Entités nommées, référentiels d'autorité et données liées en TEI

Humanités numériques · Master 1

Annoter personnes, lieux et dates en TEI et les relier à VIAF, GeoNames, Wikidata ou au DHS.

Introduction

Dans une édition numérique, les personnes, lieux, organisations et dates deviennent des données exploitables lorsqu'elles sont balisées : persName, placeName, orgName, date avec l'attribut when. Pour désambiguïser, on associe chaque mention à une entité unique via l'attribut ref qui pointe vers une notice interne (listPerson, listPlace, listOrg) ou vers un référentiel externe.

Les référentiels d'autorité sont des bases qui attribuent un identifiant stable à une entité : VIAF et GND pour les personnes et institutions, GeoNames pour les lieux, Wikidata pour tous types d'entités. En Suisse, le Dictionnaire historique de la Suisse (DHS) et la base de données des Diplomatic Documents of Switzerland (dodis) fournissent des identifiants pour des personnes et des institutions.

Cette pratique s'inscrit dans le web de données liées (Linked Open Data) : des URI dereferencables, des triplets RDF et des alignements entre projets. Elle permet d'interroger ensemble plusieurs éditions, de cartographier des mentions et de créer des index automatiques par XSLT ou XPath.

Objectifs d'apprentissage

Annoter personnes, lieux et dates avec les balises TEI adaptées
Lier une mention à une notice interne ou à un référentiel d'autorité
Expliquer l'intérêt des identifiants pérennes et des données liées
Générer un index à partir d'un balisage cohérent

Concepts clés

Balisage des entités: persName, placeName, orgName et date distinguent la nature de la mention ; name est plus générique.
Désambiguïsation par identifiant: L'attribut ref relie la mention à une URI stable : un même identifiant résout les homonymes et les variantes graphiques.
Référentiels d'autorité: VIAF, GND, GeoNames, Wikidata et référentiels nationaux fournissent des identifiants partagés entre institutions.
Index et données liées: Des listes (listPerson, listPlace) et des identifiants ouvrent la voie à des index automatiques et à des exports RDF.

Conclusion

L'annotation d'entités transforme un texte en base de connaissances. Sa valeur dépend de la qualité de la désambiguïsation et de la stabilité des identifiants utilisés.

Lier ses données à des référentiels partagés assure leur interopérabilité et leur durabilité, au-delà du projet qui les a produites.

Cartes

Quel élément marque la mention d'une personne ?: persName.
Quel attribut rattache une mention à une notice ?: ref, qui contient une URI ou un renvoi interne (#id).
Comment encoder une date normalisée ?: Avec date et l'attribut when au format ISO 8601, par exemple <date when="1789-07-14">14 juillet 1789</date>.
À quoi sert listPerson ?: À regrouper des notices person décrivant les personnes de l'édition (noms, dates, rôles, identifiants).
Citez trois référentiels d'autorité.: VIAF, GeoNames et Wikidata, entre autres (GND, IdRef).
Pourquoi utiliser un identifiant plutôt qu'un nom ?: Les noms varient et sont ambigus ; un identifiant désigne sans équivoque une entité et permet l'alignement entre projets.
Que signifie Linked Open Data ?: Données publiées sur le web avec des URI et des liens vers d'autres jeux de données, sous licence ouverte.
Quel est l'intérêt de XPath pour un balisage d'entités ?: Interroger le corpus, par exemple //persName[@ref] pour lister toutes les mentions de personnes liées.
Quel est le risque d'une annotation automatique non vérifiée ?: Des erreurs de désambiguïsation (homonymes) qui se propagent dans les index et analyses.

Glossaire

Entité nommée: Expression qui désigne un individu, un lieu, une organisation ou une date précise.
Référentiel d'autorité: Base de notices uniques et identifiées pour des personnes, lieux ou concepts.
URI: Identifiant uniforme de ressource, adresse stable d'une entité sur le web.
Désambiguïsation: Choix de la bonne entité parmi plusieurs candidats homonymes.
RDF: Modèle de données par triplets sujet-prédicat-objet pour le web de données.
Prosopographie: Étude collective de groupes de personnes à partir de leurs biographies.