Ci-dessous, les différences entre deux révisions de la page.
Les deux révisions précédentes Révision précédente Prochaine révision | Révision précédente Prochaine révision Les deux révisions suivantes | ||
td_histoire_numerique:exercice_2 [2015/09/22 09:12] Francesco Beretta [Principes d'annotation] |
td_histoire_numerique:exercice_2 [2015/09/25 07:35] Francesco Beretta [Création du document à annoter] |
||
---|---|---|---|
Ligne 1: | Ligne 1: | ||
Revenir à la [[:td_histoire_numerique:accueil|page d'accueil]]. | Revenir à la [[:td_histoire_numerique:accueil|page d'accueil]]. | ||
+ | |||
+ | \\ | ||
===== Création du document à annoter ===== | ===== Création du document à annoter ===== | ||
- | **Document à télécharger pour l'exercice de mardi 22 septembre**: {{:td_histoire_numerique:liste_notices_bnf.ods|liste_notices_BNF}} | + | **Document à télécharger pour l'exercice de mardi 29 septembre**: {{:td_histoire_numerique:liste_notices_bnf.ods|liste_notices_BNF.ods}} |
- | ==== Requête dans les données de la Bibliothèque nationale ==== | + | Les indications concernant la production du document se trouvent sur **[[td_histoire_numerique:creation_liste_notices_bnf|cette page]]**. |
- | On interroge le point d'accès SPARQL de la Bibliothèque nationale de France pour créer un ensemble de données tirées des notices d'autorité. Ouvrir l'[[http://data.bnf.fr/sparql/|Editeur SPARQL de data.bnf.fr]] et coller dans l'espace Rêquete la requête qui suit, tout en laissant le format de sortie par défaut: HTML. Le résultat de la requête est ainsi mis en forme et peut être parcouru. | + | Il s'agit maintenant le créer le document en format texte que nous allons annoter en introduisant une indexation sémantique. |
+ | * ouvrez le document 'liste_notices_BNF.ods' | ||
+ | * sélectionnez toutes les cellules de la colonne 'notice' sauf la première (qui contient le nom de la colonne). Pour sélectionner les cellules sélectionnez la première, appuyez sur la touche majuscule puis sélectionnez la dernière. | ||
+ | * collez le contenu du presse-papier dans un document texte vide (Writer) | ||
+ | * sauvegardez ce document sous le nom '**liste_notices_BNF.odt**' | ||
- | <code sparql>PREFIX egr: <http://rdvocab.info/ElementsGr2/> | + | \\ |
- | SELECT DISTINCT ?s ?na ?fn ?annee ?pb ?gd ?bio | + | ===== Principes d'annotation ===== |
- | WHERE | + | |
- | { { { SELECT DISTINCT ?s ?bio | + | |
- | WHERE | + | |
- | { { ?s egr:biographicalInformation ?bio | + | |
- | FILTER ( CONTAINS(?bio, "mathém") || CONTAINS(?bio, "Mathém") ) | + | |
- | } | + | |
- | UNION | + | |
- | { ?s egr:biographicalInformation ?bio | + | |
- | FILTER ( CONTAINS(?bio, "astrono") || CONTAINS(?bio, "Astrono") ) | + | |
- | } | + | |
- | } | + | |
- | } | + | |
- | ?s egr:dateOfBirth ?bd | + | |
- | OPTIONAL | + | |
- | { ?s <;http://xmlns.com/foaf/0.1/name>; ?na } | + | |
- | OPTIONAL | + | |
- | { ?s <;http://xmlns.com/foaf/0.1/familyName>; ?fn } | + | |
- | OPTIONAL | + | |
- | { ?s egr:placeOfBirth ?pb } | + | |
- | OPTIONAL | + | |
- | { ?s <;http://xmlns.com/foaf/0.1/gender>; ?gd } | + | |
- | } | + | Le principe de l'[[https://fr.wikipedia.org/wiki/Extensible_Markup_Language|encodage en format XML]] mais de manière simplifiée. |
- | BIND(STRBEFORE(STRAFTER(STR(?bd), "http://DATA.bnf.fr/date/"), "/") AS ?annee) | + | |
- | FILTER ( ( ?annee > "1100" ) && ( ?annee < "1761" ) ) | + | |
- | } | + | |
- | ORDER BY ?annee | + | |
- | </code> | + | |
- | Pour les intéressés, une présentation des concepts du web sémantique, dans le contexte du mouvement //Open Data//, se trouve [[http://phn-wiki.ish-lyon.cnrs.fr/doku.php?id=thatcamp_2014:session_thatcamp2014|sur cette page]]. | + | === Balises === |
- | \\ | + | |{ud0_}TTT{/ud} | unité documentaire | tei:div | Au dessus du niveau paragraphe, enveloppe un paragraphe | |
+ | | {eud}TTT{/eud} | en-tête d'unité documentaire | tei:head | A placer toujours au début d'une unité documentaire pour disposer d'un titre | | ||
+ | | {seg}TTT{/seg} | segment | tei:seg | Au dessous du niveau paragraphe, toujours à l'intérieur d'un paragraphe, regroupe en règle générale plusieurs propositions. | | ||
+ | | {co0}TTT{/co} | contentu | tei:seg | | | ||
+ | | {in0}TTT{/in} | information | tei:seg | | | ||
+ | | {en0}TTT{/en} | entité nommée | tei:name | | | ||
+ | | {ro0}TTT{/ro} | référence à un objet | tei:rs | | | ||
+ | | {dat}TTT{/dat} | date | tei:date | | | ||
- | === Création et nettoyage du fichier à encoder === | + | Dans l'espace de noms du TD, le nom des balises possède deux caractères si la balise est susceptible d'être associée à un objet de la base de données, trois si cette possibilité est exclue. \\ Pour les balises à deux lettres, un 0 est ajouté si la référence à un objet dans la base de données est omise. |
- | * Revenir à la page de la 'Requête' et changer le 'Format du résultat' à CSV (comma-separated values) | + | === Types === |
- | * Reexécuter al requête, sélectionner toute la page du résultat et la copier dans le presse-papier | + | |
- | * Ouvrir une nouvelle feuille de calcul dans le logiciel de tableur (Calc pour LibreOffice/OpenOffice; Excel dans la suite Microsoft) | + | |
- | * Coller avec collage spécial dans la première cellule de la feuille de calcul: A1 et choisir 'Texte non formaté'. | + | |
- | * Dans la boîte de dialogue mettre 'Virgule' comme séparateur | + | |
- | * Mettre le 'Type de colonne':'Texte' pour la colonne 'annee' | + | |
- | * Importer et vérifier le résultat | + | |
- | * Sauvegarder le nouveau fichier avec le nom 'liste_notices_BNF' au format .ods ou .xls | + | |
- | * Ajouter une colonne avant la colonne 'annee' qu'on va appeler 'nom' | + | On peut également ajouter un sigle sur deux caractères indiquant le type d'objet après le chiffre. |
- | * Dans la première cellule qui contient les données insérer la formule: =SI(ESTVIDE(B2);C2;B2) | + | |
- | * Copier-coller cette formule dans toutes les cellules de la colonne sauf la première ligne | + | |
- | * Ajouter une colonne annee_mediane après la colonne année | + | |
- | * Insérer dans toutes les cellules de cette colonne la formule =SI(ESTERREUR(CHERCHE("-";E2)) ; E2; CONCATENER(GAUCHE(E2;2);"51")) | + | |
- | * Ajouter une colonne 'naissance' avant la colonne 'gd' (gender) et mettre cette formule dans toutes les cellules: =SI(ESTVIDE(G2);F2;CONCATENER(G2;", ";F2)) | + | |
- | * Ajouter une colonne 'notice' après la colonne 'bio' et mettre dans toutes les cellules cette formule: =CONCATENER(D2;" (";H2;") ";J2;" [";A2;"]") | + | |
- | * Trier les données d'après les colonnes 'annee_mediane' et 'nom' | + | |
- | On obtient ce résultat: {{:td_histoire_numerique:liste_notices_bnf.ods|liste_notices_BNF}} | + | | ai | Acteur [individuel] | |
+ | | ac | Acteur collectif | | ||
+ | | oa | Objet abstrait | | ||
+ | | cs | Caractère social | | ||
+ | | om | Objet matériel | | ||
+ | | bi | Bibliographie | | ||
+ | | ud | Unité documentaire | | ||
+ | | od | Objet digital | | ||
+ | | li | Lieu | | ||
+ | | im | Immeuble | | ||
- | ===== Annotation du document ===== | + | Par exemple: {en0cs}mathématicien{/en} |
- | ==== Fonctionnalité 'Rechercher et remplacer' ==== | + | === Dates === |
- | Documentation de LibreOffice (traduction en français): | + | Nous utilisons pour les dates le [[https://fr.wikipedia.org/wiki/ISO_8601|format ISO 8601]]. \\ |
+ | On saisira les dates sous forme de texte au format ISO 8601, ce qui permet de traiter les dates tronquées (seulement l'année, ou seulement l'année et le mois, etc.) | ||
- | * [[https://help.libreoffice.org/Common/Find_and_Replace/fr|Rechercher & remplacer]] | + | \\ Mise en forme des dates : \\ \\ {dat20001101} le premier novembre de la dernière année du siècle précédent{/dat} |
- | * [[https://help.libreoffice.org/Common/List_of_Regular_Expressions/fr|Liste des expressions régulières]] | + | |
+ | | dd | Date de début | | ||
+ | | df | Date de fin | | ||
+ | | di | Date intermédiaire | | ||
+ | | du | Date unique | | ||
+ | | [e] | Date exacte | | ||
+ | | r | Date reconstituée | | ||
+ | | p | Date postulée | | ||
- | === Recherche de similarités === | + | Il était en fonction au {dat20001115r_di} milieu du mois de novembre de la dernière année du siècle précédent{/dat}. |
- | * L'exemple de 'Jacob' | + | \\ |
- | * [[https://fr.wikipedia.org/wiki/N-gramme|N-Gram]] | + | |
- | * [[https://books.google.com/ngrams/graph?content=Galileo+Galilei,Cartesio,Descartes,Copernico,Copernicus,Kopernik&year_start=1800&year_end=2000&corpus=22&smoothing=3&share=&direct_url=t1;,Galileo Galilei;,c0;.t1;,Cartesio;,c0;.t1;,Descartes;,c0;.t1;,Copernico;,c0;.t1;,Copernicus;,c0;.t1;,Kopernik;,c0|Google NGram viewer]] – explication : [[https://fr.wikipedia.org/wiki/Ngram_Viewer|Ngram Viewer]] | + | |
+ | ===== Annotation de documents ===== | ||
- | ==== Principes d'annotation ==== | + | ==== Annotation manuelle ==== |
- | {ud0_} {/ud} \\ | ||
- | unité documentaire\\ | ||
- | tei:div – doit envelopper des éléments au niveau paragraphe\\ | ||
- | Au dessus du niveau paragraphe, enveloppe un paragraphe\\ | ||
- | {etu} {/etu}\\ | ||
- | en-tête d'unité documentaire\\ | ||
- | tei:head\\ | ||
- | A placer toujours au début d'une unité documentaire pour disposer d'un titre\\ | ||
- | {seg} {/seg}\\ | ||
- | segment\\ | ||
- | tei:seg\\ | ||
- | Au dessous du niveau paragraphe, toujours à l'intérieur d'un paragraphe, regroupe en règle générale plusieurs propositions.\\ | ||
- | {co0} {/co} \\ | ||
- | contentu\\ | ||
- | tei:seg\\ | ||
- | \\ | ||
- | {in0} {/in}\\ | ||
- | information\\ | ||
- | tei:seg\\ | ||
- | \\ | ||
- | {en0} {/en}\\ | ||
- | entité nommée\\ | ||
- | tei:name\\ | ||
- | \\ | ||
- | {ro0} {/ro}\\ | ||
- | référence à un objet\\ | ||
- | tei:rs\\ | ||
- | \\ | ||
- | {dat} {/dat}\\ | ||
- | date\\ | ||
- | tei:date\\ | ||
- | \\ | ||
- | Dans l'espace de noms du TD, le nom des balises possède deux caractères si la balise est susceptible d'être associée à un objet de la base de données, trois si cette possibilité est exclue.\\ | + | ==== Fonctionnalité 'Rechercher et remplacer' ==== |
- | Pour les balises à deux lettres, un 0 est ajouté si la référence à un objet dans la base de données est omise.\\ | + | |
- | \\ | + | Documentation de LibreOffice (traduction en français): |
- | Mise en forme des dates :\\ | + | |
- | \\ | + | * [[https://help.libreoffice.org/Common/Find_and_Replace/fr|Rechercher & remplacer]] |
- | {dat20001101} le premier novembre de la dernière année du siècle précédent{/dat}\\ | + | * [[https://help.libreoffice.org/Common/List_of_Regular_Expressions/fr|Liste des expressions régulières]] |
- | \\ | + | |
- | \\ | + | === Recherche de similarités === |
- | dd\\ | + | |
- | Date de début\\ | + | * L'exemple de 'Jacob' |
- | df\\ | + | * [[https://fr.wikipedia.org/wiki/N-gramme|N-Gram]] |
- | Date de fin\\ | + | * [[https://books.google.com/ngrams/graph?content=Galileo+Galilei,Cartesio,Descartes,Copernico,Copernicus,Kopernik&year_start=1800&year_end=2000&corpus=22&smoothing=3&share=&direct_url=t1;,Galileo Galilei;,c0;.t1;,Cartesio;,c0;.t1;,Descartes;,c0;.t1;,Copernico;,c0;.t1;,Copernicus;,c0;.t1;,Kopernik;,c0|Google NGram viewer]] – explication : [[https://fr.wikipedia.org/wiki/Ngram_Viewer|Ngram Viewer]] |
- | di\\ | + | |
- | Date intermédiaire\\ | + | |
- | du\\ | + | |
- | Date unique | + | |