontologies » : différence entre les versions


mAucun résumé des modifications
Balise : Éditeur de wikicode 2017
mAucun résumé des modifications
Balise : Éditeur de wikicode 2017
Ligne 1 : Ligne 1 :


== Domaine ==
== Domaine ==
[Category:Vocabulary]]<br>  
[[Category:Vocabulary]]<br>  
[[Category:Intelligence artificielle]]Intelligence artificielle<br>  
[[Category:Intelligence artificielle]]Intelligence artificielle<br>  
[[Category:Coulombe]]Coulombe<br>  
[[Category:Coulombe]]Coulombe<br>  

Version du 23 avril 2019 à 16:50

Domaine


Intelligence artificielle
Coulombe

Définition

L'ingénierie des ontologies qui regroupe plusieurs tâches (extraction d'ontologie, génération d'ontologie ou acquisition d'ontologie) a pour objectif la création automatique ou semi-automatique d'ontologies. Comme la construction manuelle d'ontologies exige beaucoup de travail et de temps, il y a une grande motivation à automatiser le processus.

Généralement, le processus commence par l'extraction de termes, de concepts ou d'expressions à partir de textes bruts à l'aide d'outils de traitement linguistique pour l'étiquetage lexical et le découpage en phrases. Ensuite, des techniques statistiques ou symboliques sont utilisées pour extraire des relations.

Français

<poll> Choisissez parmi ces termes proposés : ingénierie d'ontologie ingénierie des ontologies ingénierie ontologique </poll>

Discussion:

Pour le moment, le terme privilégié est «ingénierie des ontologies».

Anglais

Ontology engineering

Ontology learning (ontology extraction, ontology generation, or ontology acquisition) is the automatic or semi-automatic creation of ontologies, including extracting the corresponding domain's terms and the relationships between the concepts that these terms represent from a corpus of natural language text, and encoding them with an ontology language for easy retrieval. As building ontologies manually is extremely labor-intensive and time-consuming, there is great motivation to automate the process.

Typically, the process starts by extracting terms and concepts or noun phrases from plain text using linguistic processors such as part-of-speech tagging and phrase chunking. Then statistical[1] or symbolic [2][3] techniques are used to extract relation signatures, often based on pattern-based[4] or definition-based[5] hypernym extraction techniques.