97

Les avancées de l’initiative Linked Open Data (LOD) ont permis de mieux structurer le web des données. Quelques jeux de données servent de centralisateurs (e.g., DBpedia) qui maintiennent les différentes sources de données du LOD liées entre elles. Ces jeux de données ont également permis le développement de services de détection des entités du web des données dans une page du web des documents (e.g., DBpedia Spotlight). Pour permettre l’émergence de nouveaux usages qui combineront les deux webs, nous proposons un algorithme qui ordonne les entités détectées dans une page web en fonction de l’expression d’un besoin d’information. Nous utilisons cet algorithme pour construire un système de génération de snippets sémantiques dont nous montrons expérimentalement l’utilité et l’utilisabilité.

The advances of the Linked Open Data (LOD) initiative are giving rise to a more structured web of data. A few datasets act as hubs (e.g., DBpedia) connecting many other datasets. They also make possible new web services for entity detection inside plain text (e.g., DBpedia Spotlight), thus allowing for new applications that will benefit from a combination of the web of documents and the web of data. To ease the emergence of these new use-cases, we propose a query-biased algorithm for the ranking of entities detected within a web page. Our algorithm combines link analysis with dimensionality reduction. We use crowdsourcing for building a publicly available and reusable dataset on which we compare our algorithm to the state of the art. Finally, we use this algorithm for the construction of semantic snippets for which we evaluate the usability and the usefulness with a crowdsourcing-based approach.