Approches en fouille de texte pour une exploration par similarité sémantique et un enrichissement en métadonnées des bibliothèques numériques

For scientists and researchers, it is very critical to ensure knowledge is accessible for re-use and development. Moreover, the way we store and manage scientific articles and their metadata in digital libraries determines the amount of relevant articles we can discover and access depending on what is actually meant in a search query. Yet, are we able to explore all semantically relevant scientific documents with the existing keyword-based search information retrieval systems? This is the primary question addressed in this thesis. Hence, the main purpose of our work is to broaden or expand the knowledge spectrum of researchers working in an interdisciplinary domain when they use the information retrieval systems of multidisciplinary digital libraries. However, the problem raises when such researchers use community-dependent search keywords while other scientific names given to relevant concepts are being used in a different research community. Towards proposing a solution to this semantic exploration task in multidisciplinary digital libraries, we applied several text mining approaches. First, we studied the semantic representation of words, sentences, paragraphs and documents for better semantic similarity estimation. In addition, we utilized the semantic information of words in lexical databases and knowledge graphs in order to enhance our semantic approach. Furthermore, the thesis presents a couple of use-case implementations of our proposed model. Finally, several experimental evaluations were conducted to validate the efficiency of the proposed approach. The results of the hybrid approach, based on the short text semantic representation and the word semantic information extracted from lexical databases, were very encouraging. We believe that our new proposed approaches based on textmining techniques practically achieved the expected results in addressing the limitation of semantic exploration in the classical information retrieval systems of digital libraries. The advantage of our approach is that it is applicable to large-scale multidisciplinary digital libraries. In that sense, we use information found in the metadata of such libraries in order to enrich it with additional semantic tags. As a consequence, the enhanced and enriched metadata enable researchers to retrieve more semantically relevant documents that would have otherwise remained unexplored without the enrichment. We think that our study and proposed approaches will provide practical solutions to knowledge access and contribute to the research communities and fields of text mining and data management in digital libraries.Pour les scientifiques et chercheurs, s’assurer que la connaissance est accessible pour pouvoir être réutilisée et développée est un point crucial. De plus, la façon dont nous stockons et gérons les articles scientifiques et leurs métadonnées dans les bibliothèques numériquesdétermine la quantité d’articles pertinents que nous pouvons découvrir et auxquels nous pouvons accéder en fonction de la signification réelle d’une requête de recherche. Cependant, sommes-nous en mesure d’explorer tous les documents scientifiques sémantiquement pertinents avec les systèmes existants de recherche d’information au moyen de mots-clés ? Il s’agit là de la question essentielle abordée dans cette thèse. L’objectif principal de nos travaux est d’élargir ou développer le spectre des connaissances des chercheurs travaillant dans un domaine interdisciplinaire lorsqu’ils utilisent les systèmes de recherche d’information des bibliothèques numériques multidisciplinaires. Le problème se pose cependant lorsque de tels chercheurs utilisent des mots-clés de recherche dépendant de la communauté dont ils sont issus alors que d’autres termes scientifiques sont attribués à des concepts pertinents lorsqu’ils sont utilisés dans des communautés de recherche différentes. Afin de proposer une solution à cette tâche d’exploration sémantique dans des bibliothèques numériques multidisciplinaires, nous avons appliqué plusieurs approches de fouille de texte. Tout d’abord, nous avons étudié la représentation sémantique des mots, des phrases, des paragraphes et des documents pour une meilleure estimation de la similarité sémantique. Ensuite, nous avons utilisé les informations sémantiques des mots dans des bases de données lexicales et des graphes de connaissance afin d’améliorer notre approche sémantique. En outre, la thèse présente quelques implémentations de cas d’utilisation du modèle que nous avons proposé. Enfin, plusieurs évaluations expérimentales ont été menées afin de valider l’efficacité de notre approche. Les résultats de l’approche hybride, basée à la fois sur une représentation sémantique de petits textes et sur l’information sémantique des mots extraits de bases de données lexicales, ont été trèsencourageants. Nous pensons que nos nouvelles approches basées sur les techniques de fouille de texte permettent d’obtenir en pratique les résultats escomptés en ce qui concerne la limitation de l’exploration sémantique dans les systèmes classiques de recherche d’information des bibliothèques numériques. L’avantage de notre approche est qu’elle s’applique aux grandes bibliothèques numériques multidisciplinaires. En ce sens, nous utilisons les informations trouvées dans les méta-données de ces bibliothèques afin de les enrichir de balises sémantiques supplémentaires. Par conséquent, les métadonnées améliorées et enrichies permettent aux chercheurs de récupérer des documents plus pertinents d’un point de vue sémantique qui seraient autrement restés inexplorés sans cet enrichissement. Nous pensons que notre étude et les approches que nous proposons fourniront des solutions pratiques à l’accès aux connaissances et contribueront aux communautés derecherche et aux domaines de la fouille de texte et de la gestion des données dans les bibliothèques numériques