Bilbo sur OpenEdition Books

Depuis début juin, une nouvelle fonctionnalité est installée sur OpenEdition Books : l’outil de text-mining Bilbo, dédié à l’annotation automatique des références bibliographiques.

OpenEdition Lab est un programme de recherche et développement lancé en 2011 qui vise à développer des fonctionnalités de lecture, d’écriture, de navigation et de système de recommandations. Une équipe commune entre OpenEdition et le Laboratoire des sciences de l’information et des systèmes (LSIS, Aix-Marseille université – CNRS) travaille sur le projet Bilbo. Le financement initial a été assuré par l’obtention d’un Google Grant for Digital Humanities et a bénéficié du soutien de l’ANR CAAS et du projet Investissements d’Avenir Inter-Textes.

Le logiciel Bilbo

Bilbo (Bibliographical Robot) est un logiciel de détec­tion et d’annotation sémantique des réfé­rences biblio­gra­phiques présentes dans toute la documentation numérique. Grâce aux prénoms et ­noms des auteurs et aux titres (articles, ouvrages, revues, etc.)  reconnus automatiquement, nous interrogeons de manière asynchrone un service Web, CrossRef, pour relier la référence bibliographique à son DOI (Digital Object Identifier), quand celui-ci existe, et ainsi la rendre navigable1.

Bilbo est écrit en langage Python et repose sur le modèle d’apprentissage automatique CRF (Conditional Random Fields) implémenté dans l’environnement Wapiti (LIMSI, CNRS) pour apprendre à étiqueter des références bibliographiques à partir d’exemples annotés. Il repose également sur le logiciel SVM Light pour l’identification des zones de texte contenant des références bibliographiques (notes de bas de page, corps du texte).

Le code de Bilbo est diffusé à la communauté scientifique sous licence GPL version 22 et la bases d’apprentissage, corpus 1, a été diffusé lors de la conférence LREC 2012 et se trouve à cette adresse : http://lab.hypotheses.org/605.

Implémentation sur OpenEdition Books

Comme sur Revues.org, Bilbo annote et extrait l’auteur et le titre principal des références bibliographiques pour rechercher dans les bases de CrossRef, les DOI quand ils existent afin de les ajouter à la référence de la bibliographie.

Le travail d’annotation, d’interrogation de l’API de CrossRef et l’affichage des DOI dans les articles se fait toutes les 24 heures à compter du chargement de l’article dans Lodel.

Actuellement, 420 186 références ont été annotées dont 20 097 possèdent un DOI (soit 4,78%).

bilbo_books

Source : Marie-Thérèse CAM (dir.). « Bibliographie » In : La médecine vétérinaire antique : Sources écrites, archéologiques, iconographiques. Nouvelle édition [en ligne]. Rennes : Presses universitaires de Rennes, 2007 (généré le 06 juin 2016). Disponible sur Internet : http://books.openedition.org/pur/25542. ISBN : 9782753529540.

Grâce à l’enrichissement automatique, nous pouvons afficher les DOI des références annotées par Bilbo dans les articles. Nous avons mis à disposition de nos lecteurs, la possibilité de télécharger ces références bibliographiques dans les formats APA, MLA ou Chicago3. Cette fonctionnalité est accessible aux utilisateurs des bibliothèques abonnées à l’offre OpenEdition Freemium for Journals.

Que faire d’autre avec Bilbo ?

Bilbo est la pierre angulaire des projets menés par OpenEdition Lab depuis 2011.

L’équipe a travaillé à la mise en place d’un prototype de mise en relation des comptes-rendus de lecture issus de Revues.org avec les ouvrages de la plateforme OpenEdition Books dans le but de créer un site de référence sur les débats autour des livres en sciences humaines et sociales.

OpenEdition Review of Books s’appuie sur deux technologies développées dans le cadre de projets de recherche en informatique :

  • Bilbo pour la mise en relation des livres avec les notes de lecture ;
  • Écho4 pour l’extraction automatique de citations remarquables dans les comptes-rendus.

Un autre travail de recherche a consisté à annoter automatiquement des zones de références bibliographiques dans les articles scientifiques5. La première étape concerne l’utilisation des modèles d’apprentissage automatique pour classer les paragraphes bibliographiques et non bibliographiques dans les documents, au moyen d’un modèle qui a été initialement créé pour différencier les notes contenant ou ne contenant pas de références bibliographiques. Il s’agit de l’une des caractéristiques de Bilbo, pour annoter des références structurées dans les notes de bas de page. La seconde étape est la proposition d’un algorithme pour trouver la plus grande liste de références bibliographiques dans l’article. Les phases de test ont présenté un pourcentage de réussite de 72,23% dans la détection de la zone de références bibliographiques.

Une étude portant sur l’annotation des références dans Wikipédia a été réalisée et dont le double objectif consistait à vérifier le potentiel d’identification automatique des références incomplètes dans Wikipédia avec Bilbo d’une part et d’autre part, de proposer une méthode de normalisation des résultat identifiés pour grouper des références identiques6.

Pour en savoir plus

L’équipe d’OpenEdition Lab a réalisé plusieurs communications sur Bilbo dont vous pouvez trouver la liste à cette adresse : http://lab.hypotheses.org/bibliographie

Tout le travail de recherche et développement sur Bilbo se trouve ici : http://lab.hypotheses.org/category/bilbo-bibliographical-robot

Si vous souhaitez suivre le travail d’OpenEdition Lab, vous pouvez vous abonner à son carnet de recherche : http://lab.hypotheses.org/

Notes

  1. Pour en savoir plus sur les DOI, nous invitons les lecteurs à consulter l’article sur les Digital Object Identifier sur la Maison des revues (http://maisondesrevues.org/253 []
  2. https://github.com/OpenEdition/bilbo []
  3. Cette fonction est possible grâce au service Citation Formatting Service proposé par le CrossRef Labs. []
  4. https://lab.hypotheses.org/1384 et Hussam Hamdan, Patrice Bellot, et Frédéric Bechet. « Sentiment Analysis in Scholarly Book Reviews ». https://lab.hypotheses.org/1609. []
  5. Amal Htait, Sebastien Fournier and Patrice Bellot. Automatic Identification of Bibliographical Zone in Papers. In 10th edition of the Language Resources and Evaluation Conference (LREC2016), Portorož (Slovenia), 23-28 May 2016. []
  6. https://lab.hypotheses.org/1532 []

Vous aimerez aussi...

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *