Dilib, présentation générale 2001

Cette page reprend les principaux éléments d'un ensemble de transparents utilisés en 2001 pour présenter la bibliothèque Dilib.

Voir aussi :

Introduction

Dilib est :

• Une plate-forme pour l'Ingénierie du Document et de l'Information Scientifiques et Techniques

Elle est destinée à :

• Formation recherche en ingénierie de l'IST
• Investigation documentaire
• Construction de Systèmes de Recherche d'Information
• Construction de plate-formes d'exploitation de l'Information

DILIB et la Normalisation SGML/XML, généralités

Données

Notices bibliographiques et informations normalisées 

• formats simples

titre : Annuaire aut  : La Poste

<doc><titre>Annuaire</titre><aut>La Poste</aut> </doc>

• formats professionnels (CCF, USMARC, Unimarc...)

210 $a Paris $c Dunod $d 1988

<unimarc>...<f210><sa>Paris</sa><sc>Dunod</sc> <sd>1988</sd><f210>...</unimarc>

• fichiers inverses, index...

  <idx><loc>Paris</loc><f>2</f><l><e>0023</e><e>4123</e></l></idx>

Outils

Commandes Unix

• orientées SGML

SgmlSelect -g unimarc/f210/sa#=Paris

Système de Recherche d'informations en KIT

IndexSelect -h base.ville.index -k Paris

Bibliothèque de fonctions en langage C

SgmlAddSon(zone210, SgmlCreateLeaf("sd","1990"));

Interfaces et outils spécifiques

• avec des progiciels, exemple LaTeX, WWW, Texto...
• extensions linguistiques, infométriques (clusterisation...)

Normalisation Dilib

Introduction

2 niveaux de normalisation :

• normalisation forte : outils principaux

• normalisation intermédiaire : destinée à faciliter l'utilisation des outils de conversion

Manipulation des collections d'objets SGML

chemin de balises DILIB

• philosophie proche de Xpath

Idée générale

• s'inspirer des path d'unix pour désigner un élément dans une structure SGML

 <doc>
  <tit>a</tit>
  <kw><e>m1</e><e>m2</e></kw>
 </doc>

• doc/tit désigne de façon unique l'élément
  • <tit>a</tit>
• doc/kw/e désigne les éléments :
  • <e>m1</e>
  • et <e>m2</e>

Chemins élémentaires sur enregistrements simples

• chemin de balise =

• • suite de spécifieurs de balises séparés par des /

•* spécifieur commençant par une lettre : ensemble des fils du noeud courant ayant un identificateur identique au spécifieur

doc/kw -> <kw><e>m1</e><e>m2</e></kw>

doc/kw/e -> <e>m1</e>

<e>m2</e>

Utilisation des métadonnées «anciennes» dans le monde SGML

Exemple de stratégie utilisée dans le projet MedExplore

Avantages :

• Pas de modification des pratiques de catalogage
• Utilisation de l'Ingénierie SGML
• Pas de reformatage lourd
  • (outils indépendants d'une DTD)

Exemples, commandes DILIB avec chemin de balises (index communs à plusieurs sources hétérogènes).

  SgmlSelect -g usmarc/f130/sa#?Paris?
  SgmlSelect -g medline/TI#?Paris?

Normalisation niveau structure : SGML

chemin de balises - suite

Exemple de commande utilisant des chemins de balises (rappel)

  <doc><tit>a</tit><kw><e>m1</e><e>m2</e></kw></doc>

SgmlSelect -s doc/kw/e -p @s1

 <e>m1</e>
 <e>m2</e>

Compléments sur les chemins de balises

• spécifieur réduit à une étoile : tous les fils

doc/* -> <tit>a</tit>

<kw><e>m1</e><e>m2</e></kw>

• spécifieur numérique : rang du fils (1= premier, 0=dernier)

doc/kw/2 -> <e>m2</e>

doc/kw/2/1 -> m2

• Accés aux chaines contenues dans un élément terminal : #

doc/tit -> <tit>a</tit>

doc/tit# ->a

Normalisation, exemple manipulation d'enregistrements

Commandes Dilib

• SgmlCut

soit le fichier

  fra ⇒ camus ⇒ <aut><n>Camus</n><f>Albert</f><c>France</c></aut>
  bel ⇒ herge ⇒ <aut><n>Hergé</n><c>Belgium</c><aut>

la commande

 SgmlCut 2 aut/f

produit :

 fra ⇒ <aut><n>Camus</n><c>France</c></aut>
 bel ⇒ <aut><n>Hergé</n><c>Belgium</c><aut>

• SgmlSelect -g (analogue à grep)

  fra ⇒ camus ⇒ <aut><n>Camus</n><f>Albert</f><c>France</c></aut>
  bel ⇒ herge ⇒ <aut><n>Hergé</n><c>Belgium</c><aut>

 SgmlSelect -g aut/c#?[Ff]rance? -g aut/n -p @g2

génère :

<n>Camus</n>

• SgmlSelect -s (split : éclatement)

01 ⇒ <doc><t>SGML</t><k>ISO</k><k>Document</k><k>SGML</k></doc>
02 ⇒ <doc><t>UNIMARC</t><k>IFLA</k><k>ISO 2709</k></doc>

La commade

SgmlSelect -s doc/k# -p @s1 -p @1

produit:

ISO       ⇒ 01
Document  ⇒ 01
SGML      ⇒ 01
IFLA      ⇒ 02
ISO 2709  ⇒ 02

• Utilisation des commandes de base Unix

SgmlSelect -g aut/c#?[Ff]rance? -p @2 | wc

Ensemble de données DILIB, organisation HFD

(Hierarchic File organization for Documentation)

Idée générale

1000000 records

= 100 répertoires de 100 fichiers de 100 enregistrements

• record = key <tabulation> document
• key = 6 chiffres

exemple de clé :	012433
2 premiers -> répertoire	01.dd
2 suivants -> fichier	24.df
2 derniers -> numéro d'enregistrement	33

• adresse Unix du fichier contenant 012433

-> bib.hfd/01.dd/24.fd

Voir aussi

Notes