Et si on comprenait la structure de graphes de connaissances comme Wikidata ? - Laboratoire LI, équipe BDTLN Access content directly
Conference Papers Year : 2023

Et si on comprenait la structure de graphes de connaissances comme Wikidata ?

Abstract

La production participative de graphes de connaissances comme Wikidata a permis l'émergence de vastes bases de connaissances agglomérant des expertises et des opinions variées. Fortement dépendant de sa communauté, ce processus décentralisé interroge sur sa capacité à faire émerger un graphe de connaissances représentatif et cohérent. Dans cet article, nous affirmons que la représentation des connaissances gagnerait à modéliser la manière dont les faits s'organisent dans la partie assertionnelle. L'objectif serait de définir et étudier des processus permettant de générer des données synthétiques qui ressemblent étroitement aux graphes de connaissances réels. Nous indiquons des retombées possibles de ces modèles en optimisation et en analyse de données. Enfin, nous envisageons les principaux verrous scientifiques à lever pour parvenir à modéliser la structure des graphes de connaissances.
Fichier principal
Vignette du fichier
IC2023-1.pdf (212.11 Ko) Télécharger le fichier
Origin : Files produced by the author(s)

Dates and versions

hal-04154350 , version 1 (06-07-2023)

Identifiers

  • HAL Id : hal-04154350 , version 1

Cite

Hassan Abdallah, Béatrice Markhoff, Arnaud Soulet. Et si on comprenait la structure de graphes de connaissances comme Wikidata ?. 34es Journées francophones d'Ingénierie des Connaissances (IC 2023) @ Plate-Forme Intelligence Artificielle (PFIA 2023), AFIA, Jul 2023, Strasbourg, France. pp.126--131. ⟨hal-04154350⟩
106 View
23 Download

Share

Gmail Facebook X LinkedIn More