Descripteurs

Libérer les métadonnées. 2. Facette et Delicious

Facette (écrit en français?) est une application d'organisation par facettes des tags de Delicious.

Le contexte

Cette application sur Delicious exploite l'outil Exhibit du MIT développé dans le cadre du projet SIMILE (Semantic Interoperability of Metadata and Information in unLike Environments). SIMILE a déjà été présenté dès 2006 par Christophe Le Bot ou C.Fauré, entre autres websemanticiens francophones. L'applicatif Timeline est certainement l'outil, issu de ce projet, le plus connu. Exhibit est quant à lui un cadre d'applications de publication de pages Web interactives. L'utilisation pendant quelques semaines de l'application fournit de nombreuses pistes de réflexion.

Résultat : un tableau de bord pour exploiter le "répertoire" Delicious

Tout d'abord le résultat (résultats en ligne) : un véritable tableau de bord de mes signets sous Delicious, s'appuyant sur une catégorisation des mots-clés (à gauche de l'écran), fonction qui donne son nom à l'application, sur un index de l'ensemble des mots-clés produits (droite de l'écran) et offrant une recherche directe bien plus efficace que sur Delicious.

Etudions l'arrière du décors

Les résultats sont exportables, ici au format RDF/XML, ce qui nous permet d'étudier de plus près, les données ... format ouvert oblige.

Mais comment sont produits ces tags enrichis ? Ce type d'index de mots-clés associés à leurs catégories d'indexation peut être produit en sortie des systèmes documentaires habituels pour être exploité par un applicatif adhoc type Exhibit ou un moteur d'indexation et de recherche.

Sous Delicious, Facette vous propose de basculer sur une interface ... d'indexation !

Au fil de l'eau, on obtient des tags Delicious avec un look particulier ...

Que nous apporte cette application ? Que peut-on en dire ?

• Structurer la représentation des ressources est très utile ! Certes.
  • Mais ce n'est pas tant la phase d'indexation structurée ici qui me semble intéressante que l'application en aval - Exhibit (exposition) - qui permet de produire dynamiquement cette interface de recherche riche.
  
  
  • Un intérêt toutefois à l'application amont (la phase d'indexation) : elle montre tout ce qui peut être fait avec des métadonnées libérées- ici des données structurées stockées sous Delicious.
  
  
  • La question reste bien sûr la phase "d'attribution d'une étiquette". Après une période de démarrage que je qualifierais de très douloureuse ;-), j'ai atteint aujourd'hui une phase de croisière. Je n'utilise plus l'outil d'annotation du MIT (qui ne fonctionne pas trop bien : ne mémorisant pas mes propositions, je me retrouve régulièrement avec une page vierge, et des catégories ... anglosaxonnes ...). Par contre, mes tags sont maintenant assez riches sous ce formatage pour rendre cette tâche acceptable sous Delicious directement. Et cette liste m'aide à ... réfléchir ! Petit travail intellectuel très profitable assisté par la machine à l'inverse de la logique documentaire.

• Ces fonctionnalités sont-elles exploitables réellement dans des systèmes d'indexation sociale ?

Il me semble que cela ne peut s'imaginer que si le premier niveau de description ("catalogage" + "indexation sujet") est totalement ou partiellement, déjà intégré à la ressource. L'annotation réalisée par l'utilisateur est alors tellement orientée par son usage que cela semble tout à fait naturel : en tant qu'utilisatrice, il m'est plus facile d'indexer "ma" métadonnée "Exemple", que le sujet global de la ressource. Si j'élabore un dossier documentaire sur les "ressources pédagogiques en ligne", il m'est plus facile de tagger des références par rapport à cette thmatique, lorsqu'elles sont préalablement enrichies.

• Quelles "facettes" ? Quelle schéma de métadonnées ? Quelle sémantique pour les tags ?
  

• La question de la sémantique des catégories de tags reste entière, mais je vois poindre le CommonTag, une toute nouvelle spécification que Bernard Vatant de Mondeca nous présente.

• Mais il ne s'agit pas toutefois d'imposer "une" structure unique, mais de permettre l'exploitation de différents schémas de métadonnées liés aux usages autour de collections mises à disposition. Par exemple j'avais besoin de distinguer "nature d'information" de "type d'objet", "exemple" ou "norme", le "domaine couvert" et le "sujet". Bref une structure adhoc. Sur ce plan, l'exploitation de Delicious est très parlant.

• Si avec Facette, un premier niveau de sémantique est apporté aux tags sur Delicious, mais le terme choisi lui-même reste incertain ! Suivons de près des outils comme Faviki qui permet de choisir comme "tag" un sujet à partir des données de Wikipédia via DBpddia.

(Désolée pour celles qui en ont marre de Delicious)

Autres ressources

• Un autre papier sur Facette par ReadWriteWeb au début de l'année.
• Pour la notion de facette, se reporter aux travaux de Jacques Maniez. Par exemple : "Des classifications aux thésaurus :
  Du bon usage des facettes", Documentaliste - Sciences de l’information, 1999, vol. 36, n° 4-5 (non accessible en ligne), qui "plaide [...] pour un usage plus rigoureux du terme et de l’outil [classification à facettes), qui fasse clairement le partage entre la classification des concepts et le classement des sujets.

Traiter (des photos) pour trouver

L'indexation (humaine) des photos - vaste question que Patrick peccatte attaque à partir d'exemples concrets … « Du bruit au signal (et inversement ») » (titre de son blogue) : on ne peut mieux dire.

Un premier constat : des pratiques très variées pour ne pas dire disparates.

Un deuxième constat : les limites du format IPTC/IIM qui n'offre pas dans son modèle de quoi hiérarchiser ou structurer ces « mots clés ». Ce qui laisse le champs libre, semble-t-il, les pratiques actuelles.

De ces exemples, j'en tire pour ma part d'autres enseignements en particulier sur les difficultés à articuler méthodes et outillages techno-documentaires "manuels" et automatiques, pour ces derniers, exploités de longue date mais pas assez diffusés, me semble-t-il même si les applications intranets ou de catalogue électronique ont "bousté" ces technologies depuis l'an 2000.

Je pense en particulier :

• aux technologies linguistiques ou plus largement sémantique pour (a minima) la reformulation des questions (1).  L'idée de vouloir intégrer « à la main », pour simplifier la vie des utilisateurs, la multiplicité des formes fléchies, désinences, … me semble quelque peu utopique. Certains dispositifs utilisent des outils de lemmatisation "simple", comme celui de Porter, mais cette technique bien souvent, n'est pas suffisante, et il serait nécessaire d'intégrer d'autres catégories d'algorithmes ou de solutions plus élaboré(e)s. D'autant qu'aujourd'hui, ces technologies se démocratisent et sont utilisables sur le web (ce qui semblait difficile il y a 10 ans). On a même des moteurs spécialisés comme Ask ou Hakia (une recherche sur le recyclage des emballages de fruits).
• après avoir embarqué et traité la requête, il s'agit de l'enrichir grâce aux techniques d'expansion sémantique en recherche ce qui évite ainsi d'indexer à outrance les ressources, par intégration de tous les termes (génériques mais aussi équivalents) le long d'une branche d'un thésaurus ou de tout autre type de ressource sémantique, comme le montre certains exemples évoqués par P.Peccatte. Il s'agit alors d'utiliser un programme dédié exploitant à la recherche un graphe de concepts. Cette extension peut intégrer également (mais avec prudence) les branches reliées par des relations moins fortes comme des relations associées. Ce principe est intégrés aux solutions sémantiques évoluées (Autonomy, Exalead, Sinequa...). Les logiciels de gestion documentaires proposent quant à eux ces fonctions mais uniquement d'autopostage, c'est-à-dire justement à l'indexation pour enrichir la description de la ressource ; en général elles ne sont pas intégrées aux portails.
  Mais il reste encore des choses à faire pour tenir compte à la fois des métadonnées lorsqu'elles existent et des traitements automatiques d'expansion sémantique.
• de la gestion des  métadonnées si l'on veut employer les notions plus actuelles : le marqueur de langue apparaît dans ces exemples, mais le principe de marqueurs sémantiques des contenus, utilisables bien sûr en recherche, peut se déployer sur d'autres catégories d'information : géographique, composition ou position dans l'image, catégorie de personnage,….Cette catégorisation sémantique est difficile à identifier tant cette zone d'analyse des contenus est brouillée par l'apport de termes tout azimut.
• et bien sûr, une présentation catégorisée des résultats de la recherche, sur la base de ces marqueurs (métadonnées) et/ou de traitements totalement automatiques sur les contenus

Quant aux pratiques de représentation structurée : elles existent déjà ! Par exemple : Getty Image ou Jupiter pour n'en citer que deux. Une course stratégique pour répondre aux besoins des clients.

Cette rapide étude conduite par P Peccatte montre aussi que les secteurs ou les organismes ne sont pas tous au même degré de maturité face aux méthodes ou techniques automatiques (linguistique, statistique ou de modélisation), et que certains se sont laissés ... dépassés par les volumes à la fois des ressources et des utilisateurs.

Répondre au fil de l'eau aux demandes -parfois contradictoires- des Utilisateurs
aboutit aujourd'hui à des « châteaux de cartes » ;-)

Pour aborder la partie linguistique

Les applications d'accès à l'information textuelle, C. Fabre, 2008, SL0541 - linguistique et TAL. Support de cours en ppt - Linguistique et Traitement Automatique des Langues II- S1 (ppt) ou S2 (ppt)

Indexation automatique et langage naturel (pdf), Sylvie Dalbin, JE du Jeudi 5 Décembre 2002 à Rouen, ADBS Normandie, AIVP et GIDE (Revu en 2009, ce document reste d'actualité - sauf pour les produits et leurs tarifs). (version 2002 en ligne)

Et un livre pour ceux qui voudraient approfondir : Recherche d'information et traitement de la langue : fondements linguistiques et applications, G. Lallich-Boidin, Dominique Maret ; Presses de l'ENSSIB, 2005.- 288 p.

Note (1) - Fluhr C. “ Le traitement du langage naturel dans la recherche d'information documentaire ” in « Séminaire Inria - Les interfaces intelligentes dans l'IST », INRIA, 1992

Libérer les métadonnées ! 2. Localisation géographique.

Nous poursuivons la libéralisation des métadonnées de leur notice catalographique où nous les avions confinées.
Après les "dates", prenons justement de la distance avec la métadonnée "localisation", que je limiterai ici à la localisation terrestre.

L’exemple est tiré d’un catalogue très classique de romans.Je sais, je sais : malheureusement, ce type de métadonnée ne nous est justement pas proposé dans les catalogues de bibliothèques, alors que cela nous est indispensable ;-)

Je ne rentrerais pas dans les débats sur l’indexation des Romans (autre dossier) (où se passe l'histoire?), ou de l’utilisation des lieux de naissance des auteurs (origine culturelle de l’auteur?) dans les catalogues bibliographiques. Je ne parlerai pas non plus du mélange fait entre ces deux natures de « localisation " : si vous tombez sur l’inspecteur Wallander par la donnée « suédois (auteur) » qui justement enquête à Riga en Lettonie (lieu où se déroule l’histoire), c’est à une présentation de la vie lettonaise et non suédoise que vous serez convié....
 
Voici donc une jolie carte établie par Bibliosurf, notre bibliothécaire préféré qui …. indexe les documents(entretien de B.Strainchamps) par leur localisation.  Un vrai documentaliste qui se met à indexer tout type de document;-)

Un index genre/pays (Patientez un peu que les marqueurs s'affichent), pratique et pédagogique, des Guides de lecture (roman, roman policier, livre de cuisine,..), plus sympathique qu'un index alphabétique.

Double-cliquez sur l'image ou aller sur Flickr

Un autre exemple: des fiches touristiques avec une géolocalisation des résultats de la recherche.
Double-cliquez sur l'image ou aller sur Flickr

Services web pour la géolocalisation

* Geonames -  http://www.geonames.org
GEONAMES une base de données géographiques, billet de juin 2007

* GoogleMaps - http://code.google.com/intl/ja/apis/maps/

* Données géographiques au format RDF de l’INSEE

* Citons aussi Géoportail de l'IGN qui propose une visualisation des données, mais nonl'exploitation (type mashup) de ces mêmes données. En tous les cas pas simplement.

 

Quel concept se cache derriere le terme ?

Le travail sur les vocabulaires contrôlés peut être très houleux ....

Pour apaiser un peu ces réunions qui se multiplient, je vous propose de revenir aux principes fondamentaux, c'est-à-dire le concept au lieu de se bagarrer sur les termes (ou pire Le Terme).

Voici une ressource que j'utilise dans différentes occasions pédagogiques ou lors de prestations documentaires.
Celle-ci prend appui sur la notion de  "couverture sémantique d'un concept" (et/ou d'un terme) dans différents langages documentaires. Ici un travail sur le concept "Bois" dans le thésaurus du Gemet, Motbis, Rameau et dans un plan de classement.

Voir la présentation sur Slideshare ouTélédéchargez le fichier vous-même.
Merci à Hélène x2 et Brigitte.