Les sciences de l’information historique : l’apport des technologies sémantiques

Ce billet évoque de l’article “Semantic Technologies for Historical Research: A Survey” écrit par Meroño-Peñuela, A., van Erp, M., Breure, L., Scharnhorst, A., Schlobach, S., & van Harmelen, F. (submitted). Il a été publié en en 2012 dans IOS Press.

Les défis sémantiques dans les sciences de l’information historiques concernent principalement les problèmes de sources, de leurs relations, de l’analyse, de la présentation des données mais aussi de leurs visualisations.

Ainsi pour faire  face à ses défis sémantiques avec lesquels les sciences de l’information historique sont confrontées lors du traitement, du stockage et de la diffusion des données. Les technologies sémantiques  qui sont considérées un ensemble de technologies développé par le W3C (l’un des principaux organismes de normalisation du Web) visant à faciliter l’exploitation des données structurées, notamment en permettant leur interprétation par des machines tentent d’y apporter des solutions.

C’est dans cette perspective qu’on se demande qu’apportent les technologies du web dans la sémantisation des données en histoire? Quelles sont les technologies qui peuvent apporter des solutions aux défis sémantiques des sciences de l’information historiques?

Les outils technologiques du web sémantiques permettent de pallier au manque de connexions entre les données en histoire en les reliant les uns contre les autres par l’utilisation des langages normalisés et une bonne description des ressources.

Ces outils sont relatifs aux standards sémantiques du Web et aux modèles de données notamment le Cadre de description des ressources (RDF14), l’ontologie Web langue (OWL15) et le protocole SPARQL et RDF Query Language (SPARQL16).

Le tableau ci dessus montre les relations qui existent entre les outils sémantiques et les problèmes auxquels ils tentent de remédier. Comme  le manque de formalisation des données en histoire auquel les outils RDFS et OWL tentent de remédier par le biais d’un vocabulaire contrôlé.

D’abord RDF pour formaliser les données en histoire

Il s’agit de la Création de vocabulaires et ontologies  de contrôle pour l’information historique afin de résoudre le manque de formalisation (RDF). Cependant le premier problème rencontré lors de la tentative de modéliser des ensembles de données historiques en RDF est l’absence de vocabulaires contrôlés pour décrire des faits historiques. Bien que certaines ontologies ont été développés pour décrire des événements. Par ailleurs RDF est utilisé pour pallier les problèmes de rationalisation et de normalisation des données. En proposant des règles de descriptions notamment des triplets.

          Puis  il s’agit d’inférer  de la connaissance implicite au moyen d’ontologies (OWL).

 En effet, OWL peuvent être utilisés pour faciliter la découverte de la connaissance historique par  déduction, en utilisant des raisonneurs OWL. Il s’agit de supposer qu’un domaine particulier est complètement formalisé (tant que les capacités logiques OWL permettent aux utilisateurs de le faire), alors il est possible d’exécuter un raisonneur et de mettre en évidence des dérivés. Ces possibilités qui n’étaient pas présents dans le modèle original des informations (c’est à dire la connaissance qui était directement introduites par l’utilisateur comme entrée) et qui étaient jusque là de la connaissance implicite.

 Ensuite l’intégration des données comme un moyen de relier  les  données isolées. L’importance des données liées est que, en reliant les ensembles de données, les relations établies entre les nœuds  qui permettent l’enrichissement des informations. De cette façon la navigation sur les données ne sera plus une tâche isolée. Elle permettra aux utilisateurs (et machines) d’explorer les entités URI à travers leurs liens jacentes. De ce fait les données obtiennent de nouvelles significations, des contextes innombrables et des perspectives utiles pour les historiens.

Ainsi les résultats de requêtes SPARQL peuvent être personnalisés dans la structure (c’est à dire les variables qui sont retournés) et le format (texte brut, HTML, JSON, CSV, etc). Ce qui rend facile une prise direct à des outils de visualisation (un outil de consommer les données demandées).

L’interopérabilité des données et de nouvelles possibilités de recherche et de récupération.

Les efforts de recherche ont tendance à diviser les tâches de recherche en plusieurs équipes. Des groupes ou des projet  de recherche. Le processus de modélisation des données à travers plusieurs schémas de base de données  ne permet pas d’interroger les données de manière uniforme. Ainsi pour faire face à ce problème d’interopérabilité sémantique qui peut se produire en fonction du type de structure dans les données historiques. Les ensembles de données RDF faites à l’aide des vocabulaires contrôlés sont suffisamment interopérables pour permettre l’interrogation transversale des informations. Et ils peuvent être interrogés de manière uniforme tant qu’ils partagent le vocabulaire standard pour exposer des connaissances factuelles commun. Dés lors les Requêtes SPARQL peuvent  interroger ces paramètres de façon homogène, tant que l’utilisateur connaît les vocabulaires utilisés dans les graphiques distantes.

Enfin il y’a la flexibilité dans transformations de données (mises à jour non destructifs).

La solution à ce problème se trouve alors sur la construction et la sélection des requêtes SPARQL. Le première consiste à mettre en oeuvre de triplets RDF selon la graphique PATTERN fourni. Ce qui facilite les transformations de données sans modifier la cohérence des connaissances factuelles. Et le second permet de décrire une certaine selection de triplets et d’éliminer des données qui sont continues dans des formats indésirés.

En définitive, les technologies sémantiques sont adaptées pour resoudre les problemes de représentation et de connexion des données historiques, Ces objectifs de semantisations de l’information historique peuvent être atteints de manière appropriés en formalisant et liant les données à l’aide d’outils tels-que RDF et OWL.

Cela permettra aux algorithmes des ordinateurs de pouvoir extraire des entités à partir de sources historiques numériques et de transformer ces événements en triplets et en OWL, et  de les relier entre elles et avec d’autres ensembles de données externes.

Mouhamadou Diallo

More Posts