Outils pour utilisateurs

Outils du site


td_histoire_numerique:exercice_5

Ceci est une ancienne révision du document !


Revenir à la page d'accueil.

Licence Creative Commons Le cours "Informatique pour les historiens" de Francesco Beretta, avec tous les documents, fichiers et scripts associés, est mis à disposition selon les termes de la licence Creative Commons Attribution - Pas d’Utilisation Commerciale - Partage dans les Mêmes Conditions 4.0 International.

Transformation d'unités de connaissance en données

Dans ce dernier exercice, il s'agira de transformer en données structurées les unités de connaissance concernant les naissances et les enseignements de quelques savants. Ces connaissances atomisées se trouvent dans les textes issus de notices biographiques de Wikipedia que nous avons déjà analysés dans le premier exercice. Il s'agit ici de répondre à la question: comment transformer en données structurées les connaissances extraites par les chercheurs de textes? La méthode présentée ici s'inspire de celle dévéloppée dans le projet symogih.org. On trouvera sur le site du projet de plus amples explications à ce sujet et, plus particulièrement au sujet d'encodage de textes en lien avec l'ontologie du projet, dans le manuel des utilisateurs.

Une unité de connaissance peut être conçue en tant qu'affirmation qui met en relation des objets, tout en indiquant quelle est la nature de cette relation. L'unité de connaissance, qui situe la relation entre objets dans l'espace et dans le temps, est donc équivalente à la notion de perdurant dans l'ontologie DOLCE, alors que les objets eux-mêmes (acteurs, lieux, concepts, etc.) correspondent à la notion de endurant.

Encodage des unités de connaissance dans les textes

Une première démarche consiste à produire des données structurées en les encodant dans les textes eux-mêmes. Pour ce faire, il faut d'abord définir dans la base de données les types d'unités de connaissance qu'on souhaite encoder en créant les objets respectifs: Naissance (objet 11) et Enseignement (objet 1621). Les objets/endurants participent aux unités de connaissance/perdurants en ayant un rôle spécifique. Pour la naissance, on aura la personne qui naît (définie par le type de rôle 'naître', correspondant à l'objet 23 de la base de données, alors que le lieu de naissance est associé par le type de rôle 'localiser', correspondant à l'objet 22). Pour ce qui concerne l'unité de connaissance de type Enseignement, elle est associé aux rôles qui définissent respectivement la personne qui enseigne (objet 1624), la matière enseignée (objet 1622), l'institution d'enseignement (objet 10) et la qualificaiton de l'enseignant (objet 1623).

A partir de la définition de ces objets, munis de leurs identifiants respectifs, on peut coder ainsi une naissance:

1  {ud0}
2  {eud}Christopher Grienberger{/eud}
3  {ud0_9}{in0_11}{en1620_23}Christopher Grienberger{/en} (aussi écrit Christopher Gruemberger, ou encore Grinberg, Bamberger, ou Gamberger, voire Panberger), né le {dat15510702_du}2 juillet 1551{/dat} à {en0li_22}Hall dans le Tyrol{/en}{/in}, et mort le 11 mars 1636 à Rome, est prêtre jésuite autrichien, mathématicien et professeur au Collège romain. Un cratère lunaire est nommé en son honneur Gruemberger.{/ud}
4  ...
5  {/ud}

A la ligne 1, une balise de type “unité documentaire” ouvre la portion de texte correspondante à la notice biographique, qui termine à la ligne 5. A la ligne 2, l'entête de l'unité documentaire à la fonction de titre de la portion de texte qui suit.

A la ligne 3, une nouvelle balise “unité documentaire” est ouverte. Elle est identifiée par l'objet 9 de la base de donnée, un objet abstrait intitulé “Résumé de la notice” qui indique le contenu du segment. Il est ainsi possible de créer un typologie des unités documentaires. A cette même ligne comment l'unité de connaissance de type Naissance (objet 11), introduite par la balise {in0_11} dont le premier chiffre “0” indique qu'il n'y a pas d'objet correspondant précis à cette information dans la base de donnée et le deuxième, “11” que cette unité de connaissance est de type “Naissance”. Quant aux rôles, ils sont encodés dans les balises qui enveloppent les entités nommées:

  • {en1620_23} enveloppe l'objet 1620 de la base de données, “Grienberger, Christoph”, dont le rôle est l'objet 23: “naître”
td_histoire_numerique/exercice_5.1452029658.txt.gz · Dernière modification: 2016/01/05 22:34 par Francesco Beretta