Traitement intelligent des données sémantiques
AL!SE : le moteur de traitement sémantique intelligent
Qu’est-ce qu’AL!SE
Qu’est-ce qu’AL!SE
AL!SE est un modèle de données sémantiques basé sur des années de recherche et de développement dans le domaine du web sémantique. Alors que le Web sémantique tente de simplifier l’identification et l’échange d’informations
à travers le Web en utilisant des approches RDF (= Resource Description Framework), AL!SE vise à rendre ces mécanismes intelligents disponibles professionnellement et dans une grande variété de contextes pour les systèmes
d’information fermés.
SUR LE PLAN FONCTIONNEL, CELA PERMET
– une identification, un stockage et une recherche plus précis des données
– un traitement des données en informations significatives
– une distribution stratégique des informations pertinentes
Que résout Al!se ?
POURQUOI AL!SE A ÉTÉ CRÉÉ
Le développement d’AL!SE fait suite à la prise de conscience que la numérisation a créé les conditions techniques nécessaires à la collecte de quantités de données toujours plus importantes, mais qu’il existe un manque d’outils et de méthodes systématiques pour traiter ces données de manière significative.
L’ENJEU DANS LES ORGANISATIONS AUJOURD’HUI
De facto, surtout dans le contexte de systèmes d’information fermés, trop de ressources sont gaspillées (des études autorisées parlent de jusqu’à 30 pour cent) dans la recherche constante, le formatage et la diffusion non systématique de l’information.
Les développements techniques (en ce qui concerne les supports de stockage, les applications et l’optimisation des processus) ne tiennent pas les promesses qui leur ont été faites de faciliter le travail au quotidien, mais conduisent au contraire à des processus effilochés, non systématiques et ralentis. Ceci est particulièrement vrai pour le traitement des données
De cette manière, AL!SE réalise des possibilités d’application spéciales des principes universels de la technologie sémantique – chacun étant adapté aux exigences et aux besoins de systèmes d’information spécifiques.
Comment AL!SE fait ?
AL!SE insère systématiquement les données dans une structure de référence de commande. En principe, d’autres modèles de données font également cela : mais contrairement aux structures de données conventionnelles, une structure
de données sémantique insère non seulement les
données individuelles dans un modèle d’ordre hiérarchique unidimensionnel, mais crée également un ordre significatif. Cela se fait en reliant les données disponibles à une structure de métadonnées ciblée.
L’utilisation d’une structure de métadonnées permet de clarifier certaines propriétés, mais aussi les fonctions et les options de connexion pour les données décrites plus en détail. Basé sur la dimension linguistique du terme
sémantique : En attribuant des métadonnées,
les données s’enrichissent de sens. En informatique, on parle de transformation de fichiers en siles (= fichiers sémantiquement enrichis). Cela signifie:
Les données individuelles et non connectées deviennent des supports d’informations ciblés.
Comment les données deviennent-elles des informations ?
AL!SE utilise un modèle structurel entièrement développé pour insérer les données existantes dans un système de métadonnées de référence formulé :
Classement
Attribut
Connection
- La base de la structuration sémantique existe déjà sous la forme du modèle de données : il suffit de l’adapter aux exigences respectives du système d’information (c’est-à-dire type de stockage des données, structure des données,
répartition des données).
Cela se fait grâce à une adaptation individuelle de l’orthographe sémantique. En termes de grammaire, l’orthographe désigne la somme des règles permettant de formuler des déclarations significatives à partir de données. Le gros avantage ici : puisque la structure doit seulement
être adaptée et non spécialement programmée - le développement, la mise en œuvre et la mise en œuvre du modèle de données sémantique peuvent être réalisés avec seulement une fraction des ressources autrement nécessaires (temps, énergie, coûts) par rapport aux solutions logicielles conventionnelles.
- L’origine linguistique du terme sémantique est particulièrement claire dans le type de liaisons de données sémantiques. En effet, ceux-ci sont syntaxiquement formés sous la forme de constructions sujet-prédicat-objet. Les
caractères individuels (= fichiers)
sont ainsi placés dans une certaine relation (= prédicat) les uns avec les autres par l’orthographe (= loi syntaxique de formation) et forment ainsi une déclaration significative.
Comment les données deviennent des déclarations – Un exemple
En informatique, les constructions sujet-prédicat-objet sont simplement visualisées à l’aide de graphiques :
Dans l’exemple, le fichier 1 est affecté à la classe sujet par l’affectation d’un métafichier, et le fichier 2 à la classe objet. Tous deux sont liés par un lien ciblé et spécialement défini : le prédicat. Dans la combinaison réglée de ces éléments, les dossiers forment un relevé ; par exemple .: L’homme habite dans la maison.
Les dates individuelles peuvent bien sûr être dans notre exemple, les décrire plus en détail (par exemple à l’aide d’attributs) ou les lier à d’autres éléments (par exemple d’autres objets) pour former des déclarations plus complexes ; par exemple .: Le petit homme vit dans la maison bleue qui se trouve en ville.
Les données individuelles acquièrent ainsi la capacité de « parler » par des liens logiques (dans une étape ultérieure, de « parler » automatiquement). La structure intégrée les transforme en informations significatives et significatives.
Dans les systèmes d’information plus complexes, ce type de modélisation sémantique des données conduit à des structures de réseaux multidimensionnels qui reposent non seulement sur le langage humain, mais également sur les mécanismes fondamentaux de la pensée humaine.
Cela révèle des points de contact entre la technologie sémantique et le domaine de l’intelligence artificielle. Cela conduit à une approche intuitive et conviviale entre systèmes d’information purement logiques et langage naturel. Et en même temps, d’un point de vue pratique, cela crée une base technique pour la recherche (sémantique), le filtrage et la distribution des données.
Comment fonctionne AL!SE ?
D’un point de vue technique, le modèle de données AL!SE fonctionne comme un grand kit de construction. AL!SE se compose de composants modulaires individuels qui peuvent être combinés de différentes manières – en fonction des exigences systématiques de l’application pratique. Cependant, les différents composants sont déjà pleinement opérationnels et doivent seulement être adaptés.
LETO
Le cœur d’AL!SE est LETO : un serveur sémantique qui contient déjà la base de la structure des métadonnées, c’est-à-dire une structure bien définie de classifications, d’attributs et de liens. Grâce à cette structure de base des Siles (c’est-à-dire des fichiers sémantiques), LETO permet dans la pratique de développer toutes les ontologies spéciales et définit ainsi les formes spécifiques de stockage sémantique et d’organisation des données. LETO fonctionne ainsi comme un cadre fonctionnel implémenté sous forme d’application dans le contexte de systèmes d’information spécifiques.
AGLAIA
AGLAIA se situe au-dessus de LETO : l’interface du modèle de données sémantique. En tant qu’interface, AGLAIA assume la fonction d’interface et, dans le rôle de traducteur, permet à LETO de communiquer efficacement avec tous les autres composants internes et externes (par exemple d’autres serveurs ou clients).
HEPHAISTOS
HEPHAISTOS décrit une certaine partie de LETO qui, en tant que fonction supplémentaire sur le serveur, établit un niveau de communication supplémentaire entre LETO et AGLAIA et permet la reconnaissance du langage naturel dans le sens d’un assistant de recherche – par exemple une requête de recherche sémantique vers LETO sous la forme d’un question complète. À l’inverse, HEPHAISTOS constitue la base d’une analyse sémantique des textes – c’est-à-dire la décomposition automatisée des textes en leurs éléments constitutifs individuels de sens.
CHARON
CHARON, à son tour, décrit un composant de service responsable de la synchronisation des données. En tant que fonction indépendante, CHARON assure une comparaison des données entre LETO et des clients spécifiques et s’exprime dans des systèmes d’information spécifiques, par exemple sous la forme d’une fonction de mise à niveau automatisée.
Les applications spécifiques d’AL!SE
La variabilité systémique et fonctionnelle d’AL!SE permet une gamme extrêmement large d’applications pour le modèle de données sémantique. En principe, cela inclut l’optimisation de tous les types de systèmes d’information fermés – quel que soit le type de contenu, de traitement ou de distribution.
Une solution flexible
En conséquence, AL!SE a déjà pu travailler dans une grande variété d’industries avec des contextes, des exigences et des objectifs différents et mis en œuvre avec succès.
Les avantages du modèle de données sémantique modulaire se manifestent dans son degré d’adaptabilité extrêmement élevé. Comme décrit, cela s’applique en particulier aux aspects suivants :