Abstract FR:

Les textes se sont imposés depuis la fin des années 1990 comme une source précieuse de connaissances pour la construction de ces ontologies qui constituent à la fois l’ossature sémantique du web sémantique et son goulot d’étranglement. Les textes sont en effet porteurs de connaissances stabilisées et partagées qui sont plus faciles d’accès que les experts qu’on pourrait vouloir interroger. Le recours aux textes ne remplace pas l’expertise humaine mais elle permet à l’ingénieur de la connaissance de prendre connaissance du domaine à modéliser et d’amorcer le travail de modélisation. La construction d’ontologies de domaine à partir de textes repose sur des techniques de traitement automatique de la langue (TAL) couplées à des techniques d’ingénierie de connaissances pour aboutir à un modèle formel décrivant les connaissances partagées dans un domaine précis. L’un des enjeux du passage des textes à des ontologies est l’identification du vocabulaire du domaine et sa structuration sous la forme d’un thésaurus avant sa formalisation et ce sont les difficultés inhérentes à cette exploitation du matériau linguistique et à sa normalisation qui ont retenu notre attention dans ce travail de thèse. Nous proposons une méthode de normalisation qui permet de transformer le matériau linguistique – tel qu’il a été extrait d’un corpus d’acquisition par des outils de TAL – en un réseau sémantique que nous appelons « réseau termino-conceptuel » et qui décrit le vocabulaire normalisé du domaine, c’est-à-dire le vocabulaire désambiguïsé et structuré tel qu’il est stabilisé dans le domaine en question. C’est un réseau de termes non ambigus qui sont interconnectés à travers des relations taxonomiques et associatives. Il sert de base pour la construction d’une ontologie de domaine à partir de textes mais aussi de thesaurus pour l’annotation des documents. Cette thèse a été conduite dans le cadre du projet européen ONTORULE (ontology meets business rules). Notre approche s’inscrit dans le cadre global de la méthode de construction de ressources ontologiques TERMINAE qui a été initiée par les travaux du groupe TIA (Terminologie Intelligence Artificielle). Cette méthode TERMINAE repose sur trois niveaux de connaissances – terminologique, termino-conceptuel et conceptuel – pour la construction d’ontologies de domaine à partir de textes. La première étape d’extraction terminologique permet l’identification du vocabulaire mentionné dans les textes et sert de point de départ pour la construction d’un modèle formel du domaine. La deuxième étape de normalisation permet de transformer le réseau terminologique initial en un réseau termino-conceptuel. La dernière étape, de formalisation, assure la transformation du réseau termino-conceptuel en un réseau conceptuel représenté sous la forme d’une ontologie. Si la première étape peut être automatisée par des outils d’extraction, les deux autres nécessitent un travail de désambiguïsation et de modélisation qui repose en grande partie sur l’expertise humaine. Cette thèse a permis d’affiner la méthode TERMINAE en montrant comment décomposer le travail de normalisation en différentes opérations, comment enchaîner ces opérations et comment contrôler le processus global de normalisation. C’est en effet une étape difficile pour l’ingénieur de la connaissance qui se retrouve, à l’issue de la phase d’extraction linguistique, face à une masse d’unités à traiter, dont certaines sont ambiguës et qui ne sont pas toutes pertinentes pour le domaine. Pour élaborer cette méthode de normalisation, nous nous sommes intéressée dans cette thèse à : – l’enrichissement du réseau terminologique par la prise en compte notamment des entités nommées là où la méthode TERMINAE exploitait essentiellement les termes ; – la formalisation de structures de connaissances manipulées dans le processus de construction d’ontologies tel que posé dans la méthode TERMINAE : nous avons défini précisément les structures de connaissances manipulées et mis en évidence les liens de correspondance qui permettent de dériver une structure de connaissances à partir d’une autre et de naviguer de l’une à l’autre ; – la définition d’un processus de normalisation d’un réseau terminologique en un réseau termino-conceptuel qui permet de guider l’ingénieur de la connaissance dans la détection du vocabulaire du domaine et dans ses choix de normalisation : le réseau terminologique est constitué par des unités terminologiques qui sont des termes et des entités nommées et par des relations terminologiques décrivant des relations syntaxiques, lexicales et spécialisées ; des indicateurs permettent de suivre la progression du travail de normalisation. Cette approche de la normalisation a été testée dans le cadre d’expérimentations visant à évaluer les principales contributions dans cette thèse. Les ontologies créées ont été utilisées dans le cadre du projet ONTORULE sur trois cas d’usage différents. Elles ont servi de vocabulaires conceptuels pour l’écriture des règles métier de différents systèmes d’aide à la décision mais elles ont surtout été utilisées pour annoter sémantiquement les textes réglementaires et ainsi guider le travail d’acquisition des base de règles métier à partir de ces textes.