Extraction de concepts guidée par le contexte
Résumé
Les ontologies constituent la brique supportant les échanges et le partage des informations en étendant l'interopérabilité syntaxique du web en une interopérabilité sémantique. Le succès du web sémantique dépend du degré d'automatisation de la construction des ontologies, de leur déploiement et de leur prolifération. Dans cet article, nous présentons une méthode incrémentale d'extraction de concepts ontologiques à partir de documents HTML en vue de construire une ontologie du domaine. Nous exploitons les caractéristiques structurelles des documents HTML afin de localiser et de définir un contexte approprié pour chaque terme en respectant sa position dans le corpus. Notre définition contextuelle permet de sélectionner les co-occurrents sémantiquement proches et de définir une mesure de pondération appropriée pour chaque couple de termes. Afin d'obtenir des classes de termes, nous avons défini les principes algorithmiques d'une méthode de clustering guidée par le contexte. Notre approche se base sur une évaluation interactive et incrémentale de la qualité des clusters par l'utilisateur. Nous avons expérimenté ces principes algorithmiques sur un corpus du domaine portant sur le tourisme. Les premiers résultats obtenus montrent que la prise en compte du contexte des termes améliore considérablement la pertinence des concepts extraits.