Fouille textuelle de revues intellectuelles québécoises Iana Atanassova 83 e congrès de l’ACFAS 25 mai 2015, Rimouski, Canada
Fouille textuelle de revues intellectuelles québécoises
Iana Atanassova
83e congrès de l’ACFAS 25 mai 2015, Rimouski, Canada
Projet « Champ politique et champ intellectuel : une
analyse logométrique et bibliométrique »
Numérisation et exploitation numérique de la presse écrite québécoise.
Partenaires :
25 mai 2015, Rimouski Iana Atanassova 2
Objectifs
• analyse des revues et journaux intellectuels, publiés dans la période de l’entre-deux-guerres (1917-1939) au Québec ;
• identifier et comprendre les réseaux et les mouvements d’idées ;
• analyse de la notion d’innovation à travers les évolutions dans les usages des concepts ;
• développent d’outils de fouille textuelle pour des bibliothèques numériques.
25 mai 2015, Rimouski Iana Atanassova 3
Corpus de revues intellectuelles
• Presse écrite (1917 – 1939) :
– autour de 65 revues intellectuelles, disponibles en grande partie à la BANQ (papier et/ou microfilm)
• 8 revues déjà numérisées, en format PDF/TIFF par la BANQ
25 mai 2015, Rimouski Iana Atanassova 4
Corpus numérisé
25 mai 2015, Rimouski Iana Atanassova 5
Méthodes
• Numérisation et conversion en formats textuels avec gestion des métadonnées (XML, SQL, …)
• Analyse textuelle (indexation, annotations, etc.)
• Visualisations, extraction de données
• Exploitation pour les bibliothèques numériques : recherche avancée, navigation textuelle
25 mai 2015, Rimouski Iana Atanassova 6
Chaînes de traitement
25 mai 2015, Rimouski Iana Atanassova 7
Conversion de PDF en XML • XML schémas : DocBook, Erudit-XML
• Objectifs : – Préserver les marques d’italique et gras.
– Pouvoir représenter les métadonnées de l’article.
25 mai 2015, Rimouski Iana Atanassova 8
Base de données relationnelle
25 mai 2015, Rimouski Iana Atanassova 9
Génération des métadonnées
• Titre de l’article :
– Position du paragraphe (paragraphe précèdent/suivant)
– Moins de 20 mots, ne contient pas de phrases
– Utilisation de majuscules
• Nom (pseudonyme) de l’auteur :
– Dernier paragraphe du texte
– Comparaisons avec bases de noms/pseudonymes externes
25 mai 2015, Rimouski Iana Atanassova 10
25 mai 2015, Rimouski Iana Atanassova 11
Titre ?
Nom d’auteur ?
25 mai 2015, Rimouski Iana Atanassova 12
…
Indexation
• Développement d’interfaces interactives pour exploiter les données textuelles
• Moteurs de recherche dédiés : recherche par mots clés, par auteur, titre, etc.
• Outils : Solr Search Server (Lucene), interfaces web, javascript
25 mai 2015, Rimouski Iana Atanassova 13
Visualisations
25 mai 2015, Rimouski Iana Atanassova 14
Visualisations
25 mai 2015, Rimouski Iana Atanassova 15
Visualisations
25 mai 2015, Rimouski Iana Atanassova 16
Perspectives
25 mai 2015, Rimouski Iana Atanassova 17
• Implémentation d’outils avancés pour l’exploitation des revues numérisées : – Recherche avancée
– Affichage des termes en contexte
• Etude de l’évolution dans le temps des usages des concepts dans les corpus, afin de révéler les mouvements d’idées et l’apparition de nouveaux concepts : – Analyses linguistiques : prise en charge des contextes,
n-grams, etc.
– Distributions et analyse quantitative
MERCI !
25 mai 2015, Rimouski Iana Atanassova 18