Nous pr´esentons dans ce m´emoire une m´ethode d'annotation de tableaux guid´ee par les connaissances d'un domaine d'application formalis´ees dans une on- tologie. Apr`es avoir pr´esent´e le contexte applicatif et une ´etude bibliographique sur l'annotation s´emantique et l'extraction d'information, nous pr´esentons les diff´erentes ´etapes de notre syst`eme : annotation des cellules, des colonnes puis des relations repr´esent´ees par le tableau. Nous traitons diff´eremment les donn´ees selon qu'elles sont num´eriques ou symboliques. Nous commen¸cons par d´eterminer si une colonne d'un tableau contient des donn´ees num´eriques ou symboliques. Les donn´ees symboliques sont annot´ees avec les termes de l'ontologie, en utilisant une comparaison mot `a mot des termes employ´es dans le tableau avec ceux d´efinis dans l'ontologie. Les donn´ees num´eriques sont extraites, ainsi que les unit´es de mesure employ´ees, et compar´ees avec les unit´es et intervalles de valeurs possibles d´efinis dans l'ontologie pour les types de donn´ees num´eriques. Le type de donn´ees repr´esent´e par chaque colonne du tableau est alors d´etermin´e, en utilisant `a la fois le contenu de la colonne (deux m´ethodes diff´erentes sont employ´ees suivant que la colonne contient des donn´ees num´eriques ou symboliques) et le titre de la colonne. Une fois le type des colonnes reconnu, les relations s´emantiques repr´esent´ees par le tableau sont identifi´ees en utilisant `a la fois le titre du tableau et la signature du tableau, qui est compar´ee avec la signature des relations s´emantiques d´efinies dans l'ontologie. Les relations reconnues sont ensuite instanci´ees pour chaque ligne du tableau. Les annotations que nous manipulons sont floues, c'est-`a-dire qu'au lieu de faire un lien direct entre un ´el´ement du tableau et un ´el´ement de l'ontologie, nous proposons plusieurs valeurs possibles pour l'annotation, en as- sociant `a chaque valeur un degr´e repr´esentant la confiance que l'on accorde `a cette valeur. Les diff´erentes ´etapes de notre m´ethode d'annotation de tableaux ont ´et´e ´evalu´ees exp´erimentalement, en prenant comme domaine d'application la microbiologie alimentaire.

Thèse numérisée par la Direction des bibliothèques de l'Université de Montréal.

Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.

Dans cette thèse, nous abordons les problématiques liées à la gestion de l'évolution des ontologies, dans le cadre défini par le Web sémantique. Nous le faisons en développant l'idée qu'une « bonne évolution » est celle qui, en plus de préserver la consistance de l'ontologie évoluée, préserve aussi l'intégrité de ce qui repose déjà sur l'ontologie. Dans notre contexte, ceci est le référencement sémantique des ressources. Ce dernier aspect nécessite toutefois une connaissance approfondie des changements apportés à l'ontologie. Sans cette connaissance, il nous serait impossible d'identifier les effets de l'évolution sur le référencement sémantique et donc, de maintenir l'accès et l'interprétation des ressources au moyen de l'ontologie évoluée. À l'heure actuelle, très peu de travaux de recherche proposent des solutions pour la journalisation des changements (et leur identification après l'évolution d'ontologie). Encore moins nombreux sont les travaux qui analysent les effets de l'évolution sur les ressources référencées et aucun, à notre connaissance, ne propose des solutions concrètes pour la résolution des effets problématiques, conduisant à une perte d'accès aux ressources, par exemple. Dans cette thèse, nous apportons des solutions novatrices pour combler ces lacunes. Nous proposons une approche de joumalisation des changements, élémentaires et complexes, apportés à une version d'ontologie VN pour obtenir une nouvelle version VN+1. Cette approche est fondée sur un modèle uniformisé, mais aussi riche sémantiquement, car il a comme base une ontologie des changements, également développée dans cette thèse. Nous fournissons aussi un formalisme de représentation des changements, semi-compatible avec l'OWL, qui rend interopérable et partageable l'historique des changements. De même, nous contribuons de façon originale à l'avancement de la problématique du Web sémantique en proposant un ensemble de stratégies de modification du référencement sémantique affecté par l'évolution des ontologies. Ces stratégies sont fondées sur l'analyse des types de changement et de leur impact sur l'accès aux ressources référencées, mais aussi sur l'interprétation de celles-ci au moyen de la nouvelle version de l'ontologie. Nous regroupons toutes ces solutions dans un cadre, intégrateur et modulaire, composé du système CHB (ChangeHistoryBuilder), pour la gestion de l'historique des changements, mais aussi du système SAM (SemanticAnnotationModifier), pour la gestion du référencement sémantique des ressources. L'originalité de ce cadre s'impose par le fait que, loin d'être dépourvu de toute intervention humaine, il s'incarne dans une société distribuée d'agents humains et logiciels qui s'échangent des informations et des services pendant, mais surtout après l'évolution des versions d'ontologie. Soulignons aussi qu'il s'est précisé pendant notre avancement dans la conception d'une méthodologie d'évolution des ontologies, Ceci fait de notre cadre une réponse pertinente aux besoins technologiques de notre méthodologie, également proposée dans cette thèse. ______________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : Web sémantique, Évolution des ontologies, Méthodologie, Journalisation des changements, Référencement sémantique évolutif.

En traitement automatique de la langue, les différentes étapes d'analyse usuelles ont tour à tour amélioré la façon dont le langage peut être modélisé par les machines. Une étape d'analyse encore mal maîtrisée correspond à l'analyse sémantique. Ce type d'analyse permettrait de nombreuses avancées, telles que de meilleures interactions homme-machine ou des traductions plus fiables. Il existe plusieurs structures de représentation du sens telles que PropBank, les AMR et FrameNet. FrameNet correspond à la représentation en cadres sémantiques dont la théorie a été décrite par Charles Fillmore. Dans cette théorie, chaque situation prototypique et les différents éléments y intervenant sont représentés de telle sorte que deux situations similaires soient représentées par le même objet, appelé cadre sémantique. Le projet FrameNet est une application de cette théorie, dans laquelle plusieurs centaines de situations prototypiques sont définies. Le travail que nous décrirons ici s'inscrit dans la continuité des travaux déjà élaborés pour prédire automatiquement des cadres sémantiques. Nous présenterons quatre systèmes de prédiction, chacun ayant permis de valider une hypothèse sur les propriétés nécessaires à une prédiction efficace. Nous verrons également que notre analyse peut être améliorée en fournissant aux modèles de prédiction des informations raffinées au préalable, avec d'un côté une analyse syntaxique dont les liens profonds sont explicités et de l'autre des représentations vectorielles du vocabulaire apprises au préalable. / In natural language processing, each analysis step has improved the way in which language can be modeled by machines. Another step of analysis still poorly mastered resides in semantic parsing. This type of analysis can provide information which would allow for many advances, such as better human-machine interactions or more reliable translations. There exist several types of meaning representation structures, such as PropBank, AMR and FrameNet. FrameNet corresponds to the frame semantic framework whose theory has been described by Charles Fillmore (1971). In this theory, each prototypical situation and each different elements involved are represented in such a way that two similar situations are represented by the same object, called a semantic frame. The work that we will describe here follows the work already developed for machine prediction of frame semantic representations. We will present four prediction systems, and each one of them allowed to validate another hypothesis on the necessary properties for effective prediction. We will show that semantic parsing can also be improved by providing prediction models with refined information as input of the system, with firstly a syntactic analysis where deep links are made explicit and secondly vectorial representations of the vocabulary learned beforehand.

Avec l'émergence du mouvement Open Data, des centaines de milliers de sources de données provenant de divers domaines (e.g., santé, gouvernementale, statistique, etc.) sont maintenant disponibles sur Internet. Ces sources de données sont accessibles et interrogées via des services cloud DaaS, et cela afin de bénéficier de la flexibilité, l'interopérabilité et la scalabilité que les paradigmes SOA et Cloud Computing peuvent apporter à l'intégration des données. Dans ce contexte, les requêtes sont résolues par la composition de plusieurs services DaaS. Définir la sémantique des services cloud DaaS est la première étape vers l'automatisation de leur composition. Une approche intéressante pour définir la sémantique des services DaaS est de les décrire comme étant des vues sémantiques à travers une ontologie de domaine. Cependant, la définition de ces vues sémantiques ne peut pas être toujours faite avec certitude, surtout lorsque les données retournées par un service sont trop complexes. Dans cette thèse, nous proposons une approche probabiliste pour représenter les services DaaS à sémantique incertaine. Dans notre approche, un service DaaS dont la sémantique est incertaine est décrit par plusieurs vues sémantiques possibles, chacune avec une probabilité. Les services ainsi que leurs vues sémantiques possibles sont représentées dans un registre de services probabiliste (PSR). Selon les dépendances qui existent entre les services, les corrélations dans PSR peuvent être représentées par deux modèles différents : le modèle Bloc-indépendant-disjoint (BID), et le modèle à base des réseaux bayésiens. En se basant sur nos modèles probabilistes, nous étudions le problème de l'interprétation d'une composition existante impliquant des services à sémantique incertaine. Nous étudions aussi le problème de la réécriture de requêtes à travers les services DaaS incertains, et nous proposons des algorithmes efficaces permettant de calculer les différentes compositions possibles ainsi que leurs probabilités. Nous menons une série d'expérimentation pour évaluer la performance de nos différents algorithmes de composition. Les résultats obtenus montrent l'efficacité et la scalabilité de nos solutions proposées / With the emergence of the Open Data movement, hundreds of thousands of datasets from various concerns (e.g., healthcare, governmental, statistic, etc.) are now freely available on Internet. A good portion of these datasets are accessed and queried through Cloud DaaS services to benefit from the flexibility, the interoperability and the scalability that the SOA and Cloud Computing paradigms bring to data integration. In this context, user’s queries often require the composition of multiple Cloud DaaS services to be answered. Defining the semantics of DaaS services is the first step towards automating their composition. An interesting approach to define the semantics of DaaS services is by describing them as semantic views over a domain ontology. However, defining such semantic views cannot always be done with certainty, especially when the service’s returned data are too complex. In this dissertation, we propose a probabilistic approach to model the semantic uncertainty of data services. In our approach, a DaaS service with an uncertain semantics is described by several possible semantic views, each one is associated with a probability. Services along with their possible semantic views are represented in probabilistic service registry (PSR).According to the services dependencies, the correlations in PSR can be represented by two different models :Block-Independent-Disjoint model (noted BID), and directed probabilistic graphical model (Bayesian network). Based on our modeling, we study the problem of interpreting an existing composition involving services with uncertain semantics. We also study the problem of compositing uncertain DaaS services to answer a user query, and propose efficient methods to compute the different possible compositions and their probabilities. We conduct a series of experiments to evaluate the performance of our composition algorithms. The obtained results show the efficiency and the scalability of our proposed solutions

Dans cette thèse, nous décrivons la création du French FrameNet (FFN), une ressource de type FrameNet pour le français créée à partir du FrameNet de l’anglais (Baker et al., 1998) et de deux corpus arborés : le French Treebank (Abeillé et al., 2003) et le Sequoia Treebank (Candito et Seddah, 2012). La ressource séminale, le FrameNet de l’anglais, constitue un modèle d’annotation sémantique de situations prototypiques et de leurs participants. Elle propose à la fois :a) un ensemble structuré de situations prototypiques, appelées cadres, associées à des caractérisations sémantiques des participants impliqués (les rôles);b) un lexique de déclencheurs, les lexèmes évoquant ces cadres;c) un ensemble d’annotations en cadres pour l’anglais. Pour créer le FFN, nous avons suivi une approche «par domaine notionnel» : nous avons défini quatre «domaines» centrés chacun autour d’une notion (cause, communication langagière, position cognitive ou transaction commerciale), que nous avons travaillé à couvrir exhaustivement à la fois pour la définition des cadres sémantiques, la définition du lexique, et l’annotation en corpus. Cette stratégie permet de garantir une plus grande cohérence dans la structuration en cadres sémantiques, tout en abordant la polysémie au sein d’un domaine et entre les domaines. De plus, nous avons annoté les cadres de nos domaines sur du texte continu, sans sélection d’occurrences : nous préservons ainsi la distribution des caractéristiques lexicales et syntaxiques de l’évocation des cadres dans notre corpus. à l’heure actuelle, le FFN comporte 105 cadres et 873 déclencheurs distincts, qui donnent lieu à 1109 paires déclencheur-cadre distinctes, c’est-à-dire 1109 sens. Le corpus annoté compte au total 16167 annotations de cadres de nos domaines et de leurs rôles. La thèse commence par resituer le modèle FrameNet dans un contexte théorique plus large. Nous justifions ensuite le choix de nous appuyer sur cette ressource et motivons notre méthodologie en domaines notionnels. Nous explicitons pour le FFN certaines notions définies pour le FrameNet de l’anglais que nous avons jugées trop floues pour être appliquées de manière cohérente. Nous introduisons en particulier des critères plus directement syntaxiques pour la définition du périmètre lexical d’un cadre, ainsi que pour la distinction entre rôles noyaux et non-noyaux.Nous décrivons ensuite la création du FFN : d’abord, la délimitation de la structure de cadres utilisée pour le FFN, et la création de leur lexique. Nous présentons alors de manière approfondie le domaine notionnel des positions cognitives, qui englobe les cadres portant sur le degré de certitude d’un être doué de conscience sur une proposition. Puis, nous présentons notre méthodologie d’annotation du corpus en cadres et en rôles. à cette occasion, nous passons en revue certains phénomènes linguistiques qu’il nous a fallu traiter pour obtenir une annotation cohérente ; c’est par exemple le cas des constructions à attribut de l’objet.Enfin, nous présentons des données quantitatives sur le FFN tel qu’il est à ce jour et sur son évaluation. Nous terminons sur des perspectives de travaux d’amélioration et d’exploitation de la ressource créée. / This thesis describes the creation of the French FrameNet (FFN), a French language FrameNet type resource made using both the Berkeley FrameNet (Baker et al., 1998) and two morphosyntactic treebanks: the French Treebank (Abeillé et al., 2003) and the Sequoia Treebank (Candito et Seddah, 2012). The Berkeley FrameNet allows for semantic annotation of prototypical situations and their participants. It consists of:a) a structured set of prototypical situations, called frames. These frames incorporate semantic characterizations of the situations’ participants (Frame Elements, or FEs);b) a lexicon of lexical units (LUs) which can evoke those frames;c) a set of English language frame annotations. In order to create the FFN, we designed a “domain by domain” methodology: we defined four “domains”, each centered on a specific notion (cause, verbal communication, cognitive stance, or commercial transaction). We then sought to obtain full frame and lexical coverage for these domains, and annotated the first 100 corpus occurrences of each LU in our domains. This strategy guarantees a greater consistency in terms of frame structuring than other approaches and is conducive to work on both intra-domain and inter-domains frame polysemy. Our annotating frames on continuous text without selecting particular LU occurrences preserves the natural distribution of lexical and syntactic characteristics of frame-evoking elements in our corpus. At the present time, the FFNincludes 105 distinct frames and 873 distinct LUs, which combine into 1,109 LU-frame pairs (i.e. 1,109 senses). 16,167 frame occurrences, as well as their FEs, have been annotated in our corpus. In this thesis, I first situate the FrameNet model in a larger theoretical background. I then justify our using the Berkeley FrameNet as our resource base and explain why we used a domain-by- domain methodology. I next try to clarify some specific BFN notions that we found too vague to be coherently used to make the FFN. Specifically, I introduce more directly syntactic criteria both for defining a frame’s lexical perimeter and for differentiating core FEs from non-core ones.Then, I describe the FFN creation itself first by delimitating a structure of frames that will be used in the resource and by creating a lexicon for these frames. I then introduce in detail the Cognitive Stances notional domain, which includes frames having to do with a cognizer’s degree of certainty about some particular content. Next, I describe our methodology for annotating a corpus with frames and FEs, and analyze our treatment of several specific linguistic phenomena that required additional consideration (such as object complement constructions).Finally, I give quantified information about the current status of the FFN and its evaluation. I conclude with some perspectives on improving and exploiting the FFN.

Mémoire numérisé par la Division de la gestion de documents et des archives de l'Université de Montréal.

Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.

Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.