Réconcilier des connaissances incertaines pour améliorer un graphe de connaissances
Reconciliation of uncertain knowledge for knowledge graph refinement
Jury
Directeur de these_COUCEIRO_Miguel_Université de Lorraine
Examinateur_BERTI-EQUILLE_Laure_IRD ESPACE-DEV
Rapporteur_SUCHANEK_Fabian_Télécom Paris, Institut Polytechnique de Paris
Examinateur_GARDENT_Claire_LORIA, CNRS and Université de Lorraine
Co-encadrant de these_CHABOT_Yoan_Orange
Rapporteur_FARON_Catherine_I3S laboratory, Inria centre at UniCA
école doctorale
IAEM - INFORMATIQUE - AUTOMATIQUE - ELECTRONIQUE - ELECTROTECHNIQUE - MATHEMATIQUES
Laboratoire
LORIA - Laboratoire Lorrain de Recherche en Informatique et ses Applications
Mention de diplôme
Informatique
C103 - Bertrand Schwartz
LORIA
UMR 7503
Campus Scientifique
BP 239
54506
Vandoeuvre-lès-Nancy
Mots clés
Graphe de connaissances,Réconciliation,Connaissances incertaines,Données conflictuelles,Amorçage de graphe de connaissances,Construction de graphe de connaissances,
Résumé de la thèse
La construction d'un graphe de connaissances peut être considérée comme un processus itératif qui part d'un noyau de haute qualité, affiné par des approches d'extraction de connaissances dans un cercle vertueux. Un tel noyau peut être obtenu à partir des connaissances existantes dans un graphe de connaissances générique. Cependant, dû à la taille des graphes de connaissances génériques, intégrer l'ensemble de leurs connaissances provoqueraient des problèmes de scalabilité et l'obtention de contenus non pertinents.
Keywords
Knowledge graph,Reconciliation,Uncertain knowledge,Conflicting data,Knowledge graph bootstrapping,Knowledge graph construction,
Abstract
Knowledge Graph Construction can be seen as an iterative process starting from a high-quality nucleus that is refined by knowledge extraction approaches in a virtuous loop. Such a nucleus can be obtained from knowledge existing in open generic KGs. However, due to the size of such generic KGs, integrating them as a whole may entail irrelevant content and scalability issues. Furthermore, in a noisy and uncertain world, knowledge may not be reliable and conflicts between data sources may occur.
