Search

Spatial technology has gained momentum under database systems. More specifically, the spatial operations and spatial functions are used to carry out spatial analysis which can be executed through these database systems. In addition, there has been significant amount of research in the field of the geospatial ontology domain in order to achieve the semantic interoperability between different data sources. Although, data interoperability is one of the main objectives of the Semantic Web technologies, the potentiality of the underlying knowledge tools and techniques have not been completely identified. With the growing influence of the Semantic Web technologies towards the application based on knowledge management and intelligent systems, the geospatial application benefits from this influence. This thesis emphasizes on the use of knowledge to manage spatial data within spatial information systems through the Semantic Web framework. This research activity is carried out with the backdrop of the case study of the industrial archaeology. It sets up an ideal environment for the application of knowledge to manage the huge and heterogeneous dataset. The use of knowledge to manage the diversity of information was well executed through the application prototype named ArchaeoKM which is based on the Semantic Web. The ArchaeoKM framework follows the 4Ks processing steps: Knowledge Acquisition, Knowledge Management, Knowledge Visualization and Knowledge Analysis. The same processing principle of 4Ks was implemented during the spatial knowledge processing. A top level ontology was developed in order to serve as the background representation of the case study in order to adjust the spatial components. Keeping the custom, the spatial knowledge processing begins with acquiring spatial signatures of the identified objects. The spatial signatures are stored within the spatial database system with proper mapping to the objects in the knowledge base. The spatial knowledge of these objects is managed through executing the spatial functions at the database level and enriching the knowledge base with the results. This spatially enriched knowledge base is used again to analyze the spatial knowledge. This research thesis benefits from Semantic Web Rule Language in order to infer knowledge. In addition, the spatial built-ins proposed during the course add up spatial dimension to the SWRL for spatial inferences. Similarly, a spatial extension of the query language SPARQL is proposed in order to query spatial knowledge from the knowledge base. Actually, this research thesis provides the initial steps in integrating spatial components within the Semantic Web framework. This integration process is important for both technologies. Regarding the Semantic Web, the integration of non-typical semantic information within this framework opens up doors to other data pattern making the transformation of technologies easier. Likewise, geospatial technologies and GIS systems benefits through the inclusion of knowledge in the analysis process making the analysis much closer and efficient to human interpretation., L’analyse spatiale de données géographies connaît un regain d’intérêt dans la communauté des bases de données relationnelles. Plus spécifiquement, les opérations et les fonctions spatiales utilisées comme base de l’analyse spatiale sont implémentées par les grands noms des systèmes de gestion de bases de données relationnelles limitant ainsi l’hétérogénéité structurelle des systèmes. En outre, la littérature est abondante en publications dans le domaine des ontologies spatiales afin de limiter l’hétérogénéité sémantique des sources de données tout en améliorant l’interopérabilité de ces données. Bien que l’interopérabilité des données soit l’un des objectifs du Web Sémantique, tout le potentiel de ces outils et de ces techniques basés sur la connaissance n’a pas été révélé. Avec l’influence sans cesse croissante du Web Sémantique à travers ces outils et applications en gestion de la connaissance et système intelligent, les applications utilisant des données géospatiales suivent ce phénomène en bénéficiant de son influence. Cette thèse se focalise sur l’utilisation de la connaissance métier afin de gérer des données spatiales à l’aide des technologies du Web sémantique. L’activité de recherche menée dans le cadre de cette thèse est réalisée sur des données provenant du domaine de l’archéologie industrielle. Cet environnement se caractérise par son hétérogénéité et sa grande quantité de données offrant ainsi un cadre idéal pour la réalisation d’un outil de gestion de connaissance. Cet outil basé sur les technologies du Web Sémantique a été prototypé sous le nom d’ArchaeoKM suivant le principe des 4 K, Knowledge Acquisition, Knowledge Management, Knowledge Visualization and Knowledge Analysis. Ce même principe est mis en œuvre pour les données spatiales. Une ontologie de haut niveau a été développée pour servir de cadre applicatif à la gestion des données spatiales permettant d’ajuster une ontologie de domaines sans composante spatiale. Le processus de gestion de la connaissance commence avec l’acquisition de la signature spatiale des objets identifiés. Cette signature est stockée dans un système de gestion de bases de données spatiales et est référencée par l’objet correspondant dans la base de connaissance. La connaissance spatiale de ces objets est générée à l’aide des fonctions et des opérations spatiales au niveau de la base de données spatiale et l’enrichissement de la base de connaissance est réalisé avec le résultat de ces opérations et fonctions. L’inférence de nouvelle connaissance sur la base des données existante est réalisée à l’aide de SWRL (Semantic Web Rule Language). De plus, ce langage a été étendu à l’aide de nouveaux built-ins spatiaux afin de prendre en sidération la dimension spatiale des données. De même, cette dimension spatiale a été apportée au langage SPARQL afin de réaliser des requêtes spatiales sur la base de connaissances.En effet, l’objectif principal de cette thèse est d’initier le premier pas vers l’intégration des composantes spatiales avec les technologies du Web Sémantique. Le processus d’intégration est premier plan pour les deux technologies. D’un point de vue Web Sémantique, l’intégration de données non communes dans ce cadre applicatif ouvre la porte à l’intégration de données beaucoup plus large. D’un point de vue des systèmes d’information géographique, l’inclusion de la connaissance permet une gestion métier des données rendant l’analyse plus proche de l’interprétation humaine.

International audience; The emerging ISO/IEC 29110 standard Lifecycle profiles for Very Small Entities is targeted at very small entity (VSE) having up to 25 people, to assist them unlock the potential benefits of using software engineering standards. VSEs may use semantic web technologies to improve documentation management infrastructure and processes. We proposed to use a semantic wiki for documentation management based on an identification scheme inspired from an IFLA proposition called Functional Requirements for Bibliographic Records. The document identification scheme allows documents to be managed by the internal resource management of the semantic wiki, hence benefiting from a straightforward but powerful version control. With few inputs of semantic annotations by VSE employees - through usable semantic forms and templates, the semantic wiki acts as a library catalog, and users can find, identify, select, obtain, and navigate resources.

National audience; Wiki systems have evolved in two different ways : semantic wikis and peer to peer wikis. Semantic wikis integrate the semantic web technologies in order to improve their structure, the search and the navigation between pages. Peer-to-peer wikis offer a support for massive collaboration, off-line editing mode and an ad-hoc collaboration. The main challenge in designing a peer-to-peer semantic wiki combining both approaches is the merge of wiki pages embedding semantic annotations. Merging algorithms used in peer-to-peer wiki systems have been designed for linear text. They do not handle semantic data. In this paper, we present SWooki the first peer-to-peer semantic wiki. SWooki combines the advantages of both semantic wikis and peer-to-peer wikis. We detail SWooki approach and its merging algorithm, we insist on its characteristics and its functionalities. We conclude by presenting its architecture and its implementation.