Le thésaurus pour l'indexation des
archives locales dans le Web
de données
Claire SIBILLE-DE GRIMOÜARD & Michel JACOBSON
A...
PLAN
 Le thésaurus pour l'indexation des archives locales
 Historique
 La ré vision (les limites du modè le, les besoin...
Historique (1/2)
 Thésaurus W. Vocabulaires normalisés pour la description
et l’indexation des archives administratives l...
Historique (2/2)
 Utilisation obligatoire pour les services d’archives
territoriaux
 Instructions DAF/SIAF 1994, 2009, 2...
Structure (1/2)
 Le thésaurus inclut un thésaurus-matières et 3 listes
d’autorité :
 actions administratives (71 descrip...
Structure (2/2)
 Les 1498 descripteurs et 1011 non-descripteurs du
thésaurus sont regroupés en 11 classes représentant le...
Le thé saurus jusqu'en 2008
 Les limites
 Absence de formalisme directement exploitable par une machine


Le formalisme...
Edition thé matique du thé saurusmatiè res
Les besoins
 Faciliter la mise en œuvre du thésaurus pour les tâches
d'indexation.
 Faciliter la mise en œuvre du thésau...
Choix d'un formalisme
 Exprimer toutes les notions déjà présentes (termes,
relations, annotations, etc.)
 Apporter une a...
SKOS (1/2)
 Simple Knowledge Organization System
 Pour dé crire des vocabulaires simples de type thé saurus,

classifica...
SKOS (2/2)
 Les ressources du thésaurus sont des concepts
identifiables par des URI que l'on souhaite durables et
traçabl...
Reprise des donné es
 Les termes distincts font l'objet de définition de concepts  :
 Identifié s dans un premier temps ...
Poursuite de la ré vision
 La poursuite de la révision s'est faite dans le format SKOS
 Chargé dans l'application ThMana...
Un outil de publication (1/2)
 Commande en 2010
 D'un outil de publication du ré fé rentiel


Pour tirer le meilleur pa...
Un outil de publication (2/2)
 Mise en ligne de l'outil
 Dans un premier temps sur le portail archivesdefrance
 É largi...
HADOC
 Réflexion en cours sur la mise en œuvre d’un nouvel
environnement de gestion des vocabulaires scientifiques
et tec...
Outil de gestion en cours de
dé veloppement
HADOC et l'outil de consultation
 Évolutions de l’outil de consultation
 Amé nagement en vue de l’inté gration d’autres ...
Ré sultat d'une recherche
Consultation d'un concept
Code RDF/XML du concept
Expé rimentation sur les alignements
(1/3)
 DBPedia est un référentiel qui bouge beaucoup, souvent
et qui est le produit ...
Expé rimentation sur les alignements
(2/3)
 des identifiants qui n'existent pas (ou n'existent plus)
 des identifiants q...
Expé rimentation sur les alignements
(3/3)
 Conclusions
 L'alignement demande à ê ré examiné ré guliè rement.
tre
 L'ex...
Ré flexions sur la structure du thé saurus
 Parution de la nouvelle norme ISO 25964-1:2011
Thésaurus et interopérabilité ...
Perspectives
 Le Thésaurus pour l’indexation des archives locales relève
plutôt d’une logique classificatoire et le posit...
Perspectives
 Destiné au départ pour répondre à un besoin spécifique
(fournir aux services le thésaurus dans une forme
st...
Prochain SlideShare
Chargement dans…5
×

Présentation de Claire Sibille et Michel Jacobson

714 vues

Publié le

0 commentaire
0 j’aime
Statistiques
Remarques
  • Soyez le premier à commenter

  • Soyez le premier à aimer ceci

Aucun téléchargement
Vues
Nombre de vues
714
Sur SlideShare
0
Issues des intégrations
0
Intégrations
155
Actions
Partages
0
Téléchargements
7
Commentaires
0
J’aime
0
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive

Présentation de Claire Sibille et Michel Jacobson

  1. 1. Le thésaurus pour l'indexation des archives locales dans le Web de données Claire SIBILLE-DE GRIMOÜARD & Michel JACOBSON Archives de France Forum AAF « Les archives aujourd’hui et demain », Angers, 22 mars
  2. 2. PLAN  Le thésaurus pour l'indexation des archives locales  Historique  La ré vision (les limites du modè le, les besoins d'é volution)  Les é volutions  Les perspectives
  3. 3. Historique (1/2)  Thésaurus W. Vocabulaires normalisés pour la description et l’indexation des archives administratives locales contemporaines  1re é dition 1987, ré visions en 1989, 1997, 2000 (partielle), 2009, 2012  Depuis 2009, est devenu Thésaurus pour la description et l'indexation des archives locales anciennes, modernes et contemporaines (outil diachronique, gé né rique, peut s'appliquer à toutes les ressources conservé es par les services d'archives)  Mises à jour : groupes de travail, appels à commentaires
  4. 4. Historique (2/2)  Utilisation obligatoire pour les services d’archives territoriaux  Instructions DAF/SIAF 1994, 2009, 2011, 2012  Essais de structuration informatique  2002 : tests de conversion XML (par un prestataire)  2008 : transformation (quick&dirty) des tableaux Excel qui servaient à la ré vision en fichiers RDF/XML conformes à SKOS
  5. 5. Structure (1/2)  Le thésaurus inclut un thésaurus-matières et 3 listes d’autorité :  actions administratives (71 descripteurs et 44 non-descripteurs)  types de documents (238 descripteurs et 66 non-descripteurs)  contexte historique (131 descripteurs)  Les descripteurs des listes d’autorité ne sont pas des termes d’indexation, mais ils peuvent être combinés avec un (ou plusieurs) descripteur(s) du thésaurus-matières
  6. 6. Structure (2/2)  Les 1498 descripteurs et 1011 non-descripteurs du thésaurus sont regroupés en 11 classes représentant les termes de haut niveau autour desquels les concepts sont organisés selon 4 niveaux hiérarchiques  Thésaurus monolingue, mono-hiérarchique  Relations hiérarchiques, d’équivalence, d’association  Notes de contenu
  7. 7. Le thé saurus jusqu'en 2008  Les limites  Absence de formalisme directement exploitable par une machine  Le formalisme utilisé (fichiers doc, pdf..) a pour seule vocation d'être lu par un opérateur humain qui doit mettre en œuvre le thésaurus pour des tâches d'indexation.  La tâ che d'indexation é tant assisté e par un logiciel, des ressaisies du thé saurus sont né cessaires   Comment éviter des saisies directes avec risques de divergences ? Comment réduire les coût des ressaisies ? Le mécanisme d'ingestion dans les outils n'est pas forcément le même d'un outil à l'autre et les mises à jour sont elles aussi délicates et coûteuses.
  8. 8. Edition thé matique du thé saurusmatiè res
  9. 9. Les besoins  Faciliter la mise en œuvre du thésaurus pour les tâches d'indexation.  Faciliter la mise en œuvre du thésaurus pour les tâches de recherche.  Garantir la permanence des indexations alors même que le thésaurus évolue.  Faciliter la gestion du thésaurus  É volutions (propositions, versions, mises à jour...)  Accè s / Requê / Publications tes
  10. 10. Choix d'un formalisme  Exprimer toutes les notions déjà présentes (termes, relations, annotations, etc.)  Apporter une aide à l'édition et la publication  Outils normatifs  Norme ISO 2788:1986 « Principes directeurs pour l'é tablissement et le dé veloppement de thé saurus monolingues »   Pose les concepts de terme, relation sémantiques, etc. mais ne propose pas de formalisme d'expression pour sa mise en œuvre. En 2008 : en cours de révision  SKOS « Simple Knowledge Organization System »  Au début du travail fin 2008, SKOS n'était encore qu'à l'état de Working Draft au W3C mais aboutit en 2009 à une recommandation.
  11. 11. SKOS (1/2)  Simple Knowledge Organization System  Pour dé crire des vocabulaires simples de type thé saurus, classifications, listes, taxonomies.  SKOS permet de dé crire des organisations de concepts pour former des vocabulaires. Cette description est faite avec le langage RDF qui va permettre d'associer aux concepts des proprié té s (dont le terme)  RDF définit un graphe à base de triplets (sujet → prédicat → objet) ➔ Le sujet représente la ressource à décrire ; ➔ Le prédicat représente un type de propriété de la ressource ; ➔ L'objet représente la valeur de la propriété.
  12. 12. SKOS (2/2)  Les ressources du thésaurus sont des concepts identifiables par des URI que l'on souhaite durables et traçables.  Les propriétés principales des concepts sont :  Les termes ou labels (prefLabel, altLabel)  Les relations entre concepts :    Relations hiérarchiques (spécifique vs. générique) Relations d'association Les annotations (définitions, notes)  Les relations d'alignement avec d'autres vocabulaires (exactMatch, closeMatch)
  13. 13. Reprise des donné es  Les termes distincts font l'objet de définition de concepts  :  Identifié s dans un premier temps par des URL ;  Puis dans un deuxiè me temps par des ARK.  Les termes préférentiels deviennent des prefLabel et les termes non préférentiels des altLabel  Les domaines et rubriques donnent naissance à des relations bijectives entre concepts (spécifique / générique)  Les associations sémantiques d'un terme à des termes d'une autre branche deviennent des relations d'association  Les définitions et autres notes deviennent des annotations
  14. 14. Poursuite de la ré vision  La poursuite de la révision s'est faite dans le format SKOS  Chargé dans l'application ThManager (mais ancienne version de     skos) Chargé dans l'application Protege (mais peu conviviale et/ou peu maî trisé e) Manipulation directes dans un é diteur XML (oXygen, peu convivial mais plus maî trisé ) Utilisation de scripts pour vé rifier la cohé rence du thé saurus Transformations XSL pour produire les anciens é tats publié s (classement thé matique, classement alphabé tique)
  15. 15. Un outil de publication (1/2)  Commande en 2010  D'un outil de publication du ré fé rentiel  Pour tirer le meilleur partie du modèle « web de données » ➔ Des URI de concepts déréférençables. Négociation de contenu pour délivrer ► soit une page web présentant le concept (en HTML pour un client humain) ► soit une définition formelle du concept (en RDF/XML pour un client machine). ➔ ➔ Les triplets sont stockés dans une base de données (tripleStore RDF Sesame) Une interrogation de ces données est possible par des requêtes SPARQL  Plus un travail expé rimental d'alignement sur d'autres thé saurus   Alignement sur le Thésaurus Rameau (dans sa version skos) Alignement sur DBPedia
  16. 16. Un outil de publication (2/2)  Mise en ligne de l'outil  Dans un premier temps sur le portail archivesdefrance  É largissement du domaine couvert par l'outil à la publication d'autres vocabulaires (projet « Harmonisation de la production des DOnné es Culturelles (HADOC) » du Ministè re de la culture et de la communication)  L’harmonisation de la production des données culturelles s’appuie sur trois leviers : ➔ l’harmonisation des données (définition de modèles et partage des référentiels), ➔ le développement de l'usage des normes et des standards, ➔ l’harmonisation des processus de production
  17. 17. HADOC  Réflexion en cours sur la mise en œuvre d’un nouvel environnement de gestion des vocabulaires scientifiques et techniques  « L’objectif est de passer d'une approche où les vocabulaires contrôlés des différents métiers restent avant tout au service de la production de ressources documentaires dans un domaine ou une application, à la création d'un Référentiel terminologique unifié permettant d'offrir aux usagers un accès unique et cohérent aux ressources terminologiques produites par le Ministère et d'en démultiplier les usages » (Katell Briatte)  HADOC répond à un des besoins qui est de se doter d'un
  18. 18. Outil de gestion en cours de dé veloppement
  19. 19. HADOC et l'outil de consultation  Évolutions de l’outil de consultation  Amé nagement en vue de l’inté gration d’autres vocabulaires      contrô lé s du MCC (services du patrimoine et de l’architecture) Affichage d’informations spé cifiques sur la page de pré sentation de chaque ré fé rentiel Affichage des concepts (proprié té s SKOS, langues) Affichage des alignements avec d’autres vocabulaires Transformation des identifiants de concepts en identifiants pé rennes de type ARK Ajout d’une fonction de recherche simple
  20. 20. Ré sultat d'une recherche
  21. 21. Consultation d'un concept
  22. 22. Code RDF/XML du concept
  23. 23. Expé rimentation sur les alignements (1/3)  DBPedia est un référentiel qui bouge beaucoup, souvent et qui est le produit de la réflexion d'une communauté  Pour la publication, quelques triplets concernant les concepts aligné s avaient é té extraits pour alimenter notre propre triple-store (les proprié té s : terme, description, pageWeb)  permet l'indépendance et enrichit la description.  Avec le temps on observe des dé calages entre les informations extraites et celles pré sentes dans DBPedia ; on peut :   soit passer à des interrogations dynamiques soit mettre à jour régulièrement.
  24. 24. Expé rimentation sur les alignements (2/3)  des identifiants qui n'existent pas (ou n'existent plus)  des identifiants qui n'ont plus d'autre propriété qu'une redirection vers un autre concept (wikiPageRedirects) dont la mise en oeuvre est transparente pour l'utilisateur humain.  des propriétés ambiguës ou peu fiables. Concepts à plusieurs termes  "Avortement" et "Interruption volontaire de grossesse"  "Siè cle des lumiè res" "Aufklä rung"ou "Travail" et "Work". Dans le rdf de dbpedia les valeurs "Aufklä rung " et "Work" sont indiqué es comme exprimé es en franç ais.  "Cirque" et "La famille Morallè s"
  25. 25. Expé rimentation sur les alignements (3/3)  Conclusions  L'alignement demande à ê ré examiné ré guliè rement. tre  L'extraction d'informations est difficilement automatisable.  Demande une relecture par un expert mé tier.
  26. 26. Ré flexions sur la structure du thé saurus  Parution de la nouvelle norme ISO 25964-1:2011 Thésaurus et interopérabilité avec d'autres vocabulaires -Partie 1: Thésaurus pour la recherche documentaire  Monolingue et multilingue  Distinction concept / terme  Meilleures dé finitions des relations sé mantiques (en particulier les relations hié rarchiques : gé né rique/spé cifiques, partitive, instance)  Gestion du statut des descripteurs et des mises à jour, ce que ne permet pas SKOS
  27. 27. Perspectives  Le Thésaurus pour l’indexation des archives locales relève plutôt d’une logique classificatoire et le positionnement des concepts dans la hiérarchie ne permet pas toujours de désambiguïser les synonymes, d’où un alignement très partiel avec les concepts représentés dans RAMEAU et dbpedia.  L'application de la norme obligerait à revoir nos relations, alors que l'usage qui est fait du thé saurus ne le né cessite pas.
  28. 28. Perspectives  Destiné au départ pour répondre à un besoin spécifique (fournir aux services le thésaurus dans une forme structurée réutilisable) ce travail d'explicitation des relations sémantiques, d'exposition des données etc. permet d'envisager d'autres réutilisations du Thésaurus par d'autres communautés  L'usage initial est un thésaurus pour l'indexation  On est dans une autre logique de structuration qui est celle des ontologies (concepts représentés par des termes préférentiels et non préférentiels)  Cette évolution va peut être susciter d'autres usages hors

×