De la requˆ ete pivot ` a la requˆ ete finale

Nous pr´esentons ici intuitivement la notion de patrons.

Les exemples1,2,3 et4 correspondent `a des requˆetes simples que des utilisateurs pour-raient poser sur le domaine du cin´ema.

Exemple 1 Who plays in the movie The Artist ?

Exemple 2 Who is the director of the movie The Artist ?

Exemple 3 Which movies were directed by Michel Hazanavicius ? Exemple 4 Which movies were directed by the Coen brothers ?

En consid´erant qu’ils sont d´efinis pour une base de connaissances du cin´ema, les figures5.3, 5.4, 5.5 et 5.6repr´esentent des graphes de requˆetes qui sont des formalisations possibles de ces exemples. Lors de la g´en´eration de ces graphes, la variable ?res represente la ressource recherch´ee ; pendant la phase de projection⁵ de ce graphe sur la base de connaissances, l’en-semble des valeurs possibles pour cette variable seront consid´er´ees comme ´etant des r´eponses

`

a la requˆete.

Figure5.3 – Graphe requˆete pour l’exemple 1

Figure5.4 – Graphe requˆete pour l’exemple 2

Figure5.5 – Graphe requˆete pour l’exemple 3

Le patron pr´esent´e dans la figure5.7est un patron tr`es simple, couvrant les diff´erentes re-quˆetes concernant les acteurs jouant dans un film. Le nœudc1 est appel´e un´el´ement qualifiant car il fait r´ef´erence `a la classe cine:Movie de la base de connaissances. L’intuition derri`ere notre approche est qu’une requˆete pourra ˆetre g´en´er´ee en identifiant le patron (autrement dit la famille de requˆetes) adapt´e `a la requˆete, puis en substituant l’´el´ement qualifiant par le nom du film sp´ecifiquement r´ef´erenc´e dans la requˆete. Nous appelons cette ´etapeinstantiation du patron. L’instantiation du patron 5.7 pour la requˆete1 m`enera `a la cr´eation du graphe 5.3, en substituant l’´el´ement qualifiant par la ressource cine:TheArtist.

Comme cela est illustr´e dans la figure 5.7, chaque patron est ´egalement compos´e d’une phrase descriptive. Cette phrase est une sucession de chaˆınes de caract`eres fixes et d’´el´ements

5. On appelle projection d’un graphe requˆete dans une base de connaissances l’op´eration visant `a apparier le graphe requˆete aux graphes faits afin de chercher des r´eponses `a la requˆete. Il s’agit en termes d’algorithmique de graphes d’une recherche d’homomorphismes.

Figure 5.6 – Graphe requˆete pour l’exemple 4

Figure5.7 – Patron issu de la requˆete5.3.

faisant r´ef´erence `a un element qualifiant du graphe. Ces ´el´ements r´ef´eren¸cant un sommet sont d´efinis pour ˆetre potentiellement remplac´es par un terme d´esignant la ressource qui se substituera `a l’´el´ement qualifiant lors du processus d’instantiation du patron. Par exemple, l’instanciation du patron 5.7pour la requˆete1m`enera `a la g´en´eration de la phrase descriptive :

“Who plays in The Artist ?”. Dans notre approche, nous consid´erons des constructions plus complexes de phrases descriptives.

De la mˆeme fa¸con, nous pouvons construire les patrons5.8et5.9, respectivement inspir´es des graphes requˆetes5.4et5.5. Ces patrons sont assez similaires, l’un cherchant le r´ealisateur d’un film et l’autre un film dirig´e par un r´ealisateur. Le patron5.10est le r´esultat de la fusion de ces deux patrons ; ce graphe est donc form´e de deux sommets qualifiantsc₁etc₂, l’un faisant r´ef´erence `a la classe cine:Movie et l’autre `a la classe cine:Director. Comme les ´el´ements qualifiants correspondent `a deux classes diff´erentes, la phrase descriptive n’est plus exprim´ee sous la forme d’une question, afin de pouvoir anticiper le cas o`u l’un ou l’autre des sommets est le focus de la question. L’instanciation du patron pour la requˆete2sera le graphe requˆete de la figure5.11 et la phrase descriptive sera :“The Artist was directed by some director.”. La sous-chaˆıne correspondant au focus est mise en ´evidence syntaxiquement.

Figure5.8 – Patron propos´e pour repr´esenter la requˆete5.4

Figure5.9 – Patron propos´e pour repr´esenter la requˆete5.5

Pour permettre la g´en´eralisation du graphe requˆete 5.6, le patron 5.10 doit ˆetre instan-ci´e en r´ep´etant l’unique triplet qui le compose avec deux instances diff´erentes de la classe cine:Director. Nous avons donc d´efini la possibilit´e d’indiquer qu’un patron est “r´ep´etable”

en offrant la possibilit´e de fixer sa cardinalit´e. La figure5.12montre un exemple de patron qui peut ˆetre r´ep´et´e n fois et son instantiation pour la requˆete4 g´en´erera le graphe pr´esent´e en

Figure5.10 – Patron correspondant `a la fusion des patrons5.8 and5.9

Figure5.11 – Graphe requˆete issu de l’instantiation du patron 5.10pour la requˆete de l’exemple2.

figure 5.6avec la phrase descriptive“A movie was directed by Joel Coen and Ethan Coen.”

De la mˆeme fa¸con, il est possible de pr´eciser qu’un sous-graphe du patron, que nous appelons sous-patron, peut avoir une cardinalit´e minimale. Dans le cas ou la cardinalit´e minimale est 0, ce sous-patron est optionnel. Le patron pr´esent´e dans la figure 5.13 est une

´

evolution du patron 5.12, contenant un triplet optionnel pour repr´esenter les acteurs qui jouent dans un film.

Figure5.12 – Exemple de patron complexe, contenant un sous-patron r´ep´etable.

Figure5.13 – Exemple de patron complexe, contenant des sous-patrons optionnels et r´ep´etables.

Nous ne pr´esentons pas la d´efinition formelle des patrons de requˆetes ni l’algorithme de construction de la requˆete finale `a partir de la requˆete utilisateur, le tout ´etant pr´esent´e de mani`ere exhaustive dansPradel et al. (2013).

5.2.4.2 G´en´eration de la requˆete formelle

La traduction en la requˆete pivot en une requˆete graphe se fait par l’interm´ediaire des patrons. La figure5.14 illustre toutes les ´etapes de ce processus.

Figure 5.14 – ´Etapes de l’interpr´etation de la requˆete pivot.

Dans un premier temps, des correspondances sont ´etablies entre les ´el´ements de la requˆete utilisateur et les ´el´ements de la base de connaissances (instances, classes, propri´et´es et types de donn´ees).

Les ´etapes suivantes consistent `a associer chaque patron de requˆetes `a la requˆete pivot `a traiter, de fa¸con conforme aux correspondances pr´ealablement ´etablies. Cette op´eration est r´ealis´ee de fa¸con ascendante : tout d’abord sont g´en´er´ees des associations entre ´el´ements de patron et ´el´ements de requˆete, puis entre sous-patron et requˆete pivot, en commen¸cant par les sous-patrons basiques (ceux qui ne contiennent aucun autre sous-patron), et en ´elargissant progressivement aux sous-patrons englobants, jusqu’`a obtenir les associations du patron lui-mˆeme. Chaque correspondance de patron obtenue est une interpr´etation potentielle de la requˆete pivot.

Dans le but de pr´esenter `a l’utilisateur les interpr´etations les plus pertinentes en priorit´e, une score de pertinence est calcul´ee pour chaque association de patron. Ce score refl`ete la fiabilit´e suppos´ee de l’association de patron concern´ee, et donc de l’interpr´etation qu’elle incarne. Les associations sont ensuite ordonn´ees selon cette note avant d’ˆetre soumises `a l’utilisateur.

Enfin, la g´en´eration pour chaque association de patron de la phrase descriptive (la phrase pr´esent´ee `a l’utilisateur repr´esentant le sens la requˆete) et de la requˆete SPARQL (la requˆete ex´ecut´ee sur la base de connaissances si la phrase descriptive associ´ee est s´electionn´ee par l’utilisateur) se fait facilement, grˆace au mod`ele de phrase descriptive et au graphe de chaque patron.

Les d´etails de ces ´etapes sont d´ecrits dansPradel et al. (2013).