lire le livre Le Linked Data à l'université: La plateforme LinkedWiki

Le Linked Data à l'université: La plateforme LinkedWiki

LIVRES ILLIMITÉS, LE TOUT EN UN SEUL ENDROIT. GRATUIT POUR ESSAYER COMPTE GRATUIT.

Titre original:Le Linked Data à l'université: La plateforme LinkedWiki
Taille:6614KB
Évaluation:
Type:PDF, ePub, Kindle
Catégorie:Livre
Téléchargé:2020 Nov 3

Le Center for Data Science de l'Université Paris-Saclay a déployé une plateforme compatible avec le Linked Data en 2016. Or, les chercheurs rencontrent face à ces technologies de nombreuses difficultés. Pour surmonter celles-ci, une approche et une plateforme appelée LinkedWiki, ont été conçues et expérimentées au-dessus du cloud de l'université (IAAS) pour permettre la création d'environnements virtuels de recherche (VRE) modulaires et compatibles avec le Linked Data. Nous avons ainsi pu proposer aux chercheurs une solution pour découvrir, produire et réutiliser les données de la recherche disponibles au sein du Linked Open Data, c'est-à-dire du système global d'information en train d'émerger à l'échelle du Web. Cette expérience nous a permis de montrer que l'utilisation opérationnelle du Linked Data au sein d'une université est parfaitement envisageable avec cette approche. Cependant, certains problèmes persistent, comme (i) le respect des protocoles du Linked Data et (ii) le manque d'outils adaptés pour interroger le Linked Open Data avec le langage SPARQL. Nous proposons des solutions à ces deux problèmes au sein de cette thèse. Afin de pouvoir vérifier le respect d'un protocole SPARQL au sein du Linked Data d'une université, nous avons créé l'indicateur SPARQL Score qui évalue la conformité des services SPARQL avant leur déploiement dans le système d'information de l'université.De plus, pour aider les chercheurs à interroger le Linked Open Data, nous avons implémenté le démonstrateur SPARQLets-Finder qui facilite la conception de requêtes SPARQL à l'aide d'outils d'autocomplétion sans connaissance préalable des schémas RDF au sein du Linked Open Data. Cette thèse a été soutenue le 25/01/2019.