Télécharger en tant que PDF, PPTX
Téléchargé parABES
JABES 2017 - Aligner, le signalement augmenté
Le document traite d'un projet appelé Qualinca qui vise à améliorer le processus d'alignement des données bibliographiques à partir de diverses sources, en utilisant des superautorités et des notices d'autorité. Il aborde les défis liés à la précision et à la création de liens entre différents systèmes d'information, mentionnant des anomalies dans les données qui peuvent affecter les résultats. Enfin, il souligne la nécessité d'une intervention humaine pour résoudre les cas complexes et améliorer les attributs disponibles.
JABES 2017 - Aligner, le signalement augmenté
- 1.
- 2. Aligner, en attendantQualinca… • En attendant la fin (2016) et la concrétisation (2017-2018?) du projet Qualinca… • Solution • Maison • Provisoire • Partielle • Fiable
- 3. Données d’entrée àlier Référentiel de personnes - Candidats cibles en lice Nom(s) Nom(s) Nom(s) Elu ? Aligner
- 4. « Superautorité » Nom(s) Titre(s) Co-contributeur(s) +autres attributs Forme retenue Titre Contributeur(s) + autres attributs Titre Contributeur(s) + autres attributs Formes rejetées Dates Notice d’autorité Notices bibliographiques (1, n) Sujet(s) Sujet(s) Date Date Informations de la notice d’autorité enrichies par les notices bibliographiques liées Dates biblio Sujets Dates de vie . Persée . IdRef/Sudoc . IdHal . Etc.
- 5. Nom(s) Titre(s) Co-contributeur(s) + autres attributs Formeretenue Titre Contributeur(s) + autres attributs Titre Contributeur(s) + autres attributs Formes rejetées Dates Notice d’autorité Notices bibliographiques (1, n) Sujet(s) Sujet(s) Date Date Agrégation de plusieurs notices bibliographiques Dates biblio Sujets Dates de vie « Superautorité » Cluster de notices biblio (cluster)
- 6. Cibles Persée . Superautorités .ADUM . Toulouse2 . SAMPRA . OKINA . Lorraine Etc. . Annuaire de chercheurs (nom + équipe) HAL . Superautorités IdHAL . Notices bibliographiques CAIRN ebooks . Notices bibliographiques Sudoc ORCID . Superautorités Wiley (ISTEX) . Notices bibliographiques (articles) IdRef/Sudoc Superautorités : IdRef + Notices Sudoc (pour l’instant) ISNI Superautorités ORCID Superautorités Viaf Superautorités Wiley On aligne les données vers elles-mêmes = clusterisation Données à lier
- 7. Sudoc Processus d’alignement Rivière, Agnès Titre(s) Co-contributeur(s) +autres attributs IdRef Recherche floue Rivier, Agnès Titre(s) Co-contributeur(s) + autres attributs Rivière, Agnès Titre(s) Co-contributeur(s) + autres attributs Rivière, A. Titre(s) Co-contributeur(s) + autres attributs 3 candidats Comparaisons Elu ! Règles + détection des anomalies Données d’entrée à lier
- 8. Données d’entrée àlier Candidats cibles en lice Nom(s) Titre(s) Co-contributeur(s) + autres attributs Nom(s) Titre(s) Co-contributeur(s) + autres attributs Nom(s) Titre(s) Co-contributeur(s) + autres attributs
- 9. + autres attributs +autres attributs Co-contributeur(s) Titre(s) Co-contributeur(s) Titre(s) + autres attributs Co-contributeur(s) Titre(s) Rivière, A. Rivier, Agnès Rivière, Agnès 100 -50 Données d’entrée à lier
- 10. + autres attributs +autres attributs + autres attributs Co-contributeur(s) Nom(s) Co-contributeur(s) Nom(s) Co-contributeur(s) Nom(s) Œil de lynx Les soyeux, une vocation Histoire des soyeux -100 50 Terme rare en commun 100 Titres identiques Données d’entrée à lier Candidats cibles en lice
- 11. + autres attributs +autres attributs + autres attributs Nom(s) Titre(s) Titre(s) Nom(s) Titre(s) Nom(s) Données d’entrée à lier Candidats cibles en lice Smith, B. Smith, Barry M. Smith, Barry 100 100 !!??
- 12. Scénarios variés • AuteursPersée • Points d’accès dans les notices d’Ebooks CAIRN • Mentions d’auteur dans les notices d’Articles Wiley (ISTEX)
- 13. Persée IdRef Systèmed’information Persée Alignement Nom(s) Titre(s) Co-contributeur(s) + autres attributs Idpersée;idref Idpersée;idref Idpersée;idref … Fichier .txt « superautorité » Persée
- 14. Pour aider leCercle Ebooks CAIRN (oct, 2016) Sudoc … … 70X $aNOM $bPRENOM … … … … 70X $3PPN … … Alignement 89% des points d’accès liés 5 000 ebooks (corpus facile…)
- 15. Auteurs d’articles Wiley(ISTEX) Plein de Robert Sullivan Clusterisation : même mail + nom identique ou proche Liage à ORCID En cours 11 millions de mentions d’auteur 400 000 liens vers 100 000 auteurs ORCID Alignement vers IdRef en cours (bcp moins)
- 16. Anomalies • Puces àl’oreille : • Deux candidats différents avec cocontributeurs ou titres qui matchent 2 types d’anomalie possibles : • doublons IdRef • mauvais lien SudocIdRef (= superautorité polluée) • On écarte ces cas À corriger • Mais certaines anomalies dans les données sont silencieuses • Et causent de mauvais alignements (et impactent le taux de précision) Problème profond pris en compte par Qualinca
- 17. Limites : Tauxde précision < 100% • Création de quelques liens erronés • Mais taux de précision proche de 100% (variable selon les corpus) • égal voire supérieur au liage par les catalogueurs en situation réelle • Ces faux positifs • Ne sont pas dues au programme • Mais sont dus à des erreurs dans les données (doublons ou faux liens) Qualinca
- 18. Limites : Tauxde rappel < 100% • Vrais négatifs : la bonne autorité n’est pas dans IdRef • Dc : la créer dans IdRef ou lier vers une autre source ! • question stratégique ouverte ? • Faux négatifs : elle existe dans IdRef, mais on ne trouve pas la bonne autorité. Ou on la trouve mais on n’ose pas lier… • Prudence légitime • Que faire ? • Il faut plus d’attributs • Il faut des règles plus nombreuses et complexes • L’humain doit intervenir, pour les cas difficiles … mais avec quel outil ? Qualinca