Le Web sémantique est entièrement fondé sur le Web et ne remet pas en cause ce dernier. Le Web sémantique se base donc sur la fonction basique du Web « classique » : un moyen de publier et consulter des documents. Mais les documents traités par le Web sémantique contiennent non pas des textes en langage naturel (français, espagnol, chinois, etc.) mais des informations formalisées pour être traitées automatiquement. Ces documents sont générés, traités, échangés par des logiciels. Ces logiciels permettent, souvent sans connaissance informatique :
- de générer des données sémantiques à partir de la saisie d'information par les utilisateurs
- d'agréger des données sémantiques afin d'être publiées ou traitées
- de publier des données sémantiques avec une mise en forme personnalisée ou spécialisée
- d'échanger automatiquement des données en fonction de leurs relations sémantiques
- de générer des données sémantiques automatiquement, sans saisie humaine, à partir de règles d'inférences
Principes techniques
Le Web sémantique est fondé sur les protocoles et langages standards du Web :
- le protocole HTTP
- les URI
- le langage XML (dans le cas, majoritaire, où RDF est sérialisé en XML)
À ces standards s'ajoutent ceux qui sont propres au Web sémantique :
- RDF : modèle conceptuel permettant de décrire toute donnée
- RDF Schema : langage permettant de créer des vocabulaires, ensembles de termes utilisés pour décrire des choses
- OWL : langage permettant de créer des vocabulaires complexes à des fins de traitements logiques poussés (inférences)
Ces trois standards sont ouverts et issus du W3C. Ils forment l'ossature du Web sémantique.
Un article de la revue Drug Discovery Today fait le point sur les applications du Web sémantique pour la littérature biomédicale :
Drug Discovery Today
Volume 11, Issues 7-8 , April 2006, Pages 315-325
doi:10.1016/j.drudis.2006.02.011
Copyright © 2005 Elsevier Ltd All rights reserved.
Review
Informatics
Status of text-mining techniques applied to biomedical text
Ramón A-A. Erhardt1, Reinhard Schneider2 and Christian Blaschke1, ,
1 Bioalma, Ronda de Poniente 4, 2° C-D, 28760 Tres Cantos, Madrid, Spain
2 EMBL Heidelberg, Meyerhofstrasse 1, D-69117 Heidelberg, Germany
Available online 30 March 2006.
Scientific progress is increasingly based on knowledge and information. Knowledge is now recognized as the driver of productivity and economic growth, leading to a new focus on the role of information in the decision-making process. Most scientific knowledge is registered in publications and other unstructured representations that make it difficult to use and to integrate the information with other sources (e.g. biological databases). Making a computer understand human language has proven to be a complex achievement, but there are techniques capable of detecting, distinguishing and extracting a limited number of different classes of facts. In the biomedical field, extracting information has specific problems: complex and ever-changing nomenclature (especially genes and proteins) and the limited representation of domain knowledge.
Article Outline
The analysis of human language
Lexical ambiguities
Syntactic ambiguities
Semantic ambiguities
Implications of ambiguity in language
Extracting information from text
Named entity recognition
Simplification of the NLP problem: information extraction
Text mining applications for biomedical research
Biomedical named entity recognition
Processes involved in the detection of biomedical entities
Acronym resolution
System performance
Extraction of biomedical information
Co-occurrence based text mining
Conclusion and outlook
Acknowledgements
References
The American Society of Human Genetics