JABES 2017 - L'histoire d'un document dans la plate-forme ISTEX
•
0 gefällt mir•280 views
L'histoire d'un document dans la plate-forme ISTEX Valérie Mahut, Claude Niederlander, Nicolas Thouvenin (INIST-CNRS) Journées ABES 2017
Empfohlen
Empfohlen
Weitere ähnliche Inhalte
Was ist angesagt?
Was ist angesagt? (10)
Ähnlich wie JABES 2017 - L'histoire d'un document dans la plate-forme ISTEX
Ähnlich wie JABES 2017 - L'histoire d'un document dans la plate-forme ISTEX (20)
Mehr von ABES
Mehr von ABES (20)
Kürzlich hochgeladen
Kürzlich hochgeladen (13)
JABES 2017 - L'histoire d'un document dans la plate-forme ISTEX
- 1. Valérie MAHUT Claude NIEDERLENDER Nicolas THOUVENIN 1
- 3. Mon document est perdu au milieu d’un disque dur
- 4. 24B2086460F9BD8A775126FA493E804E80BA0F1F/fulltext/pdf 4 XML valide PDF texte nbre XML nbre PDF DTD format abstract nbre fichiers structure Qualité Journals Books Book series quantitative qualitative
- 6. 6 Editeurs
- 7. S’assurer que mon document est cohérent par rapport aux autres
- 8. Constat : ➢ Modèles de documents DTD et schémas multiples ➢ Respect aléatoire des standards de la part des éditeurs ➢ Formes et éléments de contenu très variés, contenu inexact ou absent ➢ Spécificité d’un corpus en XML (arborescence avec respect aléatoire de la DTD, noms des éléments différents, espaces de noms non déclarés ...) 8 La standardisation des données a pour objectif d’assurer une interopérabilité optimale des données en vue de leur réutilisation. Standardisation : ➢ Formats standards : ● MODS, TEI … ➢ Données (valeurs)
- 9. 9 Langue Date de publication. Type de document Code pays autres ... Feuille de transformation XSL Normalisation des corpus et amélioration de la qualité
- 10. Pour rendre mon document compatible avec différents standards
- 11. Metadonnées : ● titles ● abstracts ● identifiers ● authors / affiliations ● keywords ● bibliographic references ● etc. 11 MODS (Metadata Object Description Schema) : En tant que format d’échanges et de partage, il permet une articulation entre des données bibliographiques construites selon des modèles différents (books + journals) Format pivot
- 12. Metadonnées dans <teiHeader> : ● titles ● abstracts ● identifiers ● authors / affiliations ● keywords ● bibliographic references ● etc. + balisage du texte dans <text><body> 12 TEI (Text Encoding Initiative) : Effort international pour unifier les pratiques d’encodage de texte dans le domaine académique. - Plein texte dans XML - généré à partir du PDF
- 13. Pour permettre à mon document d’être “recherchable” & “analysable” par des outils TDM
- 14. 14PDF non exploitable pb d’encodage re-océrisation nécessaire !
- 15. 15PDF non exploitable, absence de texte recherchable (image) texte extrait OCR Tesseract
- 16. Pour permettre à des outils de traiter ou de chercher dans différentes parties du texte de mon document
- 17. 17 9,5M de documents traités par l’outil Grobid
- 18. 9 types d'entités : ● Personnes, ● Lieux, ● Organisations, ● Projets financés, ● Organisme financeur, ● Hébergeur de ressources, ● URL, ● Dates, ● Citations 18 15M de documents traités par Unitex/CasSys
- 19. Pour ranger mon document parmi les autres
- 20. 20 Comment ranger des millions de textes ? Classer automatiquement mon document dans 3 classifications : • Science Metrix : (228 cat.) • WoS : (198 cat.) • Plan Inist : (117 cat.)
- 21. 21 13,5M de documents classé par appariement 7,4M de documents catégorisés automatiquement ■ Natural sciences ● Biology • Plant biology & botany ■ Sciences ● Plant sciences ■ Sciences appliquées, technologies et médecines ● Sciences biologiques et médicales • Sciences biologiques fondamentales et appliquées • Agronomie, Sciences du sol et productions végétales
- 22. Mettre à disposition mon document et toutes les informations associées
- 23. 7 types d’enrichissement : • Entités nommées • Références bibliographiques • Termes extraits • Catégories / Domaines • Indexation sujet (ABES) • Auteurs (ABES) • Texte ré-océrisé 23 ...
- 24. exemple pour l’indexation ABES: exemple pour les entités nommées : 24
- 25. Une API pour permettre à mon document d’être consulté
- 26. 26 Un Web Service permettant d'accéder à mon document grâce à des fonctionnalités de : • Recherche avancée • Tri • Pagination • Facettes • Téléchargement
- 27. 27 https://api.istex.fr/document/?q=relativit* AND author.name:(Einstein OR "Max Planck"^2) AND publicationDate:[1910 TO 1920]&facet=language&rankBy=qualityOverRelevance&sortBy=publicationDate[desc]&output=t itle,author,refbibs,host,metadata&stats ???
- 28. 28 Après intégration, recherche et accès au plein-texte : • Widgets • Portails universitaires / ENT • Outils de découverte • Google Scholar • Démonstrateur • Extension Firefox & Google Chrome • ...
- 29. Permettre à mon document d’être trouvé via plusieurs moteurs compatibles OpenURL
- 30. ● L'API ISTEX dispose de son propre résolveur dédié aux ressources ISTEX ● Respect de la Norme OpenURL z39_88_2004 (versions 0.1 et 1.0) ● Résolution à partir ○ d'identifiants forts (DOI, PMID…) ○ de métadonnées, si suffisamment exhaustives ● Exemples ○ https://api.istex.fr/document/openurl?rft_id= info:doi/10.1007/978-3-642-13792-1_17 ○ https://api.istex.fr/document/openurl? &rft.issn=0302-9743 &rft.au=Alma M. Gómez-Rodríguez&rft.date=2010 30
- 31. ● Possibilité d'intégrer le résolveur dans les outils compatibles avec la norme ○ Exemple : Zotero 31 1 2 3
- 32. Permettre à mon document d’être trouvé via les outils de découverte
- 33. Intégration aux outils commerciaux (Ex : EDS d'EBSCO) via résolveur OpenURL 33 2 1 3
- 34. Permettre à mon document d’être trouvé via le moteur spécialisé Google Scholar
- 35. ● Déclaration des "bouquets ISTEX" via KBart Bacon ● Utilisation de la fonction "Library Links" 35 2 1 3 4
- 36. 36 ● Ajout d'un lien [PDF ISTEX] si ressource détectée ● Ce lien de type OpenURL ○ Utilise le résolveur ISTEX ○ Amène au plein-texte sur la plateforme ISTEX
- 37. Détecter automatiquement mon document sur n'importe quelle page Web
- 38. • Détection automatique des documents ISTEX à partir des identifiants documentaires (DOI, PMID, PII…) • Vérification de la présence dans l'API ISTEX via requête OpenURL • Affichage d'un bouton reliant au plein-texte 38
- 39. • Installation simplifiée (https://addons.istex.fr) • Activation automatique de la bibliothèque ISTEX GScholar 39 OU
- 41. 41 USAGES DOCUMENTAIRES Bibliothèques universitaires Centres de documentation… Recherches bibliographiques Etats de l'art... IRRIGATION DE LA RECHERCHE
- 42. 42 ● 18,5 millions de documents ● 19 éditeurs ● 7 500 titres ● 13 000 Ebook ● une couverture allant 1406 à 2015
- 44. questions ? 44