Résumé:
Une grande quantité de données stockée sous le format XML (Extensible Markup Language) est nécessaire pour l’aide à la décision. On rencontre ce format de données dans le e-commerce et les échanges d’informations sur Internet. De ce fait l’intégration de XML dans les entrepôts de données devient nécessaire. On trouve dans la littérature plusieurs approches pour automatiser la conception d’un entrepôt de données multidimensionnel cependant les règles d’automatisation ne sont pas bien identifier, définis et formaliser.
Dans notre travail nous nous intéressons aux entrepôts de données XML (données complexes), nous proposons une représentation des connaissances (Knowledge Representation (KR)) pour l’aide à la conception automatisée d’un entrepôt de données XML. Cette représentation des connaissances formalisée en ontologie permettra de partager et de réutiliser les connaissances pour automatiser la modélisation d’un entrepôt de données XML de manière non ambiguë. Dans une première étape, on définira l’ontologie « XML-DFED_ONTO » qui regroupera les concepts existants dans un schéma XML, une dépendance fonctionnelle ainsi que les concepts d’un entrepôt de données. Cette ontologie décrira les vocabulaires, les terminologies et les relations entre ces concepts.
L’étape suivante consistera à coder l’ontologie en utilisant la technologie du web sémantique qui est le OWL (Ontology Web Language), un langage pour coder les ontologies sur le web. Un enrichissement de cette formalisation sera fait en définissant des contraintes sur les concepts de l’ontologie en utilisant le SWRL (Semantic Web Rule Language), un langage de règles basées sur OWL.
L’interrogation de la base des connaissances se fera en utilisant le langage SQWRL (Semantic Query-Enhanced Web Rule Language).
En final, on implémentera cette ontologie en utilisant le logiciel Protégé et on vérifiera sa consistance avec le moteur d’inférence Pellet, ensuite l’ensemble des concepts de l’ontologie codée en OWL ainsi que les contraintes SWRL seront mappées en faits JESS et en règles JESS respectivement, ce qui nous permettra d’utiliser le moteur d’inférence JESS (Java Expert System Shell) pour faire du raisonnement sur la base des connaissances.
