Return to search

Non-Pharmacological Interventions : Terminology Acquisition and Visualization / Interventions non médicamenteuses : acquisition et visualisation de terminologie

Le volume de données disponible croît de manière très importante et ouvre d'importants défis pour les exploiter. Les domaines scientifiques du Web sémantique et des ontologies sont alors une réponse pour aider à traiter les données de manière efficace. Ainsi les ontologies sont actuellement devenues incontournables dans de nombreux domaines d'application pour représenter la connaissance experte.Le domaine que nous considérons dans nos travaux est celui des Interventions Non Médicamenteuses (INM) nommées Non-Pharmacological Interventions (NPIs) en anglais. Elles sont de plus en plus étudiées sur le plan scientifique. Elles sont liées à divers secteurs : psychologie, thérapies manuelles, nutrition, activités sportives adaptées, solutions e-santé, etc.Avec l'augmentation de leur usage, il devient de plus en plus nécessaire d'évaluer leur efficacité de manière scientifique, dans une démarche pilotée par des spécialistes et expliquée de manière claire et accessible aux utilisateurs. Pour ce faire, il est essentiel de disposer d'une classification évolutive et consensuelle effectuée au niveau international pour les spécialistes. Dans ce domaine, le développement d'une ontologie est crucial pour faciliter les recherches bibliographiques et mettre en place des bonnes pratiques.Dans nos travaux, nous nous sommes intéressés à deux enjeux majeurs liés à la construction d'une telle ontologie, d'une part comment effectuer la collecte du vocabulaire et d'autre part comment aider à la compréhension par visualisation.La construction manuelle de l'ontologie est en effet fastidieuse et longue. En particulier, la collecte des termes liés au domaine des INM nécessite beaucoup d'efforts et de temps tant le champ du vocabulaire est large. Ainsi le terme INM lui-même est parfois remplacé par d'autres (médecines alternatives, médecines douces, etc). Une méthode automatique ou semi-automatique est alors vue comme une aide importante pour la construction de la représentation de la connaissance.De plus, les ontologies sont parfois considérées comme difficiles à prendre en main pour les personnes non spécialistes de modélisation, en raison de leur complexité, de leur taille ou des propriétés et relations qu'elles incluent. Ainsi, un outil de visualisation doit être proposé pour les experts des INM. L'outil aura deux buts, d'une part visualiser l'ontologie existante, d'autre part proposer des modifications relatives à la structuration de l'ontologie qui doit se construire de manière collaborative.Des contributions sont proposées dans cette thèse sur ces deux sujets (construction du vocabulaire et visualisation). Deux approches sont présentées pour la construction, l'une reposant sur la connaissance experte et l'autre sur un corpus. Une mesure de similarité est introduite et évaluée. Pour la visualisation, notre proposition repose sur l'utilisation de cartes conceptuelles. Il s'agit alors de ré-écrire l'ontologie sous ce nouveau format et de proposer des outils permettant de distinguer les différents éléments et liens entre les éléments. Un outil a été implémenté, permettant de transformer les ontologies décrites en OWL pour les visualiser. / The explosion of data on the Internet leads to challenges in working with them. Semantic Web and ontology are required to address those problems. Nowadays, ontology plays more and more an important role as a means in domain knowledge representation.In recent years, Non-Pharmacological Interventions (NPIs) have attracted a lot of attention in the health care community. NPIs can no longer stop at a professional discipline to describe them (psychotherapy, manual therapy, dietary supplement, adapted physical activity, e-health solution, etc.). It requires access to a more concrete level of description where each NPI can be evaluated by science, monitored by professionals and explained to the patient. To do this, an international and evolutionary classification based on the results of science is necessary. Thus, developing an ontology for NPIs is crucial. This ontology will facilitate bibliographic research, usage statistics and the identification of good practices.Constructing this ontology manually is time consuming and thus an expensive process. Particularly, the step of collecting the NPI terminology requires much more time than the rest, because of heterogeneous and big resources in the context of NPIs. An automatic or semi-automatic method is thus essential to support NPI experts in this task.Besides, ontologies are often complex with lots of classes, properties and relationships. They are not easy to understand by domain experts. Therefore, a simple and friendly visualization of the ontology for NPI experts needs to be considered. The visualization does not only help NPI experts to easily understand the ontology but also provides support for the NPI ontology development process.In this thesis, we propose methodologies to address the aforementioned challenges. The first contribution concerns the semi-automatic process for collecting NPI terms. Two approaches, knowledge-based and corpus-based, are presented to retrieve candidate NPI terms. A new similarity measure for NPI is proposed and evaluated. The second contribution is a new method for ontology visualization based on MindMap. This work aims at providing a simple and friendly tool to visualize an ontology which is used by domain experts. We propose a MindMap-based notation for ontology visualization by transforming ontology components to MindMap elements. A web-based tool is then implemented to convert OWL ontologies to FreeMind documents which can be imported by existing Mind-Mapping applications to make visualizations.

Identiferoai:union.ndltd.org:theses.fr/2018MONTS090
Date12 June 2018
CreatorsNguyen, The Loc
ContributorsMontpellier, Laurent, Anne, Ninot, Grégory
Source SetsDépôt national des thèses électroniques françaises
LanguageEnglish
Detected LanguageFrench
TypeElectronic Thesis or Dissertation, Text

Page generated in 0.0022 seconds