• DARIAH EU
• Publicationsclose
• Research softwareclose
• 2014-2023close
• FR close
• US close
• French close
• Mémoires en Sciences de l'Information et de la Communication close
• Hyper Article en Ligne - Sciences de l'Homme et de la Société close
• Hal-Diderot close
• Hyper Article en Ligne close
• HAL AMU close

Avec les participations de Sophie Renaudin (Médiathèque Louis-Aragon du Mans) et de Sylvie Tisserand (Bibliothèque du Prytanée nationale militaire, La Flèche); International audience

International audience

Dans cet article nous présentons une approche automatique visant à désambiguïser et aligner des entités géographiques de type placeName. Une méthode basée sur des plongements lexicaux permet, à partir d'un apprentissage non supervisé de lever l'ambiguïté face à un terme polysémique. Cela permet alors un alignement automatique avec différents réservoirs (BNF, wikidata…) possédant un triplestore. Nous utilisons alors les technologies du web sémantique, pour à la fois exposer les données de façon différente (data.istex) mais également autoriser des requêtes complexes impossibles à résoudre à partir de moteurs de recherche classiques. Nous aborderons un cas concret basé sur le réservoir ISTEX, et une évaluation qualitative de la méthode sera proposée. In this paper we present an automatic approach to disambiguate and align geographic entities. A method based on word embeddings allows, from unsupervised learning, to remove ambiguity with polysemic terms. This allows automatic alignment with different databases (BNF, wikidata...) having a triplestore. We then use semantic web technologies, both to expose the data in a different way (data.istex) but also to allow complex queries that cannot be solved from traditional search engines. We will discuss a concrete case based on the ISTEX database, and a qualitative evaluation of the method will be proposed.

National audience; Dans nos séminaires, colloques et enquêtes, nous sommes régulièrement interpellés sur ce point : « Pour commencer, pourriez-vous définir ce que veut dire ‘données de la recherche’ ? » Une bonne question : pouvons-nous les définir ? Que savons-nous de ces objets à la fois scientifiques, politiques et économiques que sont les données ? Souvent, nous répondons avec Borgman et al. (2012) que les données, c’est un concept difficile à définir à cause de leur grande variété, qu’elles fussent physiques ou numériques. Mais est-ce vraiment satisfaisant ?Selon Chignard (2012, p.10), « tout est donnée ». Dans l’introduction de son livre "Big data, little data, no data", C. Borgman (2015) constate qu’il est impossible de s’accorder sur une seule définition, en particulier en sciences humaines et sociales. Certains guides, manuels et présentations omettent tout simplement de définir leur objet, se limitant à énumérer quelques exemples pour délimiter le périmètre. Or, ce genre d’absence de consensus sur la définition de concepts-clés est caractéristique pour des domaines émergents (De Mauro et al. 2016) mais ne suffit pas ni pour la curation des données, ni pour la recherche, ni pour la mise en œuvre d’une politique raisonnée d’information scientifique et technique.

L'analyse criminelle est une discipline d'appui aux enquêtes pratiquée au sein de la Gendarmerie Nationale. Elle repose sur l'exploitation des documents compilés dans le dossier de procédure judiciaire (auditions, perquisitions, rapports d'expertise, données téléphoniques et bancaires, etc.) afin de synthétiser les informations collectées et de proposer un regard neuf sur les faits examinés. Si l'analyse criminelle a recours à des logiciels de visualisation de données (i. e. Analyst's Notebook d'IBM) pour la mise en forme des hypothèses formulées, la gestion informatique et textuelle des documents de la procédure est entièrement manuelle. Or, l'analyse criminelle s'appuie entre autres sur le concept d'entités pour formaliser son travail. La présentation du contexte de recherche détaille la pratique de l'analyse criminelle ainsi que la constitution du dossier de procédure judiciaire en tant que corpus textuel. Nous proposons ensuite des perspectives pour l'adaptation des méthodes de traitement automatique de la langue (TAL) et d'extraction d'information au cas d'étude, notamment la mise en parallèle des concepts d'entité en analyse criminelle et d'entité nommée en TAL. Cette comparaison est réalisée sur les plans conceptuels et linguistiques. Une première approche de détection des entités dans les auditions de témoins est présentée. Enfin, le genre textuel étant un paramètre à prendre en compte lors de l'application de traitements automatiques à du texte, nous construisons une structuration du genre textuel « légal » en discours, genres et sous-genres par le biais d'une étude textométrique visant à caractériser différents types de textes (dont les auditions de témoins) produits par le domaine de la justice. Criminal analysis is a discipline that supports investigations practiced within the National Gendarmerie. It is based on the use of the documents compiled in the judicial procedure file (witness interviews, search warrants, expert reports, phone and bank data, etc.) to synthesize the information collected and to propose a new understanding of the facts examined. While criminal analysis uses data visualization software (i. e. IBM Analyst's Notebook) to display the hypotheses formulated, the digital and textual management of the file documents is entirely manual. However, criminal analysis relies on entities to formalize its practice. The presentation of the research context details the practice of criminal analysis as well as the constitution of judicial procedure files as textual corpora. We then propose perspectives for the adaptation of natural language processing (NLP) and information extraction methods to the case study, including a comparison of the concepts of entity in criminal analysis and named entity in NLP. This comparison is done on the conceptual and linguistic plans. A first approach to the detection of entities in witness interviews is presented. Finally, since textual genre is a parameter to be taken into account when applying automatic processing to text, we develop a structure of the 'legal' textual genre into discourse, genres, and sub-genres through a textometric study aimed at characterizing different types of texts (including witness interviews) produced by the field of justice.

International audience

International audience

International audience

Notre proposition est de valoriser le cœur même de l’enseignement et de la recherche universitaire et de construire une démarche « données de la recherche » autour des thèses de doctorat. Pour plusieurs raisons : les thèses appartiennent à l’enseignement supérieur, hors tout circuit commercial, et elles ont, du fait de leur nombre, leur richesse et qualité mais aussi leur représentativité, un grand intérêt pour la veille et l’innovation. Elles sont déjà, pour une grande part, dématérialisées, l’infrastructure numérique est en place ; par ailleurs, il y a une incitation forte à la diffusion en libre accès. Les conditions sont donc réunies pour monter un projet spécifique aux données de la recherche dans les thèses de doctorat. D’autant plus qu’investir dans la formation doctorale, c’est investir dans l’excellence scientifique et la recherche de demain. Remerciements : Avec financement de la MESHS, Lille.

International audience; Le paysage actuel de la communication scientifique est en pleine tension, entre d’une part une communauté scientifique qui aspire à des mécanismes plus fluides et moins coûteux de diffusion des résultats de recherche et d’autre part, un tissu privé d’édition scientifique qui vise à préserver au maximum un chiffre d’affaires construit à partir de modèles d’un autre âge. Nous essayerons dans ce cadre d’identifier différents éléments qui permettraient de concevoir des environnements de diffusion de l’information scientifique plus adaptés aux possibilités techniques actuelles, mais aussi aux capacités financières et éditoriales de la recherche publique. De façon très pragmatique, nous repérerons des pistes d’évolution liées aux infrastructures techniques, aux licences, à la relecture par les pairs ou à la diffusion de données, en partant de l’expérience acquise au sein d’Inria depuis plusieurs années, mais nous essayerons aussi d’esquisser une vision intégrée qui puisse fournir une base cohérente pour les actions à mener à l’avenir.