Modélisation de la connaissance incertaine dans le web sémantique

Abstract

Ces dernières années, l’utilisation des ontologies a reçu une attention considérable pour conceptualiser un domaine d’application ou pour assurer l’interopérabilité sémantique entre des systèmes hétérogènes, notamment dans le web sémantique. Cependant, les ontologies classiques restent incapables et inefficaces pour le traitement des problèmes dont les connaissances sont incertaines. Notre travail de thèse s’inscrit dans une perspective de modélisation et du raisonnement sur des connaissances incertaines représentées dans des ontologies riches en termes d’incertitude. En effet, le but ultime est de développer une nouvelle approche qui permet de traiter des connaissances probabilistes et des connaissances floues encapsulées dans une ontologie d’un domaine d’application. Pour atteindre nos objectifs : (1) nous avons proposé une extension des réseaux MEBN (Multi Entity Bayésien Network) en nous basant sur la logique floue que nous avons par la suite nomée FzMEBN (FzMEBN : FuZzy Multi Entity Bayesian Network), afin d’enrichir leurs capacités de modélisation et de raisonnement probabiliste. (2) nous avons introduit une nouvelle approche pour résoudre le problème de l’incertitude du Web sémantique que nous avons baptisée FPO (FPO : Fuzzy Probabilistic Ontology). (3) nous avons proposé une extension basée sur la logique floue du PR-OWL 2 (PRobabilistic ontoloy Web language) classique en tant que langage Web d’ontologie probabiliste floue en utilisant FzMEBN. Afin de valider notre travail, nos contributions ont été examinées et leur efficacité a été confirmée pour la modélisation et le raisonnement sur des connaissances médicales qui présentent des connaissances floues liées à des connaissances probabilistes.