Indexation automatique de documents scientifiques dans une bibliothèque électronique

Abstract

Se situant entre l'informatique et les sciences bibliothécaires, l'indexation automatique est un domaine qui utilise des méthodes logicielles pour établir un index pour un ensemble de documents afin d’en faciliter l'accès ultérieur. Un index est une liste de descripteurs à chacun desquels sont associés une liste des documents, ou passages de documents, auxquels ce descripteur renvoie. Un index très simple à établir automatiquement est la liste ordonnée de tous les mots apparaissant dans les documents avec la localisation exacte de chacune de leurs occurrences. Evidemment, un tel index est volumineux et inexploitable. L'indexation de citation est une méthode pour organiser le contenu d'une collection de documents de manière à surmonter les imperfections des méthodes d'indexation existantes. L'automatisation de cette méthode facilite la tâche du chercheur. Elle élimine la majeure partie de l'effort manuel demandé pour construire un index des documents scientifiques publiés sur le Web. Elle permet ainsi aux chercheurs de suivre les dernières publications et les plus appropriées. Ce travail présente une architecture originale d'une bibliothèque qui utilise l'indexation de citation comme méthode d'indexation. UML (Unified Modeling Language) est utilisé comme langage de modélisation, pour raison de lisibilité et maintenance. Le travail présenté étudie les volets suivants : 1. Indexation classique telle que celle utilisée par Scientific Citation Index. 2. Fonctionnalités de la bibliothèque CiteSeer utilisant l’indexation de citation. 3. Indexation dans CiteSeer et son Autonomous Citation Index (ACI). 4. Développement de UFASeer, une nouvelle bibliothèque archivant et indexant les documents scientifiques par indexation de citation. 5. Présentation de la majorité des vues produites par UML.