Présentation de Freddy Limpens, Fabien Gandon et Michel Buffa à IC 2009

1. Sémantique des folksonomies :
structuration collaborative
et assistée
Freddy LIMPENS, Fabien GANDON Michel BUFFA
Edelweiss, INRIA Sophia-Antipolis KEWI, I3S, CNRS-UNSA
prenom.nom@sophia.inria.fr buffa@unice.fr
IC 2009 – Hammamet, Tunisie

2. /problème posé/
¤> contexte des organisations
¤> allier pratiques tagging avec construction de
ressources termino-ontologiques communes
¤> intégrer tâches de structuration sémantiques
dans les tâches courantes

3. /contributions visées/
¤> modèle supportant contradictions
¤> exploiter traitements automatiques +
expertise usagers

4. 1. Présentation de l'approche

5. /Structuration des folksonomies
en 2 temps/
1°. Capture
2°. Intégration/Exploitation

6. /Exploiter traitements automatiques
+ expertise usagers/
¤> détecter variations orthographiques
¤> détecter termes quot;reliés thématiquementquot;
¤> intégrer tâches sémantiques dans tâches
quot;courantesquot;

7. 2. Un modèle pour la structuration
collaborative

8. Réification de la notion de
quot;relation sémantiquequot;
¤> extension de rdf:Statement
¤> modèle des actions des usagers
¤> chaque assertion sémantique =
1 annotation des tags

9. Réification de la notion de
quot;relation sémantiquequot;
¤> sens des notions défini
relativement aux autres notions (~SKOS)
¤> réemploi d'ontologies existantes
(SIOC, SCOT)

11. 3. Implantation et résultats

12. Système de gestion de bookmarks
Extension de SIOC

13. Détecter quot;spelling variantsquot;
Tag1 Tag2 Distance de Levenshtein
geographie geographique 0.83
environment environnement 0.84
déchets déchet 0.85
industrie industriel 0.9
développementdurable développement-durable 0.95

14. Détecter quot;spelling variantsquot;

15. Détecter tags thématiquement liés
(Related)
¤> étude qualitative des mesures de similarité
(Mika, 2005; Cattuto et al., 2008)
¤> différents contextes de similarité
● ressources
● utilisateurs
● tags

16. Détecter tags thématiquement liés
(Related)
tags
tag1 tag2 tag3
tags
tag1 freq cooc cooc
tag2 cooc freq cooc
tag3 cooc cooc freq

17. Détecter tags thématiquement liés
(Related)
quot;Most relatedquot; tags (Tag-context)
Tag
environnement développement_durable, énergie
environment france, green, ecology, sustainable, energy
déchets administration, EEDD, renouvelable
développementdurable ecologie , EEDD, france, climat ,imported

18. Intégrer dans l'interface des
fonctions sémantiques

19. Intégrer dans l'interface des
fonctions sémantiques

20. Objectif:
Tags sémantiquement enrichis

21. Capturer les divergences

22. Capturer les divergences

23. Structuration en 2 temps
1°. (implanté)
¤> Traitements automatiques présentés à tous
¤> Assertions sémantiques recueillies
¤> Action sémantique visible seulement
pour son auteur

24. Structuration en 2 temps
2°. (à venir)
¤> Système de quot;votequot; :
assertions majoritaires présentées à tous
ou
,
¤> Regroupement par quot;communautés d'intérêtsquot;
ou
¤> Regroupement en quot;points de vuequot; explicités

25. . Conclusion

26. Positionnement
¤> Approche quot;web 2.0quot; de la construction
d'ontologies [Braun et al., 2007]
¤> Taguer les tags
[Extreme tagging, Tanasescu & Streibel,2007]
¤> Approche collaborative et multi-point de vue
[Cahier et al., 2007]
¤> Formalisation du quot;sensquot; des tags
[MOAT, Passant & Laublet, 2008]

27. Contributions
¤> Modèle capturant assertions sémantiques,
et supportant les points de vue divergents
¤> Sens des tags définis relativement (cf SKOS)
¤> Combiner traitements automatiques &
expertises usagers

28. Futurs travaux
¤> interface de quot;micro-éditionquot; de folksonomie
¤> modèle d'intégration des ressources
termino-ontologiques
¤> Expérience terrain Ademe/Orange

29. . questions?

31. Système de gestion de bookmarks
Model de tagging > SCOT