Requêter le Web en tant que Graphes de Connaissances

Le Web sémantique vise à améliorer le Web en y ajoutant des données structurées, permettant ainsi des capacités de recherche plus avancées Malgré une croissance significative, d’importantes lacunes subsistent dans la couverture des informations du quotidien, et l’interrogation de grandes fédérations de points d’accès SPARQL présente des défis de performance. Cette thèse aborde deux questions clés : (1) Les modèles de Grands Modèles de Langue (LLM) peuventils être fiables pour générer des annotations Schema.org précises ? (2) Comment optimiserles requêtes au sein d’une fédération croissante de points d’accès SPARQL? Pour répondre à ces questions, cet ouvrage propose deux contributions majeures. D’abord, nous proposons LLM4Schema.org comme un outil pour valider les annotations générées par les LLMs. Ensuite, FedShop évalue l’évolutivité des fédérations SPARQL, tandis que FedUP améliore les performances des requêtes grâce à un algorithme tenant compte des résultats. Ensemble, ces innovations améliorent la couverture des données et l’efficacité des requêtes sur le Web sémantique.