In this thesis, we present an ontology-based information extraction and retrieval system and its application to soccer domain. In general, we deal with three issues in semantic search, namely, usability, scalability and retrieval performance. We propose a keyword-based semantic retrieval approach. The performance of the system is improved considerably using domain-specific information extraction, inference and rules. Scalability is achieved by adapting a semantic indexing approach. The system is implemented using the state-of-the-art technologies in SemanticWeb and its performance is evaluated against traditional systems as well as the query expansion methods. Furthermore, a detailed evaluation is provided to observe the performance gain due to domain-specific information extraction and inference. Finally, we show how we use semantic indexing to solve simple structural ambiguities.

Le développement de technologies comme les systèmes de positionnement par satellites (GNSS), les communications sans fil, les systèmes de radio-identification (RFID) et des capteurs a augmenté la disponibilité de données spatio-temporelles décrivant des trajectoires d’objets mobiles. Des bases de données relationnelles peuvent être utilisées pour stocker et questionner les données capturées. Des applications récentes montrent l’intérêt d’une approche intégrant des trajectoires « sémantiques » pour intégrer des connaissances sur les comportements d’objets mobiles. Dans cette thèse, nous proposons une approche basée sur des ontologies. Nous présentons une ontologie pour les trajectoires. Nous appliquons notre approche à l’étude des trajectoires de mammifères marins. Pour permettre l’exploitation de nos connaissances sur les trajectoires, nous considérons l’objet mobile, des relations temporelles et spatiales dans notre ontologie. Nous avons évalué la complexité du mécanisme d’inférence et nous proposons des optimisations, comme l’utilisation d’un voisinage temporel et spatial. Nous proposons également une optimisation liée à notre application. Finalement, nous évaluons notre contribution et les résultats montrent l’impact positif de la réduction de la complexité du mécanisme d’inférence. Ces améliorations réduisent de moitié le temps de calcul et permettent de manipuler des données de plus grande dimension. / Spatio-temporal data describing trajectories of moving objects has increased as a consequence of the larger availability of such data due to current sensors techniques. These devices use different technologies like global navigation satellite system (GNSS), wireless communication, radio-frequency identification (RFID), and sensors techniques. Although capturing technologies differ, the captured data has common spatial and temporal features. Thus, relational database management systems (RDBMS) can be used to store and query the captured data. RDBMS define spatial data types and spatial operations. Recent applications show that the solutions based on traditional data models are not sufficient to consider complex use cases that require advanced data models. A complex use case refers not only to data, but also to the domain expert knowledge and others. An inference mechanism enriches semantic trajectories with this knowledge. Temporal and spatial reasoning are fundamental for the inference mechanism on semantic trajectories. Several research fields are currently focusing on semantic trajectories to discover more information about mobile object behavior. In this thesis, we propose a modeling approach based on ontologies. We introduce a high-level trajectory ontology. The temporal and spatial parts form an implicit background of the trajectory model. So, we choose temporal and spatial models to be integrated with our trajectory model. We apply our modeling approach to a particular domain application : marine mammal trajectories. Therefore, we model this application and integrate it with our ontology. We implement our approach using RDF. Technically, we use Oracle Semantic Data Technologies. To accomplish reasoning over trajectories, we consider mobile objects, temporal and spatial knowledge in our ontology. Our approach demonstrates how temporal and spatial relationships that are common in natural language expressions (i.e., relations between time intervals like ”before”, ”after”, etc.) are represented in the ontology as user-defined rules. To annotate data with this kind of rules, we need an inference mechanism over trajectory ontology. Experiments over our model using the temporal and spatial reasoning address an inference computation complexity. This complexity is indicated in term of time computations and space storage. In order to reduce the inference complexity, we propose optimizations, such as domain constraints, temporal and spatial neighbor refinements. Moreover, controlling the repetition of the inference computation is also proposed. Even more, we define a refinement specifically for the application domain. Finally, we evaluate our contribution. Results show their positive impact on reducing the complexity of the inference mechanism. These refinements reduce half of the time computation and allow considering bigger size of the data.

Un nombre croissant d’industries ressentent le besoin de formaliser leurs processus d’innovation. Dans ce contexte, les outils du domaine de la qualité et les approches d’aide à la créativité provenant du "brain storming" ont déjà montré leurs limites. Afin de répondre à ces besoins, la TRIZ (Acronyme russe pour Théorie de Résolution des Problèmes Inventifs), développée par l’ingénieur russe G. S. Altshuller au milieu du 20ème siècle, propose une méthode systématique de résolution de problèmes inventifs multidomaines. Selon TRIZ, la résolution de problèmes inventifs consiste en la construction du modèle et l’utilisation des sources de connaissance de la TRIZ. Plusieurs modèles et sources de connaissances permettent la résolution de problèmes inventifs de types différents, comme les quarante Principes Inventifs pour l’élimination des contradictions techniques. Toutes ces sources se situent à des niveaux d’abstractions relativement élevés et sont, donc, indépendantes d’un domaine particulier, qui nécessitent des connaissances approfondies des domaines d’ingénierie différents. Afin de faciliter le processus de résolution de problèmes inventifs, un "Système Intelligent de Gestion de Connaissances" est développé dans cette thèse. D’une part, en intégrant les ontologies des bases de connaissance de la TRIZ, le gestionnaire propose aux utilisateurs de sources de connaissance pertinentes pour le modèle qu’ils construisent, et d’autre part, le gestionnaire a la capacité de remplir "automatiquement" les modèles associés aux autres bases de connaissance. Ces travaux de recherche visent à faciliter et automatiser le processus de résolution de problèmes inventifs. Ils sont basés sur le calcul de similarité sémantique et font usage de différentes technologies provenantes de domaine de l’Ingénierie de Connaissances (modélisation et raisonnement basés sur les ontologies, notamment). Tout d’abord, des méthodes de calcul de similarité sémantique sont proposées pour rechercher et définir les liens manquants entre les bases de connaissance de la TRIZ. Ensuite, les sources de connaissance de la TRIZ sont formalisées comme des ontologies afin de pouvoir utiliser des mécanismes d’inférence heuristique pour la recherche de solutions spécifiques. Pour résoudre des problèmes inventifs, les utilisateurs de la TRIZ choisissent dans un premier temps une base de connaissance et obtiennent une solution abstraite. Ensuite, les éléments des autres bases de connaissance similaires aux éléments sélectionnés dans la première base sont proposés sur la base de la similarité sémantique préalablement calculée. A l’aide de ces éléments et des effets physiques heuristiques, d’autres solutions conceptuelles sont obtenues par inférence sur les ontologies. Enfin, un prototype logiciel est développé. Il est basé sur cette similarité sémantique et les ontologies interviennent en support du processus de génération automatique de solutions conceptuelles. / An increasing number of industries feel the need to formalize their innovation processes. In this context, quality domain tools show their limits as well as the creativity assistance approaches derived from brainstorming. TRIZ (Theory of Inventive Problem Solving) appears to be a pertinent answer to these needs. Developed in the middle of the 20th century by G. S. Althshuller, this methodology's goal was initially to improve and facilitate the resolution of technological problems. According to TRIZ, the resolution of inventive problems consists of the construction of models and the use of the corresponding knowledge sources. Different models and knowledge sources were established in order to solve different types of inventive problems, such as the forty inventive principles for eliminating the technical contradictions. These knowledge sources with different levels of abstraction are all built independent of the specific application field, and require extensive knowledge about different engineering domains. In order to facilitate the inventive problem solving process, the development of an "intelligent knowledge manager" is explored in this thesis. On the one hand, according to the TRIZ knowledge sources ontologies, the manager offers to the users the relevant knowledge sources associated to the model they are building. On the other hand, the manager has the ability to fill "automatically" the models of the other knowledge sources. These research works aim at facilitating and automating the process of solving inventive problems based on semantic similarity and ontology techniques. At first, the TRIZ knowledge sources are formalized based on ontologies, such that heuristic inference can be executed to search for specific solutions. Then, methods for calculating semantic similarity are explored to search and define the missing links among the TRIZ knowledge sources. In order to solve inventive problems, the TRIZ user firstly chooses a TRIZ knowledge source to work for an abstract solution. Then, the items of other knowledge sources, which are similar with the selected items of the first knowledge source, are obtained based on semantic similarity calculated in advance. With the help of these similar items and the heuristic physical effects, other specific solutions are returned through ontology inference. Finally, a software prototype is developed based on semantic similarity and ontology inference to support this automatic process of solving inventive problems.