JABES 2017 - L'histoire d'un document dans la plate-forme ISTEX

Valérie MAHUT
Claude NIEDERLENDER
Nicolas THOUVENIN
1

24B2086460F9BD8A775126FA493E804E80BA0F1F/fulltext/pdf
2

Mon document est perdu au milieu d’un disque dur

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

5Fichiers consultables et
exploitables

S’assurer que mon document est cohérent par
rapport aux autres

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
Langue
Date de
publication.
Type de
document
Code pays
autres ...
Feuille de
transformation
XSL
Normalisation des corpus et
amélioration de la qualité

Pour rendre mon document compatible avec
différents standards

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

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

Pour permettre à mon document d’être
“recherchable” & “analysable” par des outils TDM

14PDF non exploitable pb d’encodage
re-océrisation
nécessaire !

15PDF non exploitable, absence de
texte recherchable (image)
texte extrait
OCR Tesseract

Pour permettre à des outils de traiter ou de
chercher dans différentes parties du texte de mon
document

17
9,5M de documents
traités par l’outil
Grobid

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

Pour ranger mon document parmi les autres

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
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

Mettre à disposition mon document et toutes les
informations associées

7 types d’enrichissement :
• Entités nommées
• Références bibliographiques
• Termes extraits
• Catégories / Domaines
• Indexation sujet (ABES)
• Auteurs (ABES)
• Texte ré-océrisé
23
...

exemple pour l’indexation ABES:
exemple pour les entités nommées :
24

Une API pour permettre à mon document d’être
consulté

26
Un Web Service permettant d'accéder à mon document
grâce à des fonctionnalités de :
• Recherche avancée
• Tri
• Pagination
• Facettes
• Téléchargement

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
Après intégration, recherche et accès au plein-texte :
• Widgets
• Portails universitaires / ENT
• Outils de découverte
• Google Scholar
• Démonstrateur
• Extension Firefox
& Google Chrome
• ...

Permettre à mon document d’être trouvé via
plusieurs moteurs compatibles OpenURL

● 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

● Possibilité d'intégrer le résolveur dans les outils
compatibles avec la norme
○ Exemple : Zotero
31
1
2
3

Permettre à mon document d’être trouvé
via les outils de découverte

Intégration aux outils commerciaux (Ex : EDS d'EBSCO)
via résolveur OpenURL
33
2
1
3

Permettre à mon document d’être trouvé
via le moteur spécialisé Google Scholar

● Déclaration des "bouquets ISTEX" via KBart Bacon
● Utilisation de la fonction "Library Links"
35
2
1
3
4

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

Détecter automatiquement mon document sur
n'importe quelle page Web

• 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

• Installation simplifiée (https://addons.istex.fr)
• Activation automatique de la bibliothèque ISTEX GScholar
39
OU

41
USAGES
DOCUMENTAIRES
Bibliothèques universitaires
Centres de documentation…
Recherches bibliographiques
Etats de l'art...
IRRIGATION
DE LA
RECHERCHE

42
● 18,5 millions de documents
● 19 éditeurs
● 7 500 titres
● 13 000 Ebook
● une couverture allant 1406 à 2015

43
rd-users@listes.istex.fr
api-users@listes.istex.fr
data-users@listes.istex.fr
@Projet_ISTEX
@istexdev
http://www.istex.fr
https://api.istex.fr/documentation
http://blog.istex.fr
http://lodex.inist.fr

JABES 2017 - L'histoire d'un document dans la plate-forme ISTEX

Recommandé

Recommandé

Contenu connexe

Tendances

Tendances (10)

Similaire à JABES 2017 - L'histoire d'un document dans la plate-forme ISTEX

Similaire à JABES 2017 - L'histoire d'un document dans la plate-forme ISTEX (20)

Plus de ABES

Plus de ABES (20)

Dernier

Dernier (20)

JABES 2017 - L'histoire d'un document dans la plate-forme ISTEX