Autour des autorités
Journées ABES 2012Yann Nicolas
IDREF ET LES AUTRESRéseaux d’autorités
SudocNotices bibliographiques
IdRefNotices d’autorité
SudocNotices bibliographiques
IdRefNotices d’autorité
theses.frCalames
Articles open
access Bib.Num.
Cours en ligne
SudocNotices bibliographiques
IdRefNotices d’autorité
theses.frCalames
Articles open
access Bib.Num.
Cours en ligne
BnF
ViafORCID
ISNI
D’autres référentielsd’autorité globaux
?
Référentiels locaux
• Fichier d’autorités virtuel et international• Projet OCLC, LC, DnB et BnF jusqu’en 2012• Service OCLC depuis
• Mise en correspondance de fichiers d’autorités préexistants (dont BnF, IdRef, etc.)
• Pas de possibilité directe de création, ni de modification
• International Standard Name Identifier• Norme ISO (ISO 27729)• Un ID unique pour les acteurs des industries
créatives• D’abord pour la gestion des droits
• Pas d’attribution d’ID directe• Passer par une agence d’enregistrement (Qui ?)
• VIAF représente l’immense majorité de la base ISNI
• Open Researcher Contributor Identification Initiative
• Cible : auteurs scientifiques
• Initiative des éditeurs• Rôle important de Thomson Reuters, qui commercialise
la base de citations Web of Science
• Les chercheurs pourront directement se créer et modifier leur profil et leur ID
• Du producteur au consommateur revendeur
Coexistence des référentiels
• Soit la concurrence sauvage entre autorités• Locales• Globales
• Soit il faut relier ces référentiels entre eux• Mais comment ?• Différents modèles possibles :
Chaque référentiel est lié à chaque autre
Un référentiel central, lié à chaque autre
Des référentiels à différents niveaux
ABC
Identifiantsà vocation locale
Identifiantsà vocation globale
Sudoc
theses.fr
Calames
Preprints, postprints
Cours en ligne
Édition électronique
CRIS
ID Univ.
ID Labo
ID école
ORCID ISNI
XYZ
Identifiantsà vocation régionale
BnF
IdRef
VIAF
DNB (All.)
DAI (NL)
AUTOMATISER LE LIEN AUX AUTORITÉS IDREF
SudocAD
Projet SudocAD
• Projet de recherche 2010-2011• Avec des chercheurs du LIRMM (Montpellier 2) :
» informatique > intelligence artificielle > représentation de la connaissance
• Soutien financier d’ADONIS (CNRS)• Objectif : automatiser le lien aux autorités
Sudoc• Corpus de test : articles de Persée
• Approche : web sémantique (raisonnement)
• On extrait de la notice d’article quelques informations pour constituer une sorte d’autorité Persée.
• Il s’agit ensuite de trouver l’autorité IdRef qui lui ressemble le plus.
Date
Langue
revue
Domainearticle
Nom de l’auteur
« Autorité» Persée
Beaucoup d’appelés
• Rechercher « Christian Schmidt »• Minimiser le risque de passer à
côté :– nomComplet_a:schmidt,christian– nomComplet_a:schmidt,c.– nomComplet_a:schmidt,c– nomComplet_a:schmidt,christian*– nom_a:schmidt AND prenom_a:c– etc.
39 candidats
Pour en savoir plus sur chacune des 39 autorités candidates, on puise dans les notices bibliographiques liées
Puis on compare cette autorité enrichie à l’autorité Persée
Date
Langue
Sujets Rameau
Domaine
Domaine
Nom
Date
Langue
Sujets Rameau
Domaine
Domaine
Strong Medium Weak Poor Neutral Unrelated Impossible
Peu d’élus
Chaque autorité candidate est classée dans une des 7 catégories
Dans quels cas générer automatiquement un lien à une des autorités candidates ?
• Différents algorithmes possibles• Notre algorithme préféré :
14G2 : liage automatique si un seul candidat dans la catégorie de liage la meilleure parmi
Strong et Medium
Evaluation de l’algorithme 14G2
• 77% de bonnes décisions– 58% : décision juste de créer un lien– 19% : décision juste de ne pas créer de lien
• Mauvaises décisions :– 20 % : décision incorrecte de ne pas créer de lien– 1,9% : décision incorrecte de créer un lien
73% des liens à créer sont créés 4% des liens créés sont mauvais
Apparemment, pas plus que chez les humains !
Comparaison avec le programme actuel de liage automatique dans le Sudoc
SudocAD 14G2 Sudoc aujourd’hui
Parmi les liens créés, combien sont faux ?
4% 20%
Parmi les liens à créer, combien sont effectivement créés ?
73% 43%
* Chiffres à confirmer
Enseignements de SudocAD
• Résultats très encourageants• Double Exploitation possible :
• Liage automatique• Aide à la décision
• Marges de progression identifiées :• Amélioration de la comparaison des domaines• Amélioration de la comparaison des noms• Exploitation d’autres propriétés comme :
» Indexation matière» Co-auteurs» Rôles
• Les erreurs de lien présentes Sudoc font errer SudocAD
Rapport final : http://www.abes.fr/Sudoc/Projets-en-cours/SudocAD
La suite
• Continuer les expérimentations avec les programmes de SudocAD
• Nouveaux corpus : HAL, licences nationales• Pas d’utilisation en production tout de suite
• Aller plus loin dans le cadre d’un nouveau projet de recherche : Qualinca
• Projet ANR (2012-2015)• Avec des labos d’informatique (LIRMM, LIG, LRI) et l’INA• Sur la qualité des liens dans un catalogue et dans le contexte du
web de données» Mesurer la qualité des liens actuels» Générer de nouveaux liens