Was ist neu in swissbib? / Quoi de neuf dans swissbib?

Deutsche Version Version française

Liebe Blogleserinnen und Blogleser
In diesem Jahr war es relativ ruhig auf unserem Blog! Dabei gibt es eine Menge neue Funktionen, die wir schon längst vorstellen wollten. Mit dem hier folgenden Überblick holen wir das nun nach. Wir freuen uns auf eure kundige Einschätzung und euer Feedback.

Datenquellen

Die Dokumente der folgenden Quellen sind neu in swissbib zu finden:

Bis zum Jahresende werden wir ausserdem noch die folgenden Quellen integrieren:

  • Die im Volltext frei zugänglichen Dokumente der Forschungsplattform Alexandria der Universität St. Gallen.
  • Der Bestand der Kantonsbibliothek Thurgau

Nationallizenzen

Seit einigen Monaten haben Nutzer mit einem ständigen Wohnsitz in der Schweiz Zugang zu über 6 Millionen Dokumenten aus dem Projekt Nationallizenzen. Der Zugang und die Registrierung erfolgt über swissbib, in Partnerschaft mit dem Projekt SWITCH edu-ID (in swissbib anschauen).

Über die Nationallizenzen wird zudem die Open-Access-Publikation von Artikeln ermöglicht, die von Autoren, die einer Schweizer Institution angegliedert sind, verfasst wurden. Die betroffenen Metadaten und Volltexte wurden von swissbib aufbereitet und über RERO DOC veröffentlicht. Die Daten stehen auch für die Integration in die Institutionellen Repositories der Schweizer Hochschulen zur Verfügung.

Weitere Informationen sind in unserem Schlussbericht zum Projekt Nationallizenzen zu finden.

Linked Open Data

Das Projekt linked.swissbib.ch wurde Ende April 2017 abgeschlossen. Wir sind gegenwärtig damit beschäftigt, die Projektergebnisse im Hinblick auf eine Integration in swissbib zu konsolidieren.

Ein wichtiger Schritt war die Identifizierung und Kennzeichnung der offenen Metadaten. Wir freuen uns, dass inzwischen 85 % aller Daten von swissbib als Public Domain zugänglich sind (anschauen).

Für die Neugierigen unter euch: Werft gerne einen Blick auf data.swissbib.ch und linked.swissbib.ch, um zu sehen, was euch zukünftig erwartet. Die Portale sind aber erst als Beta-Version veröffentlicht. Wir befinden uns noch in der Konsolidierungsphase.

In einer Artikelserie in unserem Blog haben wir die verschiedenen Prozesse beschrieben. Ausserdem wurde ein Artikel zum Thema Interlinking Large-scale. Library Data with Authority Records publiziert.

Neue Funktionen

  • Verbesserte Facettensuche: Es ist neu möglich, Suchbegriffe durch Klicken auf das Kreuz rechts des Begriffs auszuschliessen. Mehrere gewählte Themen werden durch UND verknüpft. Die anderen Begriffe (Autoren, Sprache usw.) werden durch ODER verknüpft. Die gewählten sowie die ausgeschlossenen Suchbegriffe sind im Bereich «Filter löschen» sichtbar (weitere Informationen).
  • Verbesserte Anzeige der Hierarchie in den Archivbeständen: Zahlreiche Archivbestände sind in einer hierarchischen Struktur geordnet. In bestimmten Fällen kann diese Struktur im Reiter «Archive/Bestände» in swissbib angezeigt werden. (Beispiel).

Informationen zum System

  • Unser Datenverarbeitungstool CBS läuft inzwischen auf Version 8.
  • Das Update zur Version 4 unseres Discovery Tools VuFind ist praktisch abgeschlossen.
  • Alle unsere Server laufen nun unter Ubuntu 16.04.
  • Wir haben ein neues Statistik-Tool eingeführt, das auf der Analyse der Logs mit Elastic, LogStash und Kibana basiert.
  • Wir haben Sahi für automatisierte Tests der Web-Interfaces eingeführt.

Strategie und Zukunft von swissbib

Ende März 2018 wird die Finanzierung von swissbib durch swissuniversities auslaufen. Gegenwärtig sind wir dabei ein Modell der direkten Finanzierung durch die Bibliotheken einzuführen. Ausserdem planen wir die Integration von swissbb in die Swiss Library Service Platform (SLSP).

In diesem Rahmen:

Und zum Schluss noch einige Zahlen

swissbib zählt heute:

  • Über 30 Millionen Dokumente
  • Über 100 Millionen Exemplare, die in Schweizer Bibliotheken, Archiven oder online zugänglich sind
  • 90’000 Besucherinnen und Besucher pro Monate, die in dieser Zeitspanne 1,3 Millionen Seiten besuchen
  • 5 Personen, die am Projekt arbeiten (das Pensum entspricht 3 Vollzeitstellen)
Bonjour à tous !
Notre blog a été assez silencieux cette année. Néanmoins, nous avons mis en œuvre toute une série de nouvelles fonctions pour vous. Voici un petit récapitulatif.

Sources de données

Les sources suivantes ont désormais leurs documents dans swissbib:

De plus, les sources suivantes seront intégrées d’ici fin 2017:

Licences nationales

Depuis quelques mois, tous les habitants de la Suisse ont accès à plus de 6 millions de documents provenant du projet Licences Nationales. L’accès et l’inscription se déroulent sur la plateforme swissbib, en partenariat avec le projet SWITCH edu-ID (voir dans swissbib).

Par ailleurs, comme ces licences contiennent des conditions sur la publication en open access des articles écrits par des auteurs affiliés à une institution suisse, swissbib a préparé les métadonnées et les fulltexts qui ont été publiés sur RERO DOC. Ces métadonnées et documents sont aussi disponibles pour une intégration dans les archives institutionnelles suisses.

Plus d’informations dans le rapport final sur la contribution de swissbib au projet Licences Nationales.

Linked Open Data

Le projet Linked swissbib s’est terminé fin avril 2017. Nous sommes en train de consolider les résultats du projet pour une intégration en production.

Une étape importante était l’identification des métadonnées ouvertes (complètement libres de droit) dans swissbib. Au final 85% des notices de swissbib sont dans le domaine public (les voir dans swissbib).

Les curieux peuvent déjà regarder rapidement les portails data.swissbib.ch et linked.swissbib.ch pour avoir une idée de ce qui va venir. Néanmoins, nous sommes encore en phase de consolidation de ces portails. Ils ne sont pas encore terminés et sont actuellement en version Beta.

Une série d’articles de ce blog décrit les différents processus. De plus, un article a été publié à ce sujet : Interlinking Large-scale Library Data with Authority Records.

Nouvelles Fonctionnalités

  • Meilleures facettes: Il est désormais possible d’exclure des termes de recherche en cliquant sur la petite croix à droite du terme en question. Les différents Sujets choisis sont associés par ET. Les autres termes (Auteurs, Langue, …) sont associés par OU. Les termes choisis ainsi que les exclusions sont visibles dans la section „Effacer les filtres“. (Plus d’information en allemand)
  • Meilleur affichage de la hiérarchie des fonds d’archives: Beaucoup de fonds d’archives sont classés dans une arborescence hiérarchique. Il est désormais possible dans certains cas de la visualiser dans swissbib via l’onglet „Archives/Fonds“ (Exemple).

Système

  • Nous sommes passés à la version 8 de notre outil de traitement des données CBS
  • Le passage à la version 4 de notre outil de découverte VuFind est quasiment terminé
  • Tous nos serveurs tournent désormais sous Ubuntu 16.04
  • Nous avons implémenté un nouvel outil de statistiques basé sur l’analyse des logs avec Elastic, LogStash et Kibana
  • Nous avons mis en place une de tests automatisés de l’interface web en utilisant Sahi.

Stratégie, vision à long terme, futur de swissbib

Fin mars 2018, le financement central de swissbib par swissuniversities sera terminé. Nous sommes en train de mettre en place un modèle de financement par les bibliothèques directement ainsi que de réfléchir à l’intégration dans Swiss Library Service Platform (SLSP).

Dans ce cadre:

Quelques chiffres

Aujourd’hui, swissbib c’est:

  • Plus de 30 millions de documents
  • Plus de 100 millions d’exemplaires de ces documents, en ligne ou dans les bibliothèque et archives suisses
  • 90’000 visiteurs uniques par mois qui visitent 1.3 million de pages dans le même temps
  • L’équivalent de 3 personnes à temps-plein travaillent sur le projet (actuellement réparti sur 5 personnes)
Weiterlesen

Swissbib data goes linked 3: Präsentation der angereicherten Daten / Présentation des données enrichies

Deutsche Version Version française

Serie „swissbib data goes linked“
Teil 1 | Teil 2 | Teil 3 | Teil 4

Das SUK P-2-Projekt linked.swissbib.ch hat zum Ziel, die Daten aus etwa 20 Schweizer Such- und Datendiensten zu verlinken und mit Inhalten aus anderen Quellen wie z.B. DBpedia und VIAF anzureichern. Zu den Herausforderungen in diesem Kontext gehören die Datenmodellierung und das Mapping, die Verknüpfung der Daten, aber auch deren Darstellung bzw. die dazugehörigen Benutzeroberflächen (GUI). Letzteres ist Thema dieses Blogbeitrags.

Abb. 1: Übersicht über die für linked.swissbib erstellten Features und Seiten gegliedert nach Inhaltstyp (Instanz, Werk, Autor, Thema) sowie nach Seitentyp (Startseite, Übersichtsseiten, Trefferseiten, Detailseiten, Knowledge Cards)

Die Erweiterung der Daten und deren neuartige Struktur ermöglichen eine Vielzahl neuer Features und Funktionen, um welche konventionelle Bibliothekskataloge erweitert werden können. Im Projekt linked.swissbib.ch setzt sich das Schweizerische Institut für Informationswissenschaft (SII) an der HTW Chur mit der Erstellung geeigneter Benutzerschnittstellen-Konzepte sowie deren Implementierung (inkl. Suchfunktionalitäten) auseinander. Die Arbeiten können grob in drei Schritte unterteilt werden:

Schritt 1: Ermittlung des State-of-the-Art von LOD-Portalen

Zu Beginn des Projekts wurde eine Analyse der Nutzung von Linked (Open) Data im Kontext von Bibliotheken und wissenschaftlichen Informationsdiensten durchgeführt. Hierfür wurden rund ein Dutzend LOD-Portale (z.B. data.bnf.fr; datos.bne.es) verglichen und Literaturrecherchen realisiert. Mit Hinblick auf die Erstellung eines Portals, das die Suche in den vernetzten Wissensstrukturen sowie deren Visualisierung zulässt, wurde so systematisch der State-of-the-Art in diesem Bereich erhoben.

Abb. 2: Auswahl von Autosugget-Funktionen verschiedener LOD-Portale im bibliothekarischen Bereich

Dabei ging es einerseits darum, Know-How hinsichtlich Einsatzszenarien und potentiellen Mehrwerten aufzubauen, die sich mit einem offenen, flexiblen Datenmodell realisieren lassen. Andererseits war es das Ziel, auf der Basis der State-of-the-Art-Analyse Hinweise zur Realisierbarkeit von Features zu gewinnen und Prioritäten für die Umsetzung von Funktionalitäten für das Portal linked.swissbib zu definieren. Gleichzeitig konnte so auch die Eignung des vorgesehenen Datenmodells überprüft sowie Abstimmungen des Datenmodells und des geplanten Funktionsumfangs vorgenommen werden.

Schritt 2: Prototyp

Auf Basis dieser Analysen wurde mit Hilfe der Software Axure RP ein interaktiver Prototyp des GUI entwickelt. Dieser orientiert sich am Look-and-Feel des Metakatalogs swissbib, wie er heute für die Öffentlichkeit zur Verfügung steht (www.swissbib.ch). Das GUI-Konzept sowie das Interaktionsdesign des bestehenden Katalogs wurden erweitert, um den neuen Möglichkeiten, die sich aus der Datenverlinkung für die Bereitstellung von zusätzlichen Inhalten ergeben, Rechnung zu tragen.

Abb. 3: Für jede Seite des Prototyps wurde im Rahmen der Erstellung des Interaktionskonzepts ein Clickstream visualisiert, welcher wiedergibt, was bei einem Klick auf ein bestimmtes Element geschieht. Auf diesem Beispiel ist der Clickstream für eine Trefferseite (Tab Autorenseiten) abgebildet.

Die erste Version des Prototyps entstand kurz nach Projektstart, also einem noch frühen Stadium des Projekts, zu welchem die Art und der Umfang der (angereicherten) RDF-Daten noch nicht vorlagen bzw. noch nicht bekannt waren. Dies barg den Vorteil, dass ohne Einschränkungen entworfen werden konnte und der Designprozess (in dieser ersten Phase) keinen Einschränkungen unterworfen war. Der Prototyp wurde daher entwickelt ohne Anspruch auf eine vollständige Umsetzung aller Features und Funktionen innerhalb des Projekts linked.swissbib und stellt vielmehr ein Ideal dar, welche die Möglichkeiten von Linked Data im Rahmen von swissbib aufzeigen soll. Der Prototyp beinhalt bereits eine Festlegung der Angaben (z.B. Auswahl biografischer Daten etc.), die definitive Auswahl hängt jedoch stark davon ab, welche Daten am Ende des Projekts vorhanden sein werden, was zu ständigen Anpassungen der Oberflächenfunktionen führt.

Abb. 4: Via Klick auf ein Icon, welches sich in diesem Fall auf der Trefferliste (Tab Themenseiten) befindet, wird eine Kurzform der Detailseite des Themas „Historische Geografie“ einblendet.

Die prototypische Benutzeroberfläche wurde entsprechend im weiteren Verlauf auf Basis der wachsenden Datengrundlage sowie aufgrund des Feedbacks der Projektbeteiligten kontinuierlich weiterentwickelt und auch bereits ersten Benutzer-Evaluationen unterzogen (einerseits im Rahmen einer Lehrveranstaltung im Bachelor-Studiengang Information Science der HTW Chur andererseits in mehreren Bachelor-Arbeiten).

Abb. 5: Detailseite Autor: Diese Seite aggregiert Angaben zu einem Autor (z.B. Lebensdaten, assoziierte Bewegung oder Stilrichtung, verwandte Personen), welche grösstenteils in einem Akkordeon („Mehr Details anzeigen“) untergebracht sind. Zusätzlich bieten Untermodule Links zu Medien sowie anderen Detailseiten und Knowledge Cards.

Der aktuelle Prototyp umfasst unter anderem folgende Features und Seiten, welche das Funktions- und Informationsangebot des bisherigen Katalogs erweitern (siehe Abb. 1 für eine grafische Übersicht):

  • Eine erweiterte Autocomplete-Funktion (siehe Abb. 6), welche nicht nur Literatur und Medien aufführt, sondern auch (FRBR-) Werke, Personen und Themen (Schlagworte) und diese als solche kennzeichnet. Die verlinkten und angereicherten Daten ermöglichen ausserdem die Suche in Pseudonymen, alternativen Schreibweisen, anderen Sprachen etc.
  • Detailseiten für Werke (Werkseiten), Autoren (Autorenseiten) und Themen (Themenseiten) (siehe Abb. 5). Hierbei handelt es sich um Aggregationsseiten mit zusätzlichen Angaben zu einem Werk (z.B. Kurzzusammenfassung des Inhalts), Autor (z.B. Lebensdaten, assoziierte Bewegung oder Stilrichtung, verwandte Personen) oder Thema (z.B. über- und untergeordnete Begriffe). Neben den Zusatzangaben sind hier auch „Module“ bzw. Empfehlungen vorhanden, welche zum einen auf Literatur (Medien über einen Autor, Literatur zu einem Thema etc.), aber auch auf andere Detailseiten verweisen (Autoren mit ähnlichen Themen, Werke von Autoren derselben Bewegung, mit einem Autor in Verbindung gebrachte Themen etc.).
  • Übersichtsseiten für Werke, Autoren und Themen, welche als Browsing-Einstieg dienen sollen. Der Nutzer kann hier im Pool von Detailseiten stöbern und die Suche mittels Filter weitereinschränken.
  • Geclusterte Trefferseiten (erreichbar via Suche oder Browsing) mit vier Tabs (siehe Abb. 3 und Hintergrund von Abb. 4): Neu können in der Trefferliste nicht nur Literatur und Medien aufgelistet werden, sondern auch die Detailseiten, wobei für jeden Typ Detailseite (Werkseiten, Autorenseiten und Themenseiten) ein eigenes Tab zur Verfügung steht. In jedem Tab sind die Filter mit Bezug auf Literatur und Medien, Werke, Autoren bzw. Themen angepasst.
  • Knowledge Cards (siehe Abb. 4) für Werke, Autoren und Themen, welche via Klick auf ein Icon eine Kurzform der Detailseite (des entsprechenden Werks, Autors oder Themas) einblenden. Dies ermöglicht eine schnelle Orientierung zu Werk, Autor oder Thema.

Schritt 3: Implementierung

Im Sommer 2015 wurde damit begonnen den Prototyp innerhalb des für linked.swissbib.ch genutzten Discovery Systems VuFind (Zend-Framework) zu implementieren. Die Umsetzung erfolgte dabei zunächst in Form von statischen Webseiten (HTML, CSS) mittels statischer Dummy-Daten. Anschliessend wurde damit begonnen, die Seiten so zu adaptieren, dass deren Inhalte/Daten dynamisch über Abfragen des Suchmaschinenindex‘ (Elasticsearch) aufgebaut werden.

Abb. 6: Erweiterte Autocomplete-Funktion, die Treffer geclustert nach Literatur und Medien, Werke, Autoren sowie Themen vorschlägt und auf eine Trefferliste (grün, „Alle Ergebnisse anzeigen“) oder direkt auf Detailseiten (grau) verlinkt.

Ein wichtiger Bestandteil der Implementierung ist die Integration neuer Suchfunktionalitäten für die Elasticsearch Suchmaschine, welche die Präsentation der verlinkten und angereicherten Daten überhaupt erst zulassen. So wurde beispielsweise eine Multisearch implementiert, welche es erlaubt, mit einer einzigen Abfrage in mehreren „Datentypen“ (also z.B. Werk und Person und Thema) nach dem gleichen Suchparameter (z.B. einer ID) zu suchen. So können zum Beispiel im Falle der Autorenseite anhand der Autoren-ID auch verknüpfte Daten abgerufen werden (z.B. Bild, Lebensdaten, Kurzbiografie). Zusätzlich wurde ein AJAX-Controller in linked.swissbib integriert, welcher es ermöglicht, Daten ohne einen kompletten Page Reload nachzuladen. Anwendung findet dieser beispielsweise in der Knowledge Card: Wird Schiller auf Goethes Autorenseite im Modul „Autoren derselben Epoche“ aufgeführt, kann Schillers Knowledge Card mit Daten befüllt werden, ohne dass die komplette Seite neu geladen werden muss.

Eine weitere Ergänzung, welche bereits implementiert ist, stellt die neu eingebaute bzw. verbesserte Autocomplete-Funktion dar. Hierfür wurde die Bibliothek typeahead.js von Twitter verwendet.

Ausblick

Das Autocomplete, die Personenseiten sowie die Knowledge Cards wurden bei der Umsetzung prioritär behandelt. Diese Elemente sind in der Entwicklung entsprechend am weitesten fortgeschrittenen. In einem nächsten Schritt werden nun Seiten und Funktionen mit Bezug zu Themen (z.B. Themenseite) in Angriff genommen.

Serie „swissbib data goes linked“
Partie 1 | Partie 2 | Partie 3 | Partie 4

Le but du projet linked.swissbib.ch de la CUS P-2 est de relier et d’enrichir quelques 20 bases de données bibliographiques de toute la Suisse avec des contenus d’autres sources telles que DBpedia et VIAF. Les défis comprennent dans ce contexte la modélisation et le mapping des données, leur interconnexion, mais également leur représentation et les interfaces utilisateur afférentes (GUI). Ce dernier point est abordé dans ce billet de blog.

Figure 1: aperçu des fonctions et pages créées pour linked.swissbib.ch, selon le type de contenu (instance, œuvre, auteur, thème) et le type de page (page d’accueil, pages d’aperçu, pages de résultats, pages détaillées, knowledge cards)

L’enrichissement des données et leur nouvelle structure rendent nombre de nouvelles fonctions et fonctionnalités possibles dans l’optique de développer les catalogues de bibliothèques traditionnels. Dans le cadre de linked.swissbib.ch, c’est le Schweizerische Institut für Informationswissenschaft (SII) de la HTW Chur qui se penche sur la création de concepts d’interfaces utilisateur adaptés et sur leur implémentation (y compris des fonctionnalités de recherche). Les travaux peuvent se répartir en trois grandes étapes:

Etape 1: création d’un état de l’art des portails LOD

Au début du projet, une analyse de l’utilisation des Linked (Open) Data dans le contexte des bibliothèques et des services d’information scientifiques a été réalisée. Pour ce faire, une douzaine de portails LOD (par exemple data.bnf.fr ; datos.bne.es) ont été comparés, une analyse ensuite complétée par des recherches documentaires. En vue de la création d’un portail permettant la recherche dans les structures d’information interconnectées ainsi que leur visualisation, un état de l’art dans ce domaine a été établi de manière systématique.

Figure 2: sélection de fonctions d’autocomplétion issues de différents portails LOD du domaine des bibliothèques

Il s’agissait d’une part de développer un savoir-faire sur les scénarios possibles et les valeurs ajoutées potentielles pouvant être créés au moyen d’un modèle de données ouvert et flexible. D’autre part, le but était – grâce à l’analyse de l’état de l’art – de recueillir des informations sur la faisabilité des fonctions et de prioriser leur implémentation pour le portail linked.swissbib.ch. De cette manière, l’adéquation du modèle de données a été évaluée et des ajustements ont été entrepris dans la modélisation et dans la définition des fonctionnalités prévues.

Etape 2: prototype

Sur la base de cette analyse, un prototype interactif de la GUI a été développé au moyen du logiciel Axure RP. Il s’appuie sur le visuel et le fonctionnement du métacatalogue swissbib tel qu’il apparaît au public aujourd’hui (www.swissbib.ch). Le concept de GUI tout comme le design d’interaction du catalogue actuel ont été étendus pour prendre en compte les nouvelles possibilités offertes par l’interconnexion des données pour la mise à disposition de contenus supplémentaires.

Figure 3: Dans le cadre de la création du concept d’interaction, un flux de clics (clickstream) a été créé pour chaque page du prototype, illustrant ce qui se passe lors d’un clic sur un élément particulier. Cet exemple montre le flux de clics d’une page de résultats (onglet „Pages auteurs“).

La première version du prototype a été conçue peu après le lancement du projet, c’est-à-dire à un stade encore précoce du projet durant lequel le genre et l’étendue des données RDF (enrichies) n’étaient pas encore connus. Cela présentait l’avantage d’une réflexion et d’un processus de conception (dans cette première phase) soumis à aucune restriction. Le prototype a donc été développé sans conditionnement à une implémentation complète de toutes les fonctions et fonctionnalités au sein du projet linked.swissbib.ch. Il représente bien plus un idéal démontrant les possibilités des Linked Data dans le cadre de swissbib. Le prototypage contient déjà la détermination des informations externes requises (par exemple choix de données biographiques), mais la sélection définitive dépend fortement des données qui seront disponibles à la fin du projet, ce qui mène à des adaptations fréquentes des fonctions de l’interface.

Figure 4: Lors du clic sur une icône, qui se trouve dans ce cas au sein d’une liste de résultats (onglet „Pages thèmes“), une fenêtre avec une synthèse de la page détaillée sur le sujet „Historische Geografie“ s’ouvre.

Par la suite, sur la base de la quantité croissante de données disponibles et du feedback des partenaires du projet, le prototype d’interface a été constamment adapté et même soumis à de premières évaluations par les utilisateurs (d’un côté dans le cadre d’un cours du Bachelor en Science de l’information de la HTW Chur, d’un autre côté dans divers travaux de Bachelor).

Figure 5: Page auteur détaillée: cette page agrège des informations sur un auteur (par ex. dates de vie et de mort, mouvement ou style littéraire lié, personnes associées), placées pour la plupart dans un menu en accordéon („Afficher plus de détails“). D’autres modules proposent en plus d’autres pages détaillées, des knowledge cards et des liens vers des médias.

Le prototype actuel comprend entre autres les fonctions et pages suivantes, complétant l’offre de fonctionnalités et d’informations du catalogue classique (voir figure 1 pour une vue d’ensemble):

  • Une fonction d’autocomplétion élargie (voir figure 6), ne proposant pas uniquement des documents et médias, mais également des œuvres (au sens de FRBR), des personnes et des thèmes (mots-clés), chacun signalé dans la catégorie correspondante. Les données enrichies permettent de plus la recherche au moyen de pseudonymes, formes de nom alternatives, autres langues, etc.
  • Des pages détaillées pour les œuvres (pages œuvres), auteurs (pages auteurs) et thèmes (pages thèmes) (voir figure 5). Il s’agit ici de pages d’agrégation avec des informations supplémentaires sur une œuvre (par ex. bref résumé du contenu), un auteur (par ex. dates de vie et de mort, mouvement ou style littéraire lié, personnes associées) ou un thème (par ex. thèmes plus généraux ou plus spécifiques). En plus de ces données additionnelles, la page contient aussi des „modules“ ou des recommandations, qui renvoient d’une part vers des documents (médias à propos d’un auteur, documents traitant d’un thème, etc.) et d’autre part vers d’autres pages détaillées (auteurs avec des thèmes similaires, œuvres d’auteurs du même mouvement, thèmes d’un auteur associé).
  • Des pages d’aperçu pour les œuvres, les auteurs et les thèmes, incitant à la navigation (browsing). Au moyen de filtres, l’utilisateur peut ici explorer l’ensemble des pages détaillées et restreindre sa recherche.
  • Des pages de résultats clusterisées (accessibles par la recherche ou la navigation) avec quatre onglets (voir figure 3 et arrière-plan de figure 4). Elles contiennent désormais, en plus des documents et médias, des pages détaillées, avec un onglet séparé pour chaque type de contenu (Pages œuvres, Pages auteurs, Pages thèmes). Au sein de chaque onglet, les facettes sont adaptées pour permettre de filtrer des résultats en lien avec des documents, des œuvres, des auteurs, etc.
  • Des knowledge cards (voir figure 4) pour les œuvres, les auteurs et les thèmes, qui s’ouvrent grâce à des icônes présentes sur diverses pages et affichent une synthèse de la page détaillée avec de brèves informations sur l’œuvre, l’auteur ou le thème en question.

Etape 3: implémentation

L’implémentation du prototype au sein de VuFind (framework Zend), l’outil d’exploration utilisé pour linked.swissbib.ch, a débuté durant l’été 2015. Elle a d’abord abouti à la création de pages web statiques (HTML, CSS) au moyen de données statiques factices. Ensuite, ces pages ont été adaptées progressivement afin d’intégrer du contenu / des données de manière dynamique par des requêtes dans l’index du moteur de recherche (Elasticsearch).

Figure 6: fonction d’autocomplétion élargie, proposant des résultats clusterisés selon les catégories „Documents et médias“, „Œuvres“, „Auteurs“ et „Thèmes“, menant vers une page de résultats (en vert „Alle Ergebnisse anzeigen“) ou directement vers une page détaillée (en gris).

Un élément important de l’implémentation consiste en l’introduction de nouvelles fonctionnalités pour le moteur de recherche Elasticsearch, dans le but de permettre l’accès aux données liées. Ainsi a été installée, entre autres, une Multisearch, qui rend possible la recherche au moyen d’une seule requête dans plusieurs „types de données“ (par ex. œuvres et personnes et thèmes) selon le même paramètre (par ex. un identifiant). Par exemple dans le cas des pages auteurs, les données enrichies (portrait, date de naissance, brève biographie, etc.) peuvent être interrogées grâce à ce mécanisme, au moyen de l’identifiant de l’auteur. En outre, un contrôleur AJAX permettant de charger des données sans devoir recharger toute la page a été intégré à swissbib. Il trouve son utilité par exemple pour les knowledge cards: si Schiller apparaît dans la page auteur de Goethe sous la rubrique „auteurs de la même époque“, sa knowledge card sera remplie de données sans que la page entière ne doive être rechargée.

Un autre complément réside dans la fonction d’autocomplétion nouvellement ajoutée et améliorée. Pour celle-ci, la bibliothèque typeahead.js de Twitter a été utilisée.

Perspectives

L’autocomplétion, les pages personnes ainsi que les knowledge cards ont été traitées en priorité dans l’implémentation. Le développement de ces éléments est logiquement à un stade plus avancé. La prochaine étape abordera donc les pages et fonctions en lien avec les thèmes (pages thèmes).

Weiterlesen

Swissbib data goes linked 1: Metadatentransformation, Modellierung, Indexierung / Transformation des métadonnées, modélisation, indexation

Deutsche Version Version française

Serie „Swissbib data goes linked“
Teil 1 | Teil 2 | Teil 3 | Teil 4

Das SUK P-2-Projekt linked.swissbib.ch baut auf Basis der bestehenden Datensätze von swissbib eine angereicherte und im Sinne des Semantic Web verlinkte Metadatenstruktur auf (Abstract, Präsentation). Den Benutzerinnen und Benutzer des Bibliothekskataloges wird ein Mehrwert geboten, indem durch die Anreicherung von bibliographischen Informationen mit Daten aus weiteren Quellen (DBPedia, VIAF) neue explorative Suchmöglichkeiten zur Verfügung gestellt werden. Durch die Verlinkung mit Referenzdatensätzen des Semantic Web wird zudem die Weiternutzung der Daten auch über die bibliothekarische Domäne hinaus begünstigt.

Dieser und eine Reihe weiterer Artikel sollen einen Überblick über den Stand der Arbeiten im bis Anfang 2017 laufenden Projekt geben. Der Fokus liegt primär auf den verwendeten Applikationen und Techniken sowie auf ausgewählten Details der Implementierung. Die Abfolge der Texte richtet sich ungefähr nach dem konzipierten Workflow für linked.swissbib.ch, welcher folgende Teilschritte vorsieht (s. Abb. 1):

  1. Transformation der swissbib-Metadaten in ein RDF-Serialisat sowie deren Aufteilung in verschiedene bibliothekarische Konzepte
  2. Indexierung der transformierten Daten
  3. Datenanreicherung durch Verlinkung mit weiteren Quellen (im Moment DBPedia und Viaf) mithilfe von LIMES und reshaperdf
  4. Präsentation der angereicherten Daten in der VuFind-basierten Suchoberfläche
  5. Web API als maschinell nutzbare Schnittstelle zum Index

Abb. 1: Übersicht Workflow linked.swissbib.ch (Stand April 2016)

Teil 1: Metadatentransformation, Modellierung und Indexierung

Metadatentransformation
Grundlage für das linked-swissbib-Projekt bilden die circa 21 Millionen Datensätze im MARC-XML-Format, welche aus einem vorgelagerten Clustering sehr ähnlicher bis identischer Katalogisate resultieren. MARC ist zwar ein weltweit verbreitetes Datenformat, sein Einsatzgebiet ist jedoch auf die Bibliotheken beschränkt. Um eine Weiternutzung auch über diese Domäne zu ermöglichen, ist es daher notwendig, die Daten in einem Format anzubieten, das agnostisch gegenüber einer bestimmten Verwendung ist. Das Resource Description Framework RDF bietet eine solche Möglichkeit. RDF gibt einen Rahmen vor, in dem über beliebige Dinge (Ressourcen) logische, das heisst maschinell ableitbare Aussagen gemacht werden können. Dadurch, dass in RDF auch Aussagen über Aussagen möglich sind (Reifikation), können domänenspezifische Vokabularien erstellt und diese wiederum miteinander verknüpft werden.
Als Modell gibt RDF ein syntaktisches Schema für Aussagen vor – eine solche entspricht immer einem gerichteten Graphen mit einem Subjekt, einem Prädikat und einem Objekt -, aber kein spezifisches Format. In linked-swissbib haben wir uns für JSON-LD als Zielformat entschieden, einem JSON-Dialekt für Linked Data. Das offen standardisierte JSON-LD ist ein relativ versatiles, je nach Verwendungszweck verschieden serialisierbares Format und eignet sich insbesondere auch für maschinenlesbare Schnittstellen.
Um die MARC-Datensätze zu transformieren, benutzen wir Metafacture, das ursprünglich im Rahmen der Culturegraph-Plattform entwickelt wurde. Der grosse Vorteil der Open-Source-Applikation besteht neben ihrer Performanz – Datensätze werden grundsätzlich parallel verarbeitet – in der Möglichkeit, dass MetadatenspezialistInnen ohne Programmierkenntnisse und mit wenig Erfahrung in XML nach kurzer Zeit in der Lage sind, auch komplexe Transformationsregeln zu definieren. Dabei sind zwei Aspekte zentral: Erstens lassen sich mithilfe der domänenspezifischen Sprache Flux sogenannte Metafacture-Commands – die für einzelne Teilschritte in der Transformation stehen, beispielsweise das Einlesen einer Datei oder das Parsen eines bestimmten Formats – zu einer Pipeline zusammenstecken (s. Abb. 2). Die Existenz entsprechender Commands vorausgesetzt, lassen sich so Input- und Outputformat fast beliebig kombinieren. Die eigentlichen Transformationsregeln können dann zweitens in sogenannten Morph-Definitionen (XML-Syntax) auf Ebene der einzelnen Datenfelder deklariert werden. Die Möglichkeiten sind auch hier sehr vielfältig, erfordern aber bei der Transformation von komplexeren Datenstrukturen ein systematisches Ausprobieren. Damit auch Sonderfälle in den MARC-XML-Daten berücksichtigt werden konnten, wurden in linked-swissbib Qualitätskontrollen mit Stichproben durchgeführt. Die Konversion konnte so inkrementell getestet und verbessert werden.

Abb. 2: Metafacture-Pipeline (vereinfacht)

Für das Projekt haben wir Metafacture mit verschiedenen Commands erweitert. Bislang sind das u.a. eine verbesserte Serialisierung von Dokumenten in JSON-LD, die Implementierung eines Batch-Mechanismus zur Indexierung auf dem Suchserver und Methoden zur Interaktion mit einer Graphendatenbank zum Verfolgen von Veränderungen an der Datenstruktur.

Modellierung
Neben der Transformation werden die monolithischen bibliographischen Datensätze in verschiedene Konzepte aufgeteilt. Diese Modellierung hat zum Ziel, sowohl auf die Bedürfnisse der Endnutzer nach verlinkten Daten zu berücksichtigen als auch die Möglichkeiten und Beschränkungen der zur Verfügung stehenden Daten in Betracht zu ziehen. Zu diesem Zweck wurden Use Cases entwickelt und zwei wichtige bibliographische Datenmodelle evaluiert: FRBR und BIBFRAME. Ergebnis waren sechs distinkte Konzepte, die partielle Anreicherung sowie die Verknüpfung der Daten – miteinander und mit externen Quellen erlauben (in Klammern angegeben sind die in der Suchmaschine verwendeten types, die den sechs Konzepten entsprechen, s.u.):

  • Aufnahme (bibliographicResource): Bibliographische Daten zur Aufnahme
  • Metadaten zur Aufnahme (document): Metadaten zum Datensatz
  • Holdings (item): Exemplardaten
  • Werk (work): Zusammenzug von bibliographischen Daten verschiedener Manifestationen
  • Personen (person): Autoren
  • Organisationen (organisation): Körperschaften und Kongresse

Abb. 3: Prozentualer Anteil der sechs Konzepte

Aus den 21 Millionen ursprünglichen Datensätze werden so momentan 97 Millionen Dokumente (s. Abb. 3), wobei der grösste Teil auf die Holdings sowie die Aufnahmen und deren Metadaten entfällt. Einige kodierte oder normalisierte Felder erlaubten es, schon in der Modellierungsphase und vor jeder Interlinkingoperation, Links zu externen Referenzdatensets automatisch zu erstellen: Geonames für Publikationsländer und -kantone, RDA für Medien- und Inhaltstypen und Lexvo für Sprachen. Zudem wichtig für die Weiternutzung der Daten ist die Verwendung von URI (Uniform Resource Identifiers) für die eindeutige Identifizierung von RDF-Ressourcen (was der ersten der sogenannten vier Linked-Data-Regeln von Tim Berners-Lee entspricht). Im Projekt konnte für die Generierung solcher URI auf bereits existierende ID in den MARC-XML-Daten oder aber auf auf Feldwerten basierende Hashes zurückgegriffen werden.

Abb. 4: Relationen der einzelnen Konzepte

Zwischen den einzelnen Konzepten bestehen verschiedene Referenzierungen (s. Abb. 4), so dass es jederzeit möglich ist, die ursprüngliche bibliographische Ressource wieder zu erzeugen. Jeder Konzept wird mit verschiedenen Eigenschaften in Details beschrieben. Eine statistische Analyse der Datenheiten (Frequenz der Felder und Unterfelder in den MARC-XML-Daten) diente zur Bestimmung der wichtigsten Informationen, die nach RDF überführt werden sollten. Um eine hohe Wiederverwendbarkeit der RDF-Repräsentationen der Daten sicherzustellen, wurden vorwiegend RDF-Properties aus bekannten Fachontologien (Dublin Core, BIBO, FOAF, RDA, usw.) verwendet.

Indem die Ressourcen fragmentiert indexiert werden, lassen sich aber auch unkompliziert einzelne, eventuell zusätzlich angereicherte Konzepte für aggregierte Themenseiten, beispielsweise zu einer bestimmten Autorin, aus dem Index auslesen.

Index
Das zentrale Element der linked.swissbib.ch-Infrastruktur ist unser Suchindex. Sowohl die Suchoberfläche wie auch die Web API werden im produktiven Betrieb direkt auf diesen Index zugreifen, daher sind hohe Verfügbarkeit, performante Indexierung und geringe Latenz bei Suchanfragen entscheidende Faktoren. Im Testbetrieb befindet sich der Index auf einem Elasticsearch-Cluster mit drei Knoten auf drei verschiedenen Hosts, wobei ein horizontales Skalieren problemlos möglich wäre. Um eine genügend hohe Indexierungsrate zu erzielen, betten wir die Daten in das Bulk-Format von Elasticsearch ein, welches Batch-Uploads von mehreren Tausend Dokumenten zulässt. So dauert eine Vollindexierung der 97 Millionen Dokumente auf unserem Cluster 6 bis 8 Stunden. Schliesslich arbeitet Elasticsearch intern mit sogenannten shards (Bruchstücke), in die der Index aufgesplittet wird und die ihrerseits über die verschiedenen Knoten im Cluster verteilt werden. Da der Server zudem auf den verschiedenen Knoten Replikate der shards erstellt, kann die Rechenlast bei Abfragen über die Hosts verteilt werden.

Elasticsearch basiert ebenso wie das von „classic“ swissbib verwendete Solr auf Lucene. Im Gegensatz zu Solr serialisiert Elasticsearch Dokumente intern im JSON-Format, womit unsere JSON-LD-Dokumente ohne weitere Anpassungen indexiert und über eine integrierte REST-Schnittstelle auch wieder ausgegeben werden können. Die Konzepte werden im Suchindex in jeweils einem eigenem type gespeichert. Ein type ist eine Klasse von Dokumenten (Datensätzen) mit einer Schnittmenge an gleichnamigen Feldern (Schlüssel-Wert-Paaren) und mit einer geteilten Definition (Mapping), wie diese Felder indexiert und analysiert werden müssen. Einzelne Dokumente eines bestimmten types müssen nicht für jedes im Mapping definierte Feld ein Schlüssel-Wert-Paar liefern, anderseits werden aber auch nur diejenigen Paare indexiert, zu denen eine Definition im Mapping existiert. Dies ermöglicht es, auch unterschiedlich vollständige Aufnahmen ohne grossen Aufwand zu indexieren.

Serie „Swissbib data goes linked“
Partie 1 | Partie 2 | Partie 3 | Partie 4

Le projet CUS P-2 linked.swissbib.ch met en place, sur la base des notices de swissbib, une structure de métadonnées enrichies et reliées selon les principes du web sémantique (abstract et présentation – en allemand). Grâce à l’enrichissement des données bibliographiques avec des informations provenant d’autres sources (DBpedia, VIAF), de nouvelles fonctions de recherche exploratives seront mises à disposition, offrant une plus-value aux utilisateurs du catalogue de bibliothèque. La réutilisation des données, également au-delà du domaine des bibliothèques, sera ainsi favorisée par l’interconnexion avec d’autres jeux de données de référence du web sémantique.

Ce texte et une série d’autres articles donneront un aperçu de l’état des travaux au sein du projet, dont l’échéance est prévue début 2017. L’accent est mis avant tout sur les applications et techniques utilisées ainsi que sur certains détails de l’implémentation. Les différentes contributions de ce blog seront structurées plus ou moins selon le workflow de conception de linked.swissbib.ch, prévoyant les étapes suivantes (figure 1):

  1. Transformation des métadonnées de swissbib en une sérialisation RDF et décomposition en différents concepts
  2. Indexation des données transformées
  3. Enrichissement par l’interconnexion avec d’autres sources (pour l’instant DBpedia et VIAF), au moyen de LIMES et reshaperdf
  4. Présentation des données enrichies dans l’interface de recherche basée sur VuFind
  5. API web comme interface vers l’index destinée à d’autres machines
Figure 1: Aperçu du workflow de linked.swissbib.ch (état avril 2016)

Partie 1: transformation des métadonnées, modélisation, indexation

Transformation des métadonnées
Les près de 21 millions de notices bibliographiques de swissbib en format MARC-XML, résultat d’une agrégation de notices quasi ou totalement similaires, servent de base au projet linked.swissbib.ch. Bien que MARC soit un format de données utilisé dans le monde entier, son domaine d’application en demeure limité aux bibliothèques. Pour permettre une réutilisation également en-dehors de ce domaine, il est donc nécessaire de proposer les données sous un autre format ne dépendant pas d’une application particulière. RDF (Resource Description Framework) offre une telle possibilité; il donne un cadre dans lequel des assertions logiques, c’est-à-dire traitables par ordinateur, peuvent être faites sur des choses (des ressources). Par le fait que, en RDF, des assertions peuvent aussi être faites sur d’autres assertions (réification), des vocabulaires spécifiques à un domaine peuvent être créés et, entre eux, interconnectés.
En tant que modèle, RDF définit un schéma syntactique pour des assertions – une assertion correspond toujours à un graphe dirigé contenant un sujet, un prédicat et un objet – , mais pas de format spécifique. Dans linked.swissbib.ch, nous avons sélectionné JSON-LD comme format de destination. Dialecte de JSON pour le Linked Data, JSON-LD est un format relativement évolutif, pouvant se structurer différemment selon les utilisations souhaitées, et particulièrement bien adapté aux interfaces de programmation.
Pour transformer les notices MARC, nous utilisons le logiciel Metafacture, qui a été développé à l’origine dans le cadre de la plate-forme Culturegraph. Le principal avantage de cette application Open Source réside, à côté de sa performance – en substance, les notices sont traitées parallèlement –, dans son accessibilité à des spécialistes en métadonnées avec une certaine expérience de XML mais sans connaissances préalables en programmation qui, après une courte étape de familiarisation, sont en mesure de définir des règles de transformation même complexes. Deux éléments sont alors à considérer. Premièrement, le langage dédié FLUX permet de joindre bout à bout des commandes Metafacture (figure 2), qui effectuent les diverses étapes de la transformation, comme la lecture d’un fichier ou l’analyse d’un format particulier. Du moment que ces commandes existent, presque n’importe quelles combinaisons de formats d’entrée et de sortie sont possibles. Deuxièmement, les règles de transformation à proprement parler sont exprimées dans des définitions Morph (en syntaxe XML) au niveau de chaque champ de données. Ici également, les possibilités sont très variées, mais nécessitent des tests systématiques lors de la transformation de structures de données complexes. Afin que les cas particuliers dans les données MARC-XML soient aussi pris en considération dans linked.swissbib.ch, des contrôles qualité ont été effectués avec des échantillons. Ainsi, la conversion a pu être testée et améliorée de manière incrémentale.

Figure 2: Pipeline Metafacture (simplifié)

Pour les besoins du projet, nous avons enrichi Metafacture de plusieurs commandes. Il s’agit jusqu’à présent de commandes pour la sérialisation améliorée de documents en JSON-LD, pour l’implémentation d’un mécanisme pour l’indexation par lots sur le serveur de recherche et pour l‘interaction avec une base dedonnées en graphe afin de suivre les modifications de la structure des données.

Modélisation
En plus de la transformation, les notices bibliographiques monolithiques sont décomposées en différents concepts. Le but de cette modélisation est de satisfaire l’utilisateur qui veut des données liées tout en prenant en considération les possibilités et limites des données de base. A cet égard, des use cases ont été développés et deux modèles de données importants ont été évalués: FRBR et BIBFRAME. Cela a résulté en un modèle composé de six concepts distincts, permettant un enrichissement ciblé ainsi qu’une interconnexion des données – entre elles et avec des sources externes (entre parenthèses sont indiqués ci-dessous les types utilisés dans le moteur de recherche, qui correspondent aux six concepts):

  • Instance (bibliographicResource): notice bibliographique
  • Métadonnées sur l’instance (document): métadonnées sur une notice bibliographiques
  • Exemplaire (item): données d’exemplaires
  • Personne (person): auteurs
  • Organisation (organisation): collectivités et congrès
Figure 3: Part en pourcentage des six concepts

Des 21 millions de notices bibliographiques originales en résultent pour le moment 97 millions de documents (figure 3), dont la plus grande part correspond aux exemplaires ainsi qu’aux instances et leurs métadonnées. Certains champs codés ou normalisés permettent, déjà dans la phase de modélisation et avant toute opération d’alignement, de créer des liens de manière automatisée vers des référentiels externes: Geonames pour les pays et cantons de publication, RDA pour les types de médias et de contenus, et Lexvo pour les langues. L’utilisation d’URI (Uniform Resource Identifiers) pour l’identification unique des ressources RDF – correspondant au premier des quatre principes des Linked Data de Tim Berners-Lee – est également importante en vue de la réutilisation des données. Dans le projet, la génération de ces URI se base sur des identifiants préexistants dans les données MARC-XML ou sur des valeurs de hachage créées d’après le contenu de certains champs. Grâce aux références liant les différents concepts entre eux (figure 4), il est toujours possible de reconstituer une notice bibliographique originale. Chaque concept est décrit en détails par plusieurs propriétés. Une analyse statistique des unités de données (fréquence des champs et sous-champs dans les données MARC-XML) a servi à déterminer les informations les plus importantes qui devaient être transformées en RDF. Des propriétés RDF provenant des vocabulaires les plus connus (Dublin Core, BIBO, FOAF, RDA, etc.) ont été préférées afin de garantir une bonne réutilisabilité des représentations RDF des données.

Figure 4: Relations de chaque concept avec le concept „instance“

Comme les ressources sont indexées de manière fragmentée, les concepts individuels et simples, parfois enrichis, sont facilement accessibles au sein de l’index, par exemple pour générer des pages d’agrégation autour d’un auteur particulier.

Indexation
L’élément central de l’infrastructure de linked.swissbib.ch est son index de recherche. Aussi bien l’interface de recherche que l’API web accèdent, dans le service en production actuel, directement à cet index. C’est pourquoi une haute disponibilité, une indexation performante et une faible latence sont des facteurs décisifs lors des requêtes. Dans la version test, l’index se trouve dans un cluster d‘Elasticsearch à trois nœuds sur trois hosts différents de telle manière qu’une scalabilité horizontale serait tout à fait possible. Pour atteindre un taux d’indexation suffisamment élevé, nous intégrons les données au format BULK d’Elasticsearch, qui permet des uploads par lots de plusieurs milliers de documents. Ainsi, une indexation complète des 97 millions de documents dans notre cluster dure de 6 à 8 heures. Enfin, Elasticsearch travaille à l’interne avec des shards (fragments), dans lesquels l’index est fractionné et qui de leur côté sont répartis sur les différents nœuds du cluster. Comme le serveur crée des reproductions des shards dans les différents nœuds, la charge de calcul lors de requêtes peut être répartie entre les hosts. Elasticsearch se base, tout comme Solr pour swissbib classique, sur Lucene. Néanmoins, contrairement à Solr, Elasticsearch sérialise les documents à l’interne au format JSON. Nos documents JSON-LD peuvent donc être indexés sans autres adaptations et rediffusés par une interface REST intégrée. Chaque concept est enregistré dans un type propre au sein de l’index de recherche. Un type est une classe de documents (de records) partageant une majorité de champs identiques (paires clé-valeur) et contenant une même définition (mapping) précisant comment ces champs doivent être indexés et analysés. Les documents d’un type particulier ne doivent pas contenir une paire clé-valeur pour chaque champ défini dans le mapping par contre, seuls les paires contenant une définition dans le mapping sont indexées. Ceci permet ainsi d’indexer sans trop de difficulté des notices dont l’exhaustivité varie.

Weiterlesen