GlossaNet 3

Glossanet 1

• Créé en 1999 au LADL
• Chaque jour, il extrait les pages de 25 journaux en ligne
• Un utilisateur choisit un corpus (journal) et enregistre une requête Intex (plus tard Unitex) — au format regex ou grf
• Cette requête est appliquée tous les jours sur les nouvelles pages téléchargées
• Les concordances sont envoyées par courriel

Glossanet 1

• Les bases :
  • Des corpus dynamiques (A. Renouf) qui sont constitutés à l'aide des pages de journaux en ligne extraites grâce à des scripts
  • Unitex qui permet de traiter ces corpus et d'y appliquer des requêtes
• Les avantages :
  • Les pages des journaux sont téléchargées automatiquement
  • Les requêtes sont appliquées quotidiennement
  • Les concordances sont envoyées chaque jour
• Les utilisations :
  • Recherche de motifs linguistiques
  • Veille sur des mots-clés

Code source d'un flux RSS

			<rss version="2.0">
			   <channel>
			      <title>Le Monde.fr : à la Une</title>
			      <link>http://www.lemonde.fr</link>
			      <description>Toute l'actualité au moment de la connexion</description>
			      <language>en</language>
			      <pubDate>Wed, 09 Oct 2013 13:32:28 GMT</pubDate>
			      <item>
			         <title>Livre numérique...</title>
			         <link>http://www.lemonde.fr/...</link>
			         <description>La montée du livre numérique en Europe est...</description>
			         <pubDate>Wed, 09 Oct 2013 13:03:15 GMT</pubDate>
			      </item>
			   </channel>
			</rss>
		

Glossanet 2

• Créé en 2008 au Cental
• Les objectifs :
  • Augmenter considérablement les sources de données
    et donc le nombre de corpus
  • Simplifier la récupération du contenu récent des sites web
    (et donc ainsi éviter les scripts ad hoc)
  • Glossanet est utilisable sur une portion relativement importante du web
• La méthode :
  • Télécharger des flux RSS
  • Récupérer les nouveaux articles
  • Extraire le contenu des pages web

Glossanet 2

• Les difficultés :
  • L'utilisation de Glossanet est beaucoup plus complexe. Il faut pouvoir
    • créer, modifier et supprimer des flux RSS
    • créer, modifier et supprimer des corpus composés d'un nombre variable de flux RSS
    • créer, modifier et supprimer des requêtes (regex ou grf)
    • créer, modifier et supprimer des tâches (càd l'application des requêtes sur les corpus)
  • Il existe aussi certaines difficultés techniques :
    • Flux RSS mal formés, invalides
    • Pages HTML invalides, incomplètes, protégées, difficiles à récupérer, mal encodées
    • Code source de Glossanet devenu complexe au cours du temps

Glossanet 3

• L'objectif : corriger une partie des problèmes rencontrés par Glossanet 2
  • Simplifier l'interface utilisateur
  • Simplifier le code source et la gestion des données
  • (Mettre l'interface au goût du jour)

Une démonstration de Glossanet 3 a été réalisée le 10 octobre 2013. Cette démonstration est remplacée ici par des captures d'écran de l'interface présentée.