désignent un ensemble de méthodes, d'outils et de normes permettant de donner un sens aux données et de faciliter leur traitement automatique par des machines.
permettent de structurer, partager et interroger des informations en s'appuyant sur des concepts et des relations sémantiques plutôt que sur des mots-clés ou des données brutes.
sont essentielles pour transformer les données en connaissances utilisables par des machines et des humains.
Objectifs des technologies sémantiques :
Interopérabilité des données : Faciliter le partage et l'intégration d'informations entre différents systèmes.
Recherche avancée : Améliorer les résultats des moteurs de recherche en comprenant le sens des requêtes.
Automatisation des processus : Permettre aux machines de raisonner et de prendre des décisions basées sur des connaissances structurées.
Principaux composants des technologies sémantiques :
Schémas XML et RDFS :
Permettent de structurer et valider les données
RDF (Resource Description Framework) :
Langage standard pour représenter des données sous forme de triplets : sujet, prédicat, objet.
Exemple : <Personne1> <a pour prénom> "Corinne".
OWL (Web Ontology Language) :
Langage permettant de définir des ontologies : modèles conceptuels qui décrivent les relations entre des concepts.
Exemple : "Un étudiant est une personne" ou "Un professeur enseigne un cours".
SPARQL :
Langage de requête pour interroger des bases de données RDF.
Ontologies :
Structures qui modélisent un domaine en définissant des concepts, des propriétés et des relations entre eux.
Applications des technologies sémantiques :
Web sémantique : Organiser le contenu du web pour que les machines puissent comprendre les pages web.
Systèmes de recommandation : Proposer des contenus personnalisés (ex. Netflix, Amazon).
Santé : Faciliter l'intégration des données médicales pour des diagnostics ou recherches.
Industrie 4.0 : Interconnexion des machines avec des données intelligentes.