Comme l'alignement des ontologies facilite l'échange de connaissances entre les sources de données hétérogènes, plusieurs méthodes ont été introduites dans la littérature. Cependant, peu d'entre elles se sont intéressées à la diminution de la complexité du problème et à la réduction de l'espace de recherche des correspondances entre les ontologies d'entrée. Cet article présente une nouvelle approche pour l'alignement des ontologies basée sur l'exploration des connaissances en ontologie. Cette dernière consiste à produire pour chaque ontologie une structure hiérarchique de grappes conceptuelles floues, où un concept peut appartenir à plusieurs clusters simultanément.Chaque niveau de la hiérarchie reflète le degré de granularité des connaissances de la base de connaissances afin d'améliorer l'efficacité et la rapidité de la récupération d'informations.En fait, une telle méthode permet à la granularité des connaissances d'analyser entre les ontologies et facilite plusieurs techniques d'ingénierie ontologique.Le processus d'alignement des ontologies est effectué de manière itérative sur la structure hiérarchique produite des clusters flous à l'aide de techniques sémantiques.Une fois les clusters correspondants identifiés, nous considérons à la fois les caractéristiques syntaxiques et structurelles de leurs entités correspondantes.L' approche proposée a été testée sur l'ensemble de données de référence de l'OAEI et sur certaines ontologies mammographiques réelles puisque cela Le travail fait partie du projet CMCU pour l'analyse d'images mammographiques pour l'assistance au diagnostic du cancer du sein. Le système donne de bons résultats en termes de précision et de rappel par rapport à d'autres systèmes d'alignement.

Como la alineación de ontologías facilita el intercambio de conocimientos entre las fuentes de datos heterogéneas, se han introducido varios métodos en la literatura. Sin embargo, pocos de ellos se han interesado en disminuir la complejidad del problema y reducir el espacio de investigación de correspondencias entre las ontologías de entrada. Este artículo presenta un nuevo enfoque para la alineación de ontologías basado en la minería de conocimientos de ontologías. Esta última consiste en producir para cada ontología una estructura jerárquica de grupos conceptuales difusos. donde un concepto puede pertenecer a varios clústeres simultáneamente. Cada nivel de la jerarquía refleja el grado de granularidad del conocimiento de la base de conocimiento para mejorar la efectividad y la rapidez de la recuperación de información. De hecho, dicho método permite que la granularidad del conocimiento analice entre las ontologías y facilita varias técnicas de ingeniería ontológica. El proceso de alineación de la ontología se realiza de forma iterativa sobre la estructura jerárquica producida de los clústeres difusos utilizando técnicas semánticas. Una vez que se identifican los clústeres correspondientes, consideramos las características sintácticas y estructurales de sus entidades correspondientes. El enfoque propuesto se ha probado sobre el conjunto de datos de referencia OAEI y algunas ontologías mamográficas reales ya que este el trabajo es parte del proyecto CMCU para el análisis de imágenes mamográficas para la asistencia en el diagnóstico del cáncer de mama. El sistema ofrece buenos resultados en términos de precisión y recuperación con respecto a otros sistemas de alineación.

As the ontology alignment facilitates the knowledge exchange among the heterogeneous data sources, several methods have been introduced in literature.Nevertheless, few of them have been interested in decreasing the problem complexity and reducing the research space of correspondences between the input ontologies.This paper presents a new approach for ontology alignment based on the ontology knowledge mining.The latter consists on producing for each ontology a hierarchical structure of fuzzy conceptual clusters, where a concept can belong to several clusters simultaneously.Each level of the hierarchy reflects the knowledge granularity degree of the knowledge base in order to improve the effectiveness and speediness of the information retrieval.Actually, such method allows the knowledge granularity analyze between the ontologies and facilitates several ontology engineering techniques.The ontology alignment process is performed iteratively over the produced hierarchical structure of the fuzzy clusters using semantic techniques.Once the correspondent clusters are identified, we consider both syntactic and structural characteristics of their correspondent entities.The proposed approach has been tested over the OAEI benchmark dataset and some real mammographic ontologies since this work is a part of CMCU project for Mammographic images analysis for Assistance Diagnostic Breast Cancer.The system performs good results in the terms of precision and recall with respect to other alignment system.

نظرًا لأن محاذاة الأنطولوجيا تسهل تبادل المعرفة بين مصادر البيانات غير المتجانسة، فقد تم تقديم العديد من الطرق في الأدبيات. ومع ذلك، فقد اهتم عدد قليل منهم بتقليل تعقيد المشكلة وتقليل مساحة البحث للمراسلات بين الأنطولوجيات المدخلة. تقدم هذه الورقة نهجًا جديدًا لمحاذاة الأنطولوجيا استنادًا إلى استخراج المعرفة الأنطولوجية. يتكون هذا الأخير من إنتاج هيكل هرمي لكل أنطولوجيا لمجموعات مفاهيمية غامضة، حيث يمكن أن ينتمي المفهوم إلى عدة مجموعات في وقت واحد. يعكس كل مستوى من التسلسل الهرمي درجة دقة المعرفة لقاعدة المعرفة من أجل تحسين فعالية وسرعة استرجاع المعلومات. في الواقع، تسمح هذه الطريقة بتحليل دقة المعرفة بين الأنطولوجيات وتسهل العديد من تقنيات هندسة الأنطولوجيا. يتم إجراء عملية محاذاة الأنطولوجيا بشكل متكرر على الهيكل الهرمي المنتج للمجموعات الغامضة باستخدام التقنيات الدلالية. بمجرد تحديد المجموعات المراسلة، نعتبر كل من الخصائص النحوية والهيكلية للكيانات المراسلة لها. تم اختبار النهج المقترح على مجموعة بيانات معيار OAEI وبعض الأنطولوجيات الماموغرافية الحقيقية منذ ذلك الحين العمل هو جزء من مشروع CMCU لتحليل صور الثدي الشعاعية للمساعدة في تشخيص سرطان الثدي. يؤدي النظام نتائج جيدة من حيث الدقة والتذكر فيما يتعلق بنظام المحاذاة الآخر.