Serveur d'exploration sur l'OCR : Différence entre versions
De CIDE
imported>Jacques Ducloy (→Listes de résultats bruts) |
imported>Jacques Ducloy (→Navigation) |
||
| (37 révisions intermédiaires par 2 utilisateurs non affichées) | |||
| Ligne 1 : | Ligne 1 : | ||
| + | {{Wicri travaux | ||
| + | |texte=Attention, l'interface de navigation a été mis à niveau avec la version V0.6.32 de DILIB. En revanche les données sont plus anciennes. Des incohérences sont possibles | ||
| + | }} | ||
Cette page introduit le « [[Serveur d'exploration]] sur [[Reconnaissance optique de caractères|l'OCR]] ». | Cette page introduit le « [[Serveur d'exploration]] sur [[Reconnaissance optique de caractères|l'OCR]] ». | ||
Il contient [[A pour volumétrie (serveur d'exploration)::{{OcrV1, Explor size|stream=Area|step=Corpus|index=biblio}}]] documents. | Il contient [[A pour volumétrie (serveur d'exploration)::{{OcrV1, Explor size|stream=Area|step=Corpus|index=biblio}}]] documents. | ||
{{Wicri démonstration | {{Wicri démonstration | ||
|titre=Démonstration ISTEX LorExplor Wicri | |titre=Démonstration ISTEX LorExplor Wicri | ||
| − | |texte=Ce [[serveur d'exploration]] | + | |texte=Ce [[serveur d'exploration]] aborde des problématiques variées liées à la [[reconnaissance optique de caractères]], et plus précisément : |
| − | |||
| − | |||
* En amont, à l'INIST, le département dirigé par [[Laurent Schmitt]] conçoit et exploite la plateforme de services ISTEX appelée à rendre disponibles des dizaines de millions de documents traités en OCR. Dans ce contexte [[Valérie Mahut]] et son équipe doivent mettre en place des procédures pour améliorer la qualité de ces données. | * En amont, à l'INIST, le département dirigé par [[Laurent Schmitt]] conçoit et exploite la plateforme de services ISTEX appelée à rendre disponibles des dizaines de millions de documents traités en OCR. Dans ce contexte [[Valérie Mahut]] et son équipe doivent mettre en place des procédures pour améliorer la qualité de ces données. | ||
* En aval, le projet LorExplor ([[Jacques Ducloy]]) est confronté à l'analyse de corpus pour lesquels l'OCR amène parfois de très sérieuses contraintes de curation de données. | * En aval, le projet LorExplor ([[Jacques Ducloy]]) est confronté à l'analyse de corpus pour lesquels l'OCR amène parfois de très sérieuses contraintes de curation de données. | ||
| Ligne 11 : | Ligne 12 : | ||
Il permet également de valoriser les travaux des équipes françaises ou francophones (par exemple [[Abdel Belaïd]]) dans un cadre de coopérations internationales. | Il permet également de valoriser les travaux des équipes françaises ou francophones (par exemple [[Abdel Belaïd]]) dans un cadre de coopérations internationales. | ||
}} | }} | ||
| − | + | <!-- | |
| − | {{Wicri travaux|texte=Serveur en cours de | + | {{Wicri travaux |
| − | + | |texte=Serveur en cours de ré-génération ; incohérences possibles | |
| − | |||
}} | }} | ||
| + | --> | ||
==Navigation== | ==Navigation== | ||
{| class="wikitable" | {| class="wikitable" | ||
| Ligne 145 : | Ligne 146 : | ||
==Résultats et investigations== | ==Résultats et investigations== | ||
===Listes de résultats bruts=== | ===Listes de résultats bruts=== | ||
| − | + | Cette liste correspond à la version actuelle du serveur. | |
| − | '' | + | {{Wicri tp|titre=Règles de curation spécifiques |
| + | |texte=Une amélioration de la pertinence des listes a été obtenues par deux mécanismes différents. | ||
| + | * '''élimination de revues''', avec notamment le « ''Journal of Geophysical Research: Oceans'' (ISSN 0148-0227) » où il est question de l' « ''Oregon Coast Range'' « (Chaîne côtière de l'Oregon), (voir sur par exemple {{Explor lien | ||
| + | |wiki= Ticri/CIDE | ||
| + | |area= OcrV1 | ||
| + | |flux= Istex | ||
| + | |étape= Corpus | ||
| + | |type= RBID | ||
| + | |clé= ISTEX:42F66A3AE6097610532C602767F36846BA88A9BD | ||
| + | |texte= Vegetation‐modulated landscape evolution: Effects of vegetation on landscape processes, drainage density, and topography | ||
| + | }}). Il est cependant possible d'accéder à cette revue, mais dans l'étape « corpus ISTEX » de la plateforme de curation, (voir {{Explor lien | ||
| + | |wiki= Ticri/CIDE | ||
| + | |area= OcrV1 | ||
| + | |flux= Istex | ||
| + | |étape= Corpus | ||
| + | |type= indexItem | ||
| + | |index= ISSN.i | ||
| + | |clé= 2156-2202 | ||
| + | |texte=2156-2202 | ||
| + | }}) | ||
| + | * '''normalisation des noms d'auteurs'''. Le wiki contient notamment une « [[Wicri:Liste de personnalités du document numérique|liste de spécialistes du document numérique]] » qui permet cette homogénéisation et ajoute une affiliation implicite. On notera une modification de l'ordre des auteurs et l'émergence de nouvelles affiliations dans le « top 15 » comme l'[[Université de Kyūshū]]. | ||
| + | A cette occasion à portée plus large ont été menées comme l'ajout d'Universités japonaises dans une [[wicri-asie.fr:Wicri:Liste de grandes universités asiatiques|liste d'universités du wiki Asie]]. Sur ce wiki, on notera un net enrichissement de la présence du [[Japon]], avec souvent des liens entre les pages régions (exemple [[Préfecture de Fukuoka]]) et les serveurs. | ||
| + | }} | ||
{{Début 2 colonnes}} | {{Début 2 colonnes}} | ||
;Auteurs: | ;Auteurs: | ||
| Ligne 185 : | Ligne 208 : | ||
{{OcrV1, include|section=paysFrance}} | {{OcrV1, include|section=paysFrance}} | ||
{{Fin 3 colonnes}} | {{Fin 3 colonnes}} | ||
| − | + | {{Wicri tp|titre=Pour voir les effets des mécanismes de curation | |
| − | {{ | + | |texte=Une version initiale de ce paragraphe est visible sur la page : |
| − | + | * [[Serveur d'exploration sur l'OCR/Archive]] | |
| − | | | ||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
}} | }} | ||
| − | + | ===A faire=== | |
| − | + | ;test indexation:Construction d'une table d'indexation | |
| − | ; | + | :Requêtes d'approfondissement: |
| − | Construction d'une table d'indexation | ||
| − | |||
| − | |||
*Evaluation de la qualité d’un document, | *Evaluation de la qualité d’un document, | ||
*Tokenisation, | *Tokenisation, | ||
| Ligne 228 : | Ligne 220 : | ||
==Voir aussi== | ==Voir aussi== | ||
| + | ;Sur ce wiki: | ||
| + | * [[Serveur d'exploration sur l'OCR/Archive]] | ||
{{Wicri voir|référence=Ticri}} | {{Wicri voir|référence=Ticri}} | ||
Ce serveur est également visible sur {{Wicri lien|wiki=Informatique}}. | Ce serveur est également visible sur {{Wicri lien|wiki=Informatique}}. | ||
Version actuelle datée du 13 novembre 2017 à 19:47
|
Attention, l'interface de navigation a été mis à niveau avec la version V0.6.32 de DILIB. En revanche les données sont plus anciennes. Des incohérences sont possibles |
Cette page introduit le « Serveur d'exploration sur l'OCR ». Il contient 8131 documents.
|
Démonstration ISTEX LorExplor Wicri
Il permet également de valoriser les travaux des équipes françaises ou francophones (par exemple Abdel Belaïd) dans un cadre de coopérations internationales. |
Sommaire
 |
|
Ce flux donne accès à 6406 documents ISTEX (et 6070 après curation). | |
|---|---|---|---|
 |
|
Ce flux traite 1227 références, dont 32 venant de Francis, et 1195 venant de Pascal.
Après curation le volume est réduit à 1200. | |
 |
|
Ce flux traite 170 références téléchargées de HAL. Après curation le volume est réduit à 170. | |
 |
|
Ce flux traite 15 références, Après curation le volume est réduit à 15. | |
 |
|
Ce flux traite 215 références ou documents en provenance de l'archive PubMed (MEDLINE). Après curation le volume est réduit à 98. | |
 |
|
Ce flux traite 215 références ou documents en provenance de l'archive PubMed Central. Après curation le volume est réduit à 215. | |
 |
|
|
Ce flux traite 313 références, Après curation le volume est réduit à 294. |
 |
|
|
Ce flux fusionne 7 749 références issues des étapes précédentes.
Ce volume est ramené à 7 736 après dédoublonnage par DOI. Enfin, il est réduit à 7 533 par clé de dédoublonnage IDAT. |
| Zoom | France |
|
Ce flux donne accès à une bibliographie contenant 435 références ayant au moins un auteur avec une affiliation française. |
| Zoom | UK |
|
Ce flux donne accès à une bibliographie contenant 503 références ayant au moins un auteur avec une affiliation du Royaume-Uni. |
| Zoom | USA |
|
Ce flux donne accès à une bibliographie contenant 1844 références ayant au moins un auteur avec une affiliation des Etats-Unis d'Amérique. |
| Zoom | Allemagne |
|
Ce flux donne accès à une bibliographie contenant 420 références ayant au moins un auteur avec une affiliation allemande. |
Projections géographiques
|
|
La curation des données est encore très faible sur ce corpus. Dans cet état les projections graphiques servent souvent à repérer des actions de curation (par exemple si une région est très active dans un domaine médical où le sigle OCR repère une spécialité thérapeutique). |
|
|
|
                    |
.svg.png)
production mondiale (détail Europe)
    |
Aspects techniques
Paramétrage
- Wicri:OcrV1 - introduction
- Wicri:OcrV1/Paramètres, data - génération des données
- Wicri:OcrV1/Paramètres, fr - génération de l'interface
- Wicri:OcrV1/Paramètres, génération des cartes - génération de cartes géographiques
- Wicri:OcrV1/Paramètres, templates size - paramétrage des modèles liés aux valeurs numériques
- Wicri:OcrV1/Paramètres, template include
Curation
- revues portant sur des homonymies de OCR : The Laryngoscope (ISSN : 0023-852X)
- dans les articles de la revue Lecture Notes in Physics, par exemple : (Fundamentals of gas-dynamical simulations), une action d'OCR sur « α r » génère « ocr».
Résultats et investigations
Listes de résultats bruts
Cette liste correspond à la version actuelle du serveur.
|
Règles de curation spécifiques
A cette occasion à portée plus large ont été menées comme l'ajout d'Universités japonaises dans une liste d'universités du wiki Asie. Sur ce wiki, on notera un net enrichissement de la présence du Japon, avec souvent des liens entre les pages régions (exemple Préfecture de Fukuoka) et les serveurs. |
|
|
|
- Sur le Zoom France
|
|
Pour voir les effets des mécanismes de curation
|
A faire
- test indexation
- Construction d'une table d'indexation
- Requêtes d'approfondissement:
- Evaluation de la qualité d’un document,
- Tokenisation,
- Méthode par dictionnaire pour mesurer la qualité d’un document
Voir aussi
- Sur ce wiki
- Dans le réseau Wicri :
La page de référence « Serveur d'exploration sur l'OCR » est sur le wiki Wicri/Ticri. Ce serveur est également visible sur Wicri/Informatique.
… davantage au sujet de « Serveur d'exploration sur l'OCR »
