Améliorer la FAIRisation des données météorologiques à l'aide de la ressource lexicale INMEVO - IRIT - Université Toulouse Jean Jaurès Access content directly
Conference Papers Year : 2023

Améliorer la FAIRisation des données météorologiques à l'aide de la ressource lexicale INMEVO

Abstract

Making meteorological data sets FAIR is a key issue for scientific research. The dmo-core model allows, for meteorological tabular data, to make the semantics of columns explicit by linking them to concepts of domain ontologies. As these concepts are generally little or not documented, we propose (1) to enrich dmo-core in order to associate definitions from a lexical resource to columns, and (2) to produce such a resource from the International Meteorological Vocabulary produced by the World Meteorological Organization (INMEVO).
Rendre les jeux de données météorologiques FAIR est un enjeu crucial pour la recherche scientifique. Le modèle dmo-core permet, pour les données tabulaires, d'expliciter la sémantique des colonnes en les reliant à des concepts d'ontologies de domaine. Ces concepts étant généralement peu ou pas documentés, nous proposons (1) d'enrichir dmo-core afin de pouvoir associer aux colonnes leurs définitions issues d'une ressource lexicale, et (2) de générer une telle ressource, à
Fichier principal
Vignette du fichier
IC_2023_paper_8.pdf (533.38 Ko) Télécharger le fichier
Origin : Files produced by the author(s)

Dates and versions

hal-04151915 , version 1 (05-07-2023)

Identifiers

  • HAL Id : hal-04151915 , version 1

Cite

Mouna Kamel, Nathalie Aussenac-Gilles, Cassia Trojahn. Améliorer la FAIRisation des données météorologiques à l'aide de la ressource lexicale INMEVO. 34èmes Journées francophones d'Ingénierie des Connaissances (IC 2023) @ PFIA 2023, Collège SIC (Science de l'Ingénierie des Connaissances) de l'AFIA, Jul 2023, Strasbourg, France. pp.1-10. ⟨hal-04151915⟩
47 View
11 Download

Share

Gmail Facebook X LinkedIn More