Au dela des autorites du Sudoc

Des autorités aux autorités enrichies : vers une liaison automatique sémantiquement contrôlée aux autorités Sudoc Collaboration Abes/Lirmm dans le cadre du TGE Adonis Jabes 2010

Equipe Projet
Equipe de recherche Graphik du LIRMM
Equipe de recherche en informatique (UM2, CNRS, INRIA)
Domaine : Représentation des connaissances et les raisonnements (branche de l’intelligence artificielle)
Spécificité : approche « réseau sémantique »
Collaboration avec l’ABES : Michel Chein, Michel Leclère
ABES
Christophe Bonnefond
Yann Nicolas
Olivier Rousseaux

Contexte de la collaboration :
Appel à projets Adonis :
plate-forme d’accès unifié aux données
Verrous technologiques et scientifiques
Unification des formats des méta-données
=> utilisation de RDF(S)
Unification des vocabulaires de description des méta-données
Classes et Propriétés => Définition d’ontologies
Entités individuelles => Pb de l’identification d’entité

Présentation
Objectif général : Identifier des co-références à la même entité individuelle dans deux notices bibliographiques
Reconnaître dans différentes notices bibliographiques des réfèrences au même document, même auteur, même sujet…
Principe général : Utiliser la base d’autorités du Sudoc comme standard de référencement de ces entités
Reconnaître dans une notice des entités référencées dans la base d’autorités du Sudoc pour ajouter dans cette notice l’identifiant Sudoc de cette entité : la liaison
Objectif du projet : définir un service d’identification d’autorités
Autorités Sudoc Entités référencées dans une notice … … Autorités Sudoc

La liaison aux autorités : les différentes approches
Liaison manuelle
Soit un « terme » et un « type d’autorité », on recherche dans les formes retenues ou rejetées les autorités correspondantes
Pour chaque autorité, on propose les informations de la notice d’autorités et des notices biblios liées
L’annotateur sélectionne l’autorité « la plus pertinente » ou décide d’en créer une nouvelle
Liaison automatique par mesures de proximité
Soit quelques attributs (ex. nom, prénom, dates pour les personnes) sur l’autorité recherchée
Pour chaque autorité, une mesure de « proximité » aux attributs correspondants de l’autorité est calculée
Le système sélectionne l’autorité « la plus proche » (avec seuil minimal)

Approche « Connaissance »
Exploitation des informations présentes dans les notices bibliographiques du Sudoc par des méthodes de raisonnement issues de l’intelligence artificielle
Représenter le SUDOC en RDF(S)
Construire une base d’autorités enrichies
Définir des opérateurs de liaison sémantique aux autorités

Définition d’une ontologie formelle pour les connaissances du Sudoc
Fondée sur le modèle FRBRoo 1.0 (2009)
Modélisation riche de l’univers bibliographique intégrant les modèles FRBR et CIDOC CRM
Formalisée en RDFS
Etendue pour :
Représenter des propriétés spécifiques sous-propriétés de propriétés FRBRoo
Séparer les entités conceptuelles des données les référençant
Un titre vs. une chaîne de caractères lue sur la couverture
Représenter des propriétés associées aux notices (date, origine, sources…) en plus de celles associées aux entités

Transformation des notices Unimarc en annotation RDF : exemple d’autorité Personne
Fiche Sudoc « brute » support à l’indexation
001A $0751062103:02-12-04
001B $0751062103:02-12-04$t11:43:29.000
001D $0751062103:02-12-04
001U $0utf8
001X $00
002@ $0Tp5
003@ $0XXXXXX36
010@ $S##$afre
012C $S##$a0$b1$c0
012E $S##$ab
019@ $S##$aFR
028A $S#1$40y$dChristian$aBernard
037F $S##$aDessinateur de bandes dessinées
047M $S##$aHépatite virale C ; ça craint ! / Dr Léo Py, Christian Bernard, 2003
Fiche Sudoc interprétable par un utilisateur
No notice : XXXXXX36 Vedette Nom de personne
Forme retenue : Bernard, Christian Forme savante ou à valeur internationale
Pays : France
Langues : français
Notes : Dessinateur de bandes dessinées
Sources : Hépatite virale C ; ça craint ! / Dr Léo Py, Christian Bernard, 2003
Annotation sémantique support aux raisonnements (vision simplifiée RDF)

Notice : 36 Personne : aPropos « Bernard, Christian » formeRetenueSavante Langue : fr Notes langue «Dessinateur… » « Hépatite… / Dr. Léo Py, Christian Bernard » Sources Pays : FR pays

Représenter le SUDOC en RDF
Construire une base d’autorités enrichies
Explicitant les connaissances présentes dans les notices d’autorité
Les enrichissant par des inférences exploitant les liens aux notices bibliographiques

Les outils de l’enrichissement
Règles d’inférences
Si connaissance observée alors ajouter nouvelle connaissance
Exemple
Fusion des entités liées à la même autorité
Deux entités de même type repérées par le même identifiant sont identiques
Manifestation : Personne: thématique sujet Matière : responsable

Une notice d’autorité Notice : 36 Personne : aPropos « Bernard, Christian » formeRetenueSavante Langue : fr langue

Explicitation des connaissances internes à un attribut Notice : 36 Personne : aPropos « Bernard, Christian » formeRetenueSavante Langue : fr langue

Explicitation des connaissances internes à un attribut Notice : 36 Personne : aPropos « Bernard, Christian » formeRetenueSavante Langue : fr langue « Bernard» nom « Christian» prénom

Intégration des connaissances bibliographiques Notice : 36 Personne : aPropos « Bernard, Christian » formeRetenueSavante Langue : fr langue « Bernard» nom « Christian» prénom Notice : 43 Manifestation : aPropos Langue : fr langue titre auteur date Personne: Notice : 15 identifiéPar 2003 Personne: Notice : 36 identifiéPar illustrateur « Hépatite… / Dr. Léo Py, Christian Bernard» sujet Matière : Notice : 87 identifiéPar

Fusion des entités Notice : 36 Personne : aPropos « Bernard, Christian » formeRetenueSavante Langue : fr langue « Bernard» nom « Christian» prénom Notice : 43 Manifestation : aPropos Langue : fr langue titre auteur date Personne: Notice : 15 identifiéPar 2003 Personne: Notice : 36 identifiéPar illustrateur « Hépatite… / Dr. Léo Py, Christian Bernard» sujet Matière : Notice : 87 identifiéPar

Fusion des entités Notice : 36 Personne : aPropos « Bernard, Christian » formeRetenueSavante Langue : fr langue « Bernard» nom « Christian» prénom Notice : 43 Manifestation : aPropos Langue : fr langue titre auteur date Personne: Notice : 15 identifiéPar 2003 identifiéPar illustrateur « Hépatite… / Dr. Léo Py, Christian Bernard» sujet Matière : Notice : 87 identifiéPar

Enrichissement par inférences Notice : 36 Personne : aPropos « Bernard, Christian » formeRetenueSavante Langue : fr langue « Bernard» nom « Christian» prénom Notice : 43 Manifestation : aPropos Langue : fr langue titre auteur date Personne: Notice : 15 identifiéPar 2003 identifiéPar illustrateur « Hépatite… / Dr. Léo Py, Christian Bernard» sujet Matière : Notice : 87 identifiéPar Manifestation Personne thématique sujet Matière : responsable

Enrichissement par inférences Notice : 36 Personne : aPropos « Bernard, Christian » formeRetenueSavante Langue : fr langue « Bernard» nom « Christian» prénom Notice : 43 Manifestation : aPropos Langue : fr langue titre auteur date Personne: Notice : 15 identifiéPar 2003 identifiéPar illustrateur « Hépatite… / Dr. Léo Py, Christian Bernard» sujet Matière : Notice : 87 identifiéPar thématique Manifestation Personne thématique sujet Matière : responsable

Obtention d’un autorité enrichie Notice : 36 Personne : aPropos « Bernard, Christian » formeRetenueSavante Langue : fr langue « Bernard» nom « Christian» prénom Matière : Manifestation : illustrateur thématique formeRetenue « Hépatites» formeRejetée « Hépatite» « Foie -- Inflammation» formeRejetée Personne : co-auteur « Léo» nom « Christian» prénom

Représenter le SUDOC en RDF
Construire une base de descripteurs sémantiques des autorités Sudoc
Identification par raisonnement des attributs à comparer
Sélection des autorités par requêtage sur la base des descripteurs
Contrôle de la cohérence globale du rapprochement des attributs

Outil pour l’identification des attributs à comparer
Définition d’un schéma de sélection par type d’autorité
Partie obligatoire : les connaissances pour lesquelles une correspondance forte doit exister avec l’autorité enrichie
La partie obligatoire sélectionne des autorités candidates
Partie additionnelle : les connaissances qui renforceront ou affaibliront les rapprochements aux autorités candidates
La partie additionnelle permet d’ordonner les autorités candidates
Exemple : schéma pour les personnes
Personne : Langue : langue nom prénom Sujet : Manifestation : rôle thématique forme date Liaison 1

Identification des attributs à comparer
Enrichissement préalable de la nouvelle notice
Thèse : directeur «Modelisation… » titre auteur Personne: Matière : sujet «Artificial Intelligence» forme « Petit» nom « Jean» prénom « Bernard» nom « Christian» prénom Personne: Liaison 1 thématique thématique co-auteur

Identification des attributs Thèse : directeur «Modelisation… » titre auteur Personne: Personne: Matière : sujet «Artificial Intelligence» forme « Petit» nom « Jean» prénom « Bernard» nom « Christian» prénom thématique thématique
Appariement du schéma de sélection
Liaison 1 co-auteur

Requête de sélection obtenue
Thèse : directeur «Modelisation… » titre auteur Personne: Personne: Matière : sujet «Artificial Intelligence» forme « Petit» nom « Jean» prénom « Bernard» nom « Christian» prénom thématique thématique Identification des attributs
Liaison 1 co-auteur Personne: « Bernard» nom « Christian» prénom Notice : ? aPropos

Thèse : directeur «Modelisation… » titre auteur Personne: Personne: Matière : sujet «Artificial Intelligence» forme « Petit» nom « Jean» prénom « Bernard» nom « Christian» prénom thématique thématique Identification des attributs
Critère de classement obtenu
Liaison 1 co-auteur Personne: directeur « Artificial Intelligence » thématique Matière: forme Thèse : Notice : ? aPropos

Recherche des autorités candidates
Recherche des notices qui satisfont la requête de sélection
Liaison 2 Personne: « Bernard» nom « Christian» prénom Notice : ? aPropos

Recherche des autorités candidates Liaison 2 Notice : 36 Personne : aPropos « Bernard, Christian » formeRetenueSavante Langue : fr langue « Bernard» nom « Christian» prénom Matière : Manifestation : illustrateur thématique formeRetenue « Hépatites» formeRejetée « Hépatite» « Foie -- Inflammation» formeRejetée Notice : 55 Personne : aPropos « Bernard, Christian » formeRetenueSavante Langue : fr langue « Bernard» nom « Christian» prénom Matière : Thèse : auteur thématique formeRetenue «Intelliigence artificielle» formeRejetée « Machines Intelligentes»

Classement des autorités
La partie additionnelle est utilisée comme critère de classement des autorités sélectionnés
On mesure le coût de la transformation de l’autorité enrichie pour qu’elle satisfasse la partie additionnelle
L’utilisation de mesures de proximité entre données à apparier permet d’affiner le classement
Liaison 2 Notice : ? aPropos Personne: directeur « Artificial Intelligence » thématique Matière: forme Thèse :

Classement des autorités Liaison 2 Notice : 36 Personne : aPropos « Bernard, Christian » formeRetenueSavante Langue : fr langue « Bernard» nom « Christian» prénom Matière : Manifestation : illustrateur thématique formeRetenue « Hépatites» formeRejetée « Hépatite» « Foie -- Inflammation» formeRejetée Notice : 55 Personne : aPropos « Bernard, Christian » formeRetenueSavante Langue : fr langue « Bernard» nom « Christian» prénom Matière : Thèse : auteur thématique formeRetenue «Intelligence artificielle» formeRejetée « Machines Intelligentes»

directeur Thèse : Liaison 2 Notice : 36 Personne : aPropos « Bernard, Christian » formeRetenueSavante Langue : fr langue « Bernard» nom « Christian» prénom Matière : Manifestation : illustrateur thématique formeRetenue « Hépatites» formeRejetée « Hépatite» « Foie -- Inflammation» formeRejetée Notice : 55 Personne : aPropos « Bernard, Christian » formeRetenueSavante Langue : fr langue « Bernard» nom « Christian» prénom Matière : Thèse : auteur thématique formeRetenue «Intelligence artificielle» formeRejetée « Machines Intelligentes»

directeur Thèse : Le second est privilégié Classement des autorités Liaison 2 Notice : 36 Personne : aPropos « Bernard, Christian » formeRetenueSavante Langue : fr langue « Bernard» nom « Christian» prénom Matière : Manifestation : illustrateur thématique formeRetenue « Hépatites» formeRejetée « Hépatite» « Foie -- Inflammation» formeRejetée Notice : 55 Personne : aPropos « Bernard, Christian » formeRetenueSavante Langue : fr langue « Bernard» nom « Christian» prénom Matière : Thèse : auteur thématique formeRetenue «Intelligence artificielle» formeRejetée « Machines Intelligentes»

Contrôle de la cohérence des liaisons
Utilisation de contraintes sur les relations entre autorités
Exemple : deux co-auteurs doivent avoir des dates, des langues… cohérentes
Sélection de combinaisons cohérentes d’autorités
En fonction des connaissances contenues dans les autorités enrichies sélectionnées
Privilégiant les autorités les mieux classées
Exemple :
Si
«Jean Petit», [a11, a41, a35]
«Christian Bernard», [a55, a36]
(a11,a55) et (a41,a55) et (a41,a36) co-auteurs incohérents
Renvoyer («Jean Petit»,«Christian Bernard»), [(a11, a36),(a35,a55),(a35,a36)]
Liaison 3

Travail en cours
Poursuite du travail de formalisation et transformation des différentes notices
Définition des règles d’enrichissement
Définition du schéma pour chaque type d’autorité
Expérimentations pour affiner les critères de rapprochement

Perspectives
Définition de correspondances avec d’autres ontologies (Dublin Core, Bibo…) pour faciliter l’intégration de notices externes
Introduire le service d’identification d’autorité lors du catalogage
Extension à des procédures de gestion de la qualité des autorités
Suppression des doublons
Identification d’erreurs de liaison

Au dela des autorites du Sudoc

by ABES on Jun 10, 2010

Accessibility

Categories

Tags

Upload Details

Usage Rights

1 Embed 1

Statistics

Au dela des autorites du Sudoc — Presentation Transcript