Qu'est-ce que l'intégration sémantique?
"L'intégration sémantique" est un terme utilisé dans plusieurs contextes dans différents domaines de la conception, de la programmation, de la gestion et de l'administration des ordinateurs. En général, il fait référence à l'agrégation des informations provenant d'une ou plusieurs sources disparates dans le but de créer un système dans lequel les informations sont organisées d'une manière qui a du sens pour un utilisateur. L'intégration sémantique traite fréquemment de la définition et de l'établissement de connexions de métadonnées, ou de relations entre différentes parties des différentes sources de données afin qu'elles puissent être logiquement structurées. Cela pourrait impliquer la création de connexions relationnelles entre deux bases de données distinctes, la création d'un graphique de la façon dont des parties de différents sites Web se rapportent les unes aux autres ou d'intégrer des données factuelles d'un format arbitraire inconnu en une structure d'enregistrement concise. De nombreuses applications pratiques pour un système d'intégration sémantique entièrement implémenté existent, y compris les bibliothèques de recherche ou les réseaux, des algorithmes de moteur de recherche plus organiques qui peuvent extrapoler le contexte FROM Une recherche et, en fin de compte - grâce à l'utilisation de la publication des métadonnées - intégration transparente de différents systèmes informatiques pour l'échange de données.
L'objectif ultime de l'intégration sémantique dans la plupart des cas est de pouvoir associer l'information de manière dynamique. Dans un exemple très simple, cela pourrait signifier pouvoir associer des champs dans une base de données avec des champs dans une autre base de données, malgré le fait qu'ils ne sont pas des correspondances exactes, telles que la relation d'un champ nommé "Taille" à un champ nommé "Height". Cette association pourrait être effectuée via des règles définies par l'utilisateur qui relient spécifiquement les deux, ou cela pourrait être fait avec des algorithmes qui comparent les données numériques des champs et déterminent une correspondance probable. Les mots «taille» et «hauteur» deviennent alors des termes de métadonnées que d'autres systèmes d'intégration sémantique externe peuvent être en mesure d'utiliser pour trouver les informations pour un utilisateur sans avoir à savoir spécifiCally comment tout système unique stocke les données.
Dans les systèmes d'intégration sémantique complexes, tels que ceux conçus pour la recherche, la publication des métadonnées et le partage est un élément clé de l'opération. Les métadonnées peuvent être extraites de documents pour former de grandes structures de données relationnelles qui peuvent aider à les requêtes. Cela signifie que les articles de recherche sur n'importe quel sujet peuvent être intégrés dans un système qui mesure et enregistre la fréquence des mots, et ces mots peuvent aider à la recherche d'informations sur les utilisateurs, permettant à des sujets connexes d'être répertoriés à partir de n'importe quelle source sans avoir besoin de conversions spécifiques.
L'un des défis qui sont confrontés à des concepteurs de systèmes d'intégration sémantique est de savoir comment agréger les données. L'utilisation d'humains pour classer et établir des relations entre les données provenant de diverses sources peut prendre du temps et, en fin de compte, très dépendante des expériences individuelles de la personne. Lorsque des algorithmes sont utilisés pour créer automatiquement des associations, certaines relations peuvent être négligées en raison de certaines mineures diffèrentque l'algorithme n'est pas en mesure de résoudre. Une méthode de mise en œuvre de l'intégration sémantique à grande échelle utilise des algorithmes basés sur l'apprentissage en conjonction avec la gestion des règles basée sur l'homme et, dans certains cas, la prise de décision humaine réelle pendant le processus.