Descripteurs

Le TAG - Thésaurus de l'activité gouvernementale du Québec : retour d'expérience

Annonce octobre 2014 :  Mai 2012 - Je vous avais parlé du TAG (Thésaurus de l'activité gouvernementale) du Québec. Octobre 2014 : diffusion au format skos de ce thésaurus : http://www.thesaurus.gouv.qc.ca/tag/consultation/oa.do.
            Adresse de déchargement direct - http://www.thesaurus.gouv.qc.ca/tag/tag_skos.xml

La Télévision dans le Web - LinkedTV

Raphaël Troncy nous exposait en 2005 dans la revue Documentation de l'ADBS, les applications des technologies du web sémantique aux documents audiovisuels.  10 ans plus tard, poursuivant ses travaux sur ces thématiques au sein d'Eurecom, voici venu le temps des réalisations et des démonstrations concrètes : d'une présentation générale en 2005 de ces technologies et des scénarios envisageables, nous voici donc avec une plateforme basée sur une ontologie informatique et appuyée par des traitements automatiques d'extraction d'entités nommées, permettant d'exploiter des ressources audiovisuelles sur le web.

https://twitter.com/rtroncy

Le vocabulaire vise à pointer sur le web, non pas la vidéo d'1h (l'ouvrage, l'émission, le numéro de revue,...), mais des fragments d'éléments multimédia : un ou plusieurs passages sur un sujet précis, l'intervention d'une personne....avec toujours la même problématique documentaire : à l'intérieur d'une seule ressource (un fichier) ou parmi plusieurs ressources sur le web.

Projet LinkedTV

Une platetforme, développée dans le cadre d'un projet européen LinkedTV, "Television linked to the Web", offre des accès enrichis à des fragments de vidéo.

Modèle de données LinkedTV  La description (Annotation) porte bien sur le fragment.

 

Démonstration avec HyperTED autour des vidéos TED 

N'oublions pas qu'il s'agit d'une plateforme visant à démontrer la pertinence d'une solution technologiques...

La première étape permet de trouver un ou plusieurs fragments de vidéos sur un sujet (ici "learning") avec le time-code du (des?) fragment(s).

 

La vidéo sélectionnée de Daphne Koller est exposée avec un chapitrage et propose de mettre en avant des zones sensibles (hotspots) qui sont le produit de traitements automatiques (annotation).

L'identifiant précis de ce fragment traité par l'API Alchemy
http://linkedtv.eurecom.fr/video/f18921d8-3500-4e0a-acbf-01eb820779bb?enriched=alchemyapi&hotspotted=true#t=253.36700439453125,308.0660095214844

 

Cette même page de présentation de la vidéo liste la transcription de la vidéo, par chapitre, mettant en surbrillance des termes obtenus par les traitements sur les entités nommées ; sur la droite de l'écran, des renvois vers des fragments d'autres vidéos.

Concernant les traitement (nerdification), l'intérêt du système vient de la possibilité d'utiliser différentes API pour identifier les entités nommées ici : la localisation, les organismes, les personnes, les produits et les "choses". 

Les API proposées sur cette plateforme sont au nombre de 11  : AlchemyAPI, DataTXT, DBPedia Spotlight, Lupedia, OpenCalais, Sapio, TextRazor, THD, Wikimeta (faite un test en ligne), Yahoo!, Zemanta, NERD.

Connaître (les analyser et les sélectionner) ces outils de traitement et d'extraction d'entités nommées  devient un élément clé des (futurs) services des systèmes documentaires, dans le web ou dans les intranets.

AlchemyAPI

OpenCalais

Une évolution probable (dans le cadre d'un projet européen) est l'accès plurilangue, des transcriptions en français étant disponibles sur TED par exemple.

Peu de choses sur les sujets abordés, ceux liés à la pédagogie et à la formation, objet de la vidéo. Mais je suppose qu'une API au bon format vers un vocabulaire spécialisé serait exploitable ?

 

Vocabulaires exploités

Une grande part de ce vocabulaire LinkedTV repose sur des vocabulaires existants (principe de la réutilisation des vocabulaires) pour : 

• Représenter des ressources audiovisuelles, leur structure interne
• Ontology for Media Resources 1.0 - http://www.w3.org/TR/mediaont-10/
• permet d'adresser sur le web des ressources (identifiants)
• Représenter un "programme"
• Ontologie pour les programmes (de la BBC)  - http://www.bbc.co.uk/ontologies/po
• Annoter les fragments repérés 
• Open Annotation Data Model - http://www.w3.org/ns/oa#
• Reconnaître et désambiguiser des entités nommées sur le web  Reconnaître 
• Ontologie NERD (Named Entity Recognition and Disambiguation), un jeu d'alignements entre plusieurs schema de type d'entités nommées (DBpédia, ....)  - http://nerd.eurecom.fr/ontology#

 

Ce dispositif est tout à la fois un outil de repérage dans un fonds, un sommaire (chapitrage) et un "index de fin de livre", multipliant ainsi les accès aux (contenu des) ressources.  Adossé à des vocabulaires utilisés dans l'édition numérique comme JATS, ce serait très pertinent pour des ressources non spécifiquement audiovisuelles !

 

Sources sur le web

• La plateforme de démonstration - http://linkedtv.eurecom.fr/mediafragmentplayer
• Vidéo testée - http://linkedtv.eurecom.fr/video/f18921d8-3500-4e0a-acbf-01eb820779bb?enriched=alchemyapi&hotspotted=true#t=794.185,840.737
• Troncy Raphaël, « Nouveaux outils et documents audiovisuels : les innovations du web sémantique », Documentaliste-Sciences de l'Information 6/ 2005 (Vol. 42), p. 392-404
  URL : www.cairn.info/revue-documentaliste-sciences-de-l-information-2005-6-page-392.htm
• Sur slideshare : http://fr.slideshare.net/troncy/presentations
• LinkedTV
• Fiche du projet de recherche européen sur Cordis - http://cordis.europa.eu/project/rcn/100796_en.html
• Site Web : http://www.linkedtv.eu/
• Ontologie LinkedTV -  http://semantics.eurecom.fr/linkedtv/
• Sur vimeo - https://vimeo.com/user32346380

De retour de WebSem Pro 2012

Les présentations de SemWebPro 2012 sont en ligne - séminaire et ateliers.

Merci aux organisateurs et aux participants pour cette excellente journée.

Mes prises de note sur la première journée de conférence du 2 mai.

• Introduction sur le sujet et la journée par Nicolas Chauvat  (Logilab)  
• Linked Enterprise Data, Fabrice Lacroix d'Antidot
• Description des produits automobiles, F-P Servant et Edouard Chevalier, Renault.co
• Data.bnf.fr, Romain Wenz de la Bn
• Après la Bnf, la BPI avec Emmanuelle Bermès
• Table Ronde : L'open data peut-il se passe du web sémantique ?
• Interactive exploration of complex relational data sets in a web - Vincent Michel (Logilab)
• SemUNIT par Yolaine Bourda
• Mesagraph

Le TAG, le thésaurus de l'activité gouvernementale du Québec

Note : Billet complémentaire (Témoignage et SKOS)

Les actions du gouvernement du Québec en vue de se doter de politiques et d'outils communs pour administrer et valoriser l'information produite dans le cadre de ses activités est déjà ancienne. Un premier "Chantier en ingénierie documentaire" avait été initié en 1997. 

Plusieurs actions (projets) se sont succédées, prenant appui sur les résultats des travaux précédents (je suis admirative...). Le dispositif prend en charge les multiples facettes de cette problématique documentaire. Tout est exposé sur le site des Services gouvernementaux, à la rubrique  Administration électronique et plus particulièrement Gestion intégrée des documents, formulation prisée par les québecois. 

Ce chantier d'ingéniérie documentaire (de longue haleine) se poursuit avec par exemple une publication en 2010 sur les   "Orientations pour la gestion documentaire des courriels au gouvernement du Québec (datée de janvier 2009).

Dans le document de référence CRGGID  de 2004 en ligne (pdf), se trouve une annexe assez précise concernant l'une des 12 recommandations et qui porte sur le Thésaurus de l'activité gouvernementale : le TAG.

Thésaurus de l'activité gouvernementale (p.143)
Recommandation 3: Le thésaurus de l'activité gouvernementale (TAG) semble être un concept rassembleur et fédérateur d'efforts au sein de l'appareil gouvernemental. Il faut poursuivre le  développement, le déploiement et l'intégration de cet outil qui sensibilise de façon très concrète et éloquente aux problématiques de gestion de l'information et de contrôle du vocabulaire.

SemWeb Pro 2012

SemWeb Pro 2012, c'est une journée de conférence (02 mai 2012) et une journée de tutoriels (03 Mai 2012) sur Paris (FIAP), pour faire se rencontrer les professionnels du Web Sémantique, à savoir :

• les praticiens des systèmes d'info-doc/connaissances souhaitant faire évoluer leurs environnements techniques et/ou chef de projet (et pas que des informaticiens) - un public totalement oublié dans la présentation de ces journées !!  Alors que la 1ère journée, en particulier, leur est totalement ouverte selon moi...
• les membres de la communauté scientifique
• les industriels ayant mis ou désireux de mettre en œuvre ces nouvelles techniques.

Je suis enchantée de voir un programme riche en retours d'expérience (première journée) avec bien sûr les inconditionnels (DBPedia, BPI et 2 papiers rien que pour la Bnf !), mais surtout des présentations qui montrent que les applications se déploient dans tous les environnements de travail :

• Linked Enterprise Data : les données au cœur de l’entreprise ! (F.Lacroix), ce qui va dans le sens du papier rédigé fin 2011 sur le web sémantique/de données dans l'entreprise (numéro spécial de Documentaliste), 
• L'entrepôt RDF développé à Supelec (UNT) - http://semunt.supelec.fr/portal/
• La description des gammes d'automobiles de Renault

2 présentations plus techniques mais qui concernent tout le monde : 

• en amont des processus  d'accès : un projet Apache, Stanbol, d'automatisation de la création de liens entre les données (basé sur OpenNLP)
• en aval des processus d'accès ;  un outil de visualisation des graphes, Protovis (http://mbostock.github.com/protovis/) 

La table ronde qui se déroule la première journée sera consacrée à "L'open data peut-il se passer du web sémantique ?".

Les tutoriels me semblent également très bien couvrir les besoins. Ce sera l'année schema.org apparemment (on en reparlera à i-expo2012).

Le programme: http://www.semweb.pro/conference/semwebpro2012

Merci aux organisateurs !

Ingénierie sémantique et sociale - séminaire IRI-MuseoWeb du 11 mars 2012

Comment les musées peuvent articuler leurs collections avec des plateformes contributives ? 

Telle était la question posée aux intervenants pour cette 5ème séance 2011/2012 de MuséoWeb. Une suite plus technique que la séance du 12 Février 2012 (sur ce blogue), qui rebondit sur l'apport de Wikipédia/DBpédia.

N'hésitez pas à vous ballader dans la vidéo twittée. J'utilise cette vidéo annotée pour compléter ma prise de note, parfois déficiente.... Comme dans la vraie vie, des infos "sérieuses" (dont certaines n'avaient pas été tracées par ma plume) et des tranches de rigolades. Je suis admirative de ceux qui arrivent, sur le vif et en quelques mots, à rebondir sur des propos ou des situations.  

On aura le temps d'aborder Polemic Tweet à la prochaine séance, mais pendant que j'y suis -- sur PolemicTweet en situation de lecture des tweets : il me manque un "sommaire" pour passer d'un intervenant/sujet à un autre sans être obligé de faire diffuser la vidéo. (d'ailleurs la vidéo, je n'ai pas réussi à la faire fonctionner) - http://polemictweet.com/2011-2012-museo-ingenierie/client.php. 

Dans le désordre par rapport à l'ordre de passage.

Dynamique de contribution avec les publics - retour d'un séminaire IRI du 14 fév. 2012

Muséologie, muséographie et nouvelles formes d’adresse au public : un rapide retour du séminaire du 14 Février 2012, à l'IRI

Cette 4ème séance  du séminaire Muséologie 2.0 était intitulée "Comment la dynamique de contribution peut-elle converger avec l'indexation et la mise en place par les musées".

Rapide tour de piste des 5 interventions :

1. Stratégie de notoriété de photographes via Flickr, par Maxime Crépel

2. Flickr Commons par Patrick Peccatte (SoftExperience)

3. Fonds Trutat sur Commons / Flickr et Wikimédia, Bibliothèque de Toulouse, par Pascal Krajewski

4. Wikimédia Commons, par Jean-Frédéric Berthelot (Wikimédia France)

5. La (future) plateforme collaborative de la Cité de l’immigration, par François Queré et Renaud Sagot

6. La notion d’autorité et d’identifiant dans l’écosystème du Web par Romain Wenz (BNF)

 

ScoLOMFR - Profil d'application pour la communauté scolaire.

Le Ministère de l'Education nationale en France vient de publier en septembre 2010, un schéma de représentation des ressources pédagogiques, ScoLOMFR,  à destination de la communauté éducative scolaire.

Ce schéma est un profil d'application du LOMFR, lui même profil du LOM. Le LOM et le LOMFR sont donc les soubassements du ScoLOMFR, comme pour le profil SupLOMFR pour le supérieur. Des éléments ont été spécifiés pour répondre aux besoins et contraintes de la communauté scolaire.

Ce travail s'inscrit dans un projet plus large initié en 2008, DACORE piloté par le MEN-DGESCO et qui vise à « Définir la stratégie d’évolution des dispositifs académiques et nationaux permettant la description, la mutualisation et l’accès aux ressources pédagogiques numériques pour le ministère de l’éducation nationale ».

Dès que l'on travaille au sein d'une communauté particulière, ici la communauté scolaire en France (et même si celle-ci est large et diversifiée !), il est envisageable d'aller plus loin que la définition d'un schéma de métadonnées, et de poursuivre le travail de mutualisation sur le vocabulaire utilisé pour décrire les ressources. Le profil ScoLOMFR est ainsi composé d'un schéma de métadonnées et de plusieurs vocabulaires, définis à partir des vocabulaires déjà utilisés dans différentes bases et ressources éducatives et adaptés au schéma défini.

La rubrique du site Educnet consacré au profil contient plusieurs documents d'accompagnement de ce profil : un guide de bonnes pratiques, un manuel technique et un rapport sur les fonctionnalités et outils logiciels ai

Le Manuel Technique définit chacun des élément de données du schéma, leur articulation avec les différents autres schémas (LOMFR, LOM mais aussi Dublin Core), les règles d'encodage et les vocabulaires associés.

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