Abstract:
Dans le domaine de Data Mining, d'énormes collections de données réparties sont
traitées et en résulte des connaissances dont la gestion est très difficile surtout dans le cas où
elles appartiennent à différentes organisations. En littérature, peu de techniques sont
proposées dans ce contexte et nous soulignons que la technique la plus répondue est
l'architecture Knowledge Map (KM) qui se base sur des répertoires de méta-connaissances
construits manuellement par des simples utilisateurs. Pour remédier à ce problème, nous
proposons une architecture Knowledge Map à base Ontologique (KMO). La solution
proposée s'inspire de KM, elle automatise la construction des répertoires de métaconnaissances
en utilisant des ontologies, et est distribuée selon le Tree P2P (TreeP).
L'architecture KMO est constituée de cinq composants à savoir : le KM local, le noyau
de KM, le navigateur de KM, le retriever de KM et le KO Manager. Le noyau de KM contient
les répertoires de méta-connaissances.
Nous avons développé un algorithme de construction de répertoires de métaconnaissances
(ayant pour entrées les ontologies et les connaissances à organiser) ainsi que les
algorithmes de recherche de connaissances et ceux pour les mises à jour de l'architecture.
Nous avons implémenté l'algorithme de construction de répertoires et celui de la recherche de
connaissances. La validation de notre approche a été faite par le calcul de la complexité des
algorithmes proposés qui sont logarithmiques, montrant ainsi la robustesse de notre solution
