En savoir plus sur les outils Istex TDM ?

Les outils d'exploration et d'enrichissement des corpus

Les publications trouvables dans la base documentaire Istex Search ont généralement plusieurs versions de fichiers, dont des formats aidant à l'interrogation des textes (TEI-XML, textes nettoyés). Elles ont généralement déjà des enrichissements.

Aussi, leur acquisition a été négociée de manière à obtenir des fichiers structurés permettant de réaliser des opérations de fouille de textes.

Les services TDM peuvent être utilisés sur d'autres ressources et types de données que la documentation fournie par la base Istex Search. Par exemple, il est tout à fait possible d'utiliser le logiciel Lodex pour analyser et présenter les résultats d'une enquête.

• Catalogue de web services

Les web services sont des petits programmes correspondant à un type de traitement à chaque fois, à appliquer sur les données que l'on souhaite analyser. Ils sont développés au fur et à mesure des nouveaux besoins par l'équipe technique de l'INIST. La plupart d'entre eux sont utilisables à partir du logiciel Lodex. Il est également possible d'utiliser ces programmes dans d'autres environnements pour les personnes ayant des compétences en développement.

Ces web services sont répertoriés dans un catalogue, qui permet d'avoir une vue d'ensemble sur tous les web services existants et donne une description complète du fonctionnement de chacun.

• Lodex

Lodex est un logiciel open source permettant de structurer et de visualiser ses données, puis de les présenter sous la forme d'un site web. Il est notamment utilisé pour constituer des tableaux de bord ou des bases de données.

Pour l'utiliser, il est possible :

• Soit de demander une création d'instance à l'Inist. Le logiciel est alors hébergé sur le serveur de l'Inist et on peut l'utiliser à distance ;
• Soit de l'installer sur un serveur local, ce qui demande des compétences en développement.

Pour utiliser le logiciel, il suffit d'y importer des données (plusieurs formats sont acceptés : .csv, .xml, .JSON, via une API, etc.), puis de structurer la présentation du site web et des données analysées. Une fois le paramétrage et la structuration du site et des données faits, il est possible de l'extraire sous la forme d'un modèle pour le réutiliser sur d'autres données plus tard. Toutefois, ce travail étant long et fastidieux, l'Inist propose un catalogue de modèles régulièrement alimenté avec des explications pour les utiliser. Dans ce cas, il n'y a plus qu'à appliquer le modèle pré-construit sur les données importées.

Enfin, il est possible de rejoindre la communauté des utilisateurs Lodex via le salon public Lodex sur Tchap (l'un des outils appartenant à La Suite numérique proposée par le ministère de l'ESR pour ses personnels), ainsi que via la page GitHub de l'Inist-CNRS.

• TDM Factory

TDM Factory se présente sous la forme d'un site web à l'interface simple et intuitive, permettant d'effectuer des traitements sur un article ou un corpus d'articles scientifique. Ceci de manière automatisée et en trois étapes : en chargeant les données, en choisissant un service pour exécuter une opération de traitement sur les données, puis en recevant les résultats du traitement via son adresse mail.

Une partie des web services (une vingtaine) sont utilisables à partir de TDM Factory pour réaliser par exemple des tâches d'extraction d'informations, d'enrichissement ou la structuration automatique de textes sur des publications scientifiques.