Σημασιολογικό φιλτράρισμα βιβλιογραφικών άρθρων

Είμαστε μάρτυρες της ραγδαίας επιστημονικής βιβλιογραφίας που υπάρχει στο Διαδίκτυο η οποία οδηγεί στο συνεχές σχεδιασμό γρήγορων μεθόδων στις μηχανές αναζήτησης και πληροφοριακών συστημάτων έτσι ώστε να γίνεται πιο ικανοποιητική η ανάκτηση αποτελεσμάτων . Η ανάγκη των ερευνητών να αναζητάνε πληροφορίες μέσω εξειδικευμένης βιβλιογραφίας με ευέλικτο και γρήγορο τρόπο, μας οδήγησε στην ανάγκη να ερευνήσουμε μια νέα προσέγγιση ως προς την ανάκτηση βιβλιογραφίας. Με την προσέγγιση αυτή, ο χρήστης μπορεί να εκφράσει μέσω εξειδικευμένων όρων ανάλογα με το πεδίο ειδίκευσης του και να εκφράσει τις βιβλιογραφικές του ανάγκες. Πιο συγκεκριμένα, έχουμε σχεδιάσει μια οντολογία που σχετίζεται με μια σπάνια ασθένεια, το σύνδρομο Prader-Willi μέσω Semantic Web standards.Ακολούθως, δημιουργήσαμε μια βάση σημασιολογικών δεδομένων, συσχετίζοντας όλα τα άρθρα της εξειδικευμένης βιβλιογραφίας με τους όρους που περιείχε η οντολογία μας μεταφράζοντας τα σε RDF triples και εφαρμόζοντας κανόνες. Έτσι, ο χρήστης μπορεί να διατυπώσει ερωτήσεις μέσω SPARQL στην βάση αυτήν και να ανακτήσει πιο συγκεκριμένες πληροφορίες ανάλογα με τις ανάγκες του. Με αυτή την μέθοδο ο χρήστης δεν αναζητάει σε μια απλή μηχανή αναζήτησης εισάγοντας κάποιους τελεστές και όρους. Έχει την δυνατότητα να κάνει πολύπλοκες ερωτήσεις μέσω SPARQL στην εξειδικευμένη βιβλιογραφία . Με αυτόν τον τρόπο, βοηθάει τους ερευνητές οι οποίοι χρειάζονται να συσχετίσουν το πεδίο γνώσεων τους με την βιβλιογραφία που χρειάζονται, να υπολογίσουν στατιστικά καθώς και καινούρια συμπεράσματα χωρίς να είναι απαραίτητο να διαβάζουν όλο το κείμενο.For researchers, finding bibliographical articles helps them to improve their knowledge on their domain of expertise. Hence, it’s a crucial but time-consuming task. In this project, we have investigated a new approach in which the keywords expressing the bibliographical needs of a researcher are related to a fine-grained description of her domain of expertise in the form of ontology. More precisely, we have developed an ontology related to a rare disease (the Prader-Willi syndrome) as a deductive database that we have described using Semantic Web standards (namely, RDFS enriched with rules), and stored as a set of RDF triples. We have obtained a knowledge base describing the content of a corpus filtered by the terms of the domain ontology. This knowledge base, made of a set of RDF triples and a set of rules, can be seen as a deductive database that can be saturated and then queried using the query language SPARQL. In particular, this approach enables querying capabilities that goes much beyond the keyword-based search capabilities offered by search engines and more generally by information retrieval systems. We have shown by example the interest and the power of such a declarative knowledge-based approach both for computing variety of statistics on the corpus and its correlation with formal terms of a domain of interest, and for helping experts to find useful fine-grained information within a textual corpus