DAGOBAH: Annotation sémantique de données tabulaires par comparaison du contexte des tables et d'un graphe de connaissances
Résumé
In this paper, we present the latest improvements of the
DAGOBAH system that performs automatic pre-processing
and semantic interpretation of tables. In particular, we report
promising results obtained in the SemTab 2021 challenge
thanks to optimisations in lookup mechanisms and
new techniques for studying the context of nodes in the target
knowledge graph. We also present the deployment of
DAGOBAH algorithms within the Orange company via the
TableAnnotation API and a front-end DAGOBAH user interface.
These two access methods enable to accelerate the
adoption of Semantic Table Interpretation solutions within
the company to meet industrial needs.
Cet article présente les améliorations apportées à DAGO-BAH, un système effectuant un pré-traitement automatique et une interprétation sémantique de données tabulaires en fonction d'un graphe de connaissances. Nous détaillons les optimisations des mécanismes de recherche de candidats et les nouvelles techniques d'étude du contexte des noeuds du graphe de connaissances cible qui nous ont permis d'obtenir les meilleures performances lors du challenge SemTab 2021 en terme de précision. Nous décrivons également le déploiement des algorithmes DAGOBAH au sein de l'entreprise Orange via l'API TableAnnotation et une interface utilisateur. Ces deux méthodes d'accès permettent d'accélérer l'adoption de solutions d'interprétation de tables au sein de l'entreprise pour répondre à des besoins industriels.
Origine : Fichiers produits par l'(les) auteur(s)
Licence : CC BY - Paternité
Licence : CC BY - Paternité