1 Réconciliation de références LRI (UMR 8623 CNRS) / INRIA-Futurs, équipe IASI/Gemo Université Paris-Sud XI.

Présentation au sujet: "1 Réconciliation de références LRI (UMR 8623 CNRS) / INRIA-Futurs, équipe IASI/Gemo Université Paris-Sud XI."— Transcription de la présentation:

1 1 Réconciliation de références LRI (UMR 8623 CNRS) / INRIA-Futurs, équipe IASI/Gemo Université Paris-Sud XI

2 2 Différents problèmes de réconciliation  Alignement/Réconciliation de schémas  Réconciliation de données Apparier des données avec un schéma cible/annoter Détecter que deux descriptions de données représentent la même entité (ex: hôtel, gene, publication,...) => intégration de données provenant de différentes sources (élimination des redondances, combiner des éléments d’informations) => nettoyage d’une source de données

3 3 http://www.lri.fr/~sais/publis/DS-SML.pdf "A semantic enrichment … " Author Title http://www.lri.fr/~gag H. Gagliardi PersName Author http://www.univ-tlse2.fr/ grimm/ ~ohaemmerle O. Haemmerle PersName Author http://www.lri.fr/~pernelle N. Pernelle PersName "Discovery in Science " PublishedIn “LNAI-3735 " Notes Author http://www.lri.fr/~sais F. Saïs PersName http://hal.inria.fr/inria-00000930 Author Title http://hal.inria.fr/#auth2 Hélène Gagliardi PersName Author http://hal.inria.fr/#auth4 Ollivier Haemmerle PersName Author http://hal.inria.fr/#auth5 Nathalie Pernelle PersName “DS’05 c PublishedIn Author http://hal.inria.fr/#auth6 Fatiha Saïs PersName "A semantic enrichment … " http://hal.inria.fr/inria-0000006 Author “E.DOT" InProject Source 1 Source 2 Reconcile ?( http://www.lri.fr/~sais/publis/DS-SML.pdf, http://hal.inria.fr/inria-00000930) Reconcile ?(http://www.lri.fr/~sais/publis/DS-SML.pdf, http://hal.inria.fr/inria- inria-0000006) Reconcile ?(http://www.lri.fr/~sais/publis/DS-SML.pdf, http://hal.inria.fr/#auth12) Reconcile ?("Discovery in Science ", “DS’05 ") Compare({"Hélène G.",“Ollivier H.", “Nathalie P.", "Fatiha S."}, {"H. Gagliardi", “O. Haemmerle", “N. Pernelle", "F. Saïs"})

4 4 Approche LN2R - Combinaison de 2 méthodes  L2R : méthode logique partielle. Génération automatique de règles d’inférence qui traduisent la sémantique logique des connaissances déclarées en RDFS+ (+ disjonction, PF) Exemple : traduction de PF(R): R6.1(R): Reconcile(X, Y)  R(X, Z)  R(Y, W)  Reconcile (Z, W) R6.1(Located): Reconcile(X, Y)  Located (X, Z)  Located (Y, W)  Reconcile (Z, W) R6.2(A): Reconcile(X, Y)  A(X, Z)  A(Y, W)  SynVals(Z, W) R6.2(MuseumName):Reconcile(X,Y)  MuseumName (X, Z)  MuseumName (Y,W)  SynVals(Z, W) Utilisation de la résolution unitaire pour inférer des décisions de réconciliation et de non réconciliation correctes.

5 5 Approche LN2R - Combinaison de 2 méthodes  N2R : méthode numérique itérative qui complète les résultats de L2R. Fondée sur un calcul de similarité informé et modélisé dans un système d’équations. Décision de réconciliation, fondée sur les scores de similarité.  Approche LN2R automatique et déclarative, fondée sur la sémantique du schéma et des données.  Testées sur 2 corpus dont le benchmark CORA.

6 6 N2R: illustration m1, m’1 c1, c’1 p1, p’1 “Le Louvre”, “Louvre” “Paris”, “La ville de Paris” “La Joconde”, “l’Européenne” x1 = max(max(max(b11, x3), x4), * x2) x2 = max(b21, x1) x3 = max(b31, * x1) x4 = max(b41, * x1) x1 x2 x3 b11 p1, p’2 “La Joconde”, “Joconde” x4 b41 b21 b31 = 1/(| CAttr | + | CRel |)  = 0.02 b11 = 0.8, b21 = 0.3, b31 = 0.1, b41 = 0.7 x1x2x3x4 Initialisation0.0 Itération 10.80.30.10.7 Itération 20.8 0.40.7 Itération 30.8 0.40.7 Solution : x1 = 0.8 x2 = 0.8 x3 = 0.4 x4 = 0.7