Partitionnement d'ontologies volumineuses en utilisant le datamining.

Abstract

Les ontologies sont confrontées de façon continue à un problème d'évolution, car les termes techniques relatifs à un domaine particulier changent et évoluent de façon perpétuelle, et comme l'usage du web sémantique est en pleine expansion le besoin des ontologies est devenu incontournable. Donc plusieurs opérations qui peuvent être appliquées sur les ontologies comme l'alignement, la fusion, le partage, l'intégration des données et la maintenance d'ontologies deviennent des tâches plus difficiles. Avec la complexité des ontologies et le passage à l'échelle, le partitionnement d'une ontologie en plusieurs partitions est une solution pour répondre à ces problèmes et difficultés. Dans ce mémoire, nous proposons une méthode de partitionnement d'ontologie, par l'utilisation de l'algorithme de clustering k-means, qui sera combiné avec d'autres algorithmes. Nous allons utiliser différentes mesures de similarité en proposant une combinaison de ces dernières pour obtenir une mesure qui représente la distance utilisée dans ces algorithmes selon notre type de données. Notre méthode est testée sur des ontologies de différentes tailles. Mots clés : Algorithme de clustering, ontologies OWL, mesures de similarité, sémantique, K-Means, k-medoide.