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

1. Valérie MAHUT Claude NIEDERLENDER Nicolas THOUVENIN 1

2. 24B2086460F9BD8A775126FA493E804E80BA0F1F/fulltext/pdf 2

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

5. 5Fichiers consultables et exploitables

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

43. 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

44. questions ? 44

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

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

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(14)

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