ACCUEIL

Consignes aux
auteurs et coordonnateurs
Nos règles d'éthique

APPEL À
CONTRIBUTION
« Intelligence Artificielle et Agriculture Numérique »
En savoir plus >>
Autres revues >>

Revue d'Intelligence Artificielle

0992-499X
Revue des Sciences et Technologies de l'Information
 

 ARTICLE VOL 32/3 - 2018  - pp.373-405  - doi:10.3166/ria.32.373-405
TITRE
Améliorer la recherche de vérité en exploitant la connaissance de domaines via les ontologies et les règles d'association

TITLE
Benefit from domain ontologies and rule mining to improve truth discovery

RÉSUMÉ

Face au danger de la désinformation et de la prolifération de fake news (fausses nouvelles), un domaine de recherche a émergé ces dernières années : la détection de vérité sur le web. Héritière de la vérification de faits (fact checking) d’une part et des techniques de fusion de données d’autre part, la détection de vérité analyse les assertions émises par différentes sources afin de déterminer celle qui est la plus fiable et digne de confiance. Cette étape est cruciale dans un processus d’extraction de connaissances, par exemple, pour constituer des bases de qualité, sur lesquelles pourront s’appuyer différents traitements ultérieurs (aide à la décision, recommandation, raisonnement...). Les approches existantes faisaient jusqu’ici abstraction de la connaissance a priori d’un domaine. Dans cette contribution, nous montrons comment les modèles de connaissance (ontologies de domaine) peuvent avantageusement être exploités pour améliorer les processus de recherche de vérité. Nous insistons principalement sur deux approches : la prise en compte de la hiérarchisation des concepts de l’ontologie et l’identification de motifs dans les connaissances qui permet, en exploitant certaines règles d’association, de renforcer la confiance dans certaines assertions. Chaque approche est validée sur différents jeux de données qui sont rendus disponibles à la communauté, tout comme le code de calcul correspondant aux deux approches.



ABSTRACT

Data veracity is one of the main issues regarding web data. Facing fake news proliferation and disinformation dangers, Truth Discovery models can be used to assess this veracity by estimating value confidence and source trustworthiness through analysis of claims on the same real-world entities provided by different sources. This treatment is crucial within an automated knowledge extraction process, in particular if resulting knowledge bases (KB) are devoted to be used in decision processes. Many studies have been conducted in Truth Discovery domain; however none of them, to our knowledge, take into account the a priori knowledge that may exist regarding a domain (e.g., domain ontologies). This article proposes two ways to reinforce some value confidences and thus source trustworthiness calculus during this process: the first one considers the concepts’ hierarchy and the second one exploits patterns that are extracted from KB using association rule learning techniques. Both approaches are validated and tested using benchmarks, that are freely available as well as the source code.



AUTEUR(S)
Valentina BERETTA, Sylvie RANWEZ, Sébastien HARISPE, Isabelle MOUGENOT

MOTS-CLÉS
détection de vérité, ontologies, web sémantique, confiance, fiabilité des sources, détection de règles, raisonnement.

KEYWORDS
truth discovery, ontologies, semantic web, value confidence, source trustworthiness, association rule learning, reasoning.

LANGUE DE L'ARTICLE
Français

 PRIX
• Abonné (hors accès direct) : 7.5 €
• Non abonné : 15.0 €
|
|
--> Tous les articles sont dans un format PDF protégé par tatouage 
   
ACCÉDER A L'ARTICLE COMPLET  (787 Ko)



Mot de passe oublié ?

ABONNEZ-VOUS !

CONTACTS
Comité de
rédaction
Conditions
générales de vente

 English version >> 
Lavoisier