Tutoriel sous la forme d'un pas à pas pour aligner des données avec Wikidata grâce à l'outil Open Refine. Dans ce tutoriel, les données alignées proviennent de la plateforme HAL récupérées via le Sparql endpoint.

1. Aligner vos données avec
Wikidata grâce à l’outil Open
Refine
Gautier Poupeau
gautier.poupeau@gmail.com
@lespetitescases
http://www.lespetitescases.net

2. Présentation de l’outil
Une analyse comparative : « Du problème de la qualité des données et de la manière de le résoudre... »
• Outil créé en par David Huynh et Stefano Mazzochi
au sein de la société Metaweb
• S’est appelé « Griworks » puis « Google Refine » et
enfin « Open Refine »
• Depuis 2012 dans la communauté
• La V3.0 est sortie officiellement le 16 septembre
2018 après plusieurs années sans sortie
• Très apprécié dans le monde des bibliothèques
• Open source
Pour télécharger l’outil  http://openrefine.org/download.html

3. Les serveurs de réconciliation Open Refine
•Wikidata (avec étiquette en français) : https://tools.wmflabs.org/openrefine-
wikidata/fr/api
•ORCID http://refine.codefork.com/reconcile/orcid et
http://refine.codefork.com/reconcile/orcid/smartnames
• VIAF http://refine.codefork.com/reconcile/viaf
Outil de réconciliation
Objectif : Aligner les 300 auteurs appartenant à l’INRIA qui ont le plus de documents
dans HAL-INRIA avec leurs identifiants dans Wikidata, ORCID et VIAF
La requête SPARQL : https://data.archives-ouvertes.fr/sparql
PREFIX dcterms: <http://purl.org/dc/terms/>
PREFIX foaf: <http://xmlns.com/foaf/0.1/>
select ?person, ?name, ?same, count(?s) AS ?nbs where {?s dcterms:isPartOf
<https://hal.inria.fr/INRIA>; dcterms:creator ?creator.
?creator <http://data.archives-ouvertes.fr/schema/person> ?person. ?person foaf:name ?name.
OPTIONAL {?person owl:sameAs ?same. FILTER regex(str(?same),'orcid')}
}
GROUP BY ?person ?name ?same
ORDER BY DESC(?nbs)
LIMIT 300
https://bit.ly/2C3APY2
Et le tutoriel qui m’a servi de guide : https://medium.com/@seeksanusername/reconcilier-
une-liste-darchitecte-avec-wikidata-en-utilisant-openrefine-16819fbb2903

4. Aller sur l’IHM du sparql endpoint de HAL
https://data.archives-ouvertes.fr/sparql

5. Saisir la requête qui permet de retrouver les
personnes qui vous intéressent

6. Récupérer l’URL de la requête dans la
page de réponse

7. Aller sur le site https://meyerweb.com/eric/tools/dencoder/
pour encoder la requête conformément aux URLs
Cliquer sur Encode

8. Récupérer la requête encodé
conformément aux URLs

9. Modifier le paramètre query avec la chaîne
encodée et le paramètre format avec la valeur
« csv »

10. Lancer Open Refine et cliquer sur
« Web address (URLs) »

11. Copier l’URL modifiée de la requête et
cliquer sur « Next »

12. Après récupération des données, vous
obtenez cette interface
Cliquer ici pour
modifier l’encodage
des caractères

13. Choisir l’encodage « UTF-8 »

14. Avec le bon encodage…

15. Modifier le nom du projet et cliquer
sur « Create project »

16. Vous pouvez augmenter le nombre de
lignes affichées

17. Modifier un champ texte en nombre…

18. …pour permettre de faire une facette
de nombres par exemple

19. Pour transformer une chaîne de
caractères, cliquer sur « Transform »

20. pour afficher la boîte de manipulation
des champs

21. et par exemple ici supprimer une
partie de la chaîne de caractère

22. Et voilà le résultat

23. Vous pouvez renommer une colonne

24. Et voilà le résultat

25. Pour réconcilier/aligner vos données avec
Wikidata, Orcid, VIAF…

26. L’interface de réconciliation s’affiche, vous
pouvez ajouter un service de réconciliation

27. par exemple, la réconciliation avec des entrées
Wikidata par leur étiquette en français

28. Vous cliquez sur le service ajouté

29. Vous pouvez préciser une propriété
pour faciliter l’alignement
Une auto-complétion permet
de choisir sur quelle propriété
aligner les valeurs de la colonne

30. Quand tout est prêt, vous pouvez cliquer sur le
bouton « Start Reconciling »

31. Et le processus de réconciliation se
lance en tâche de fond…

32. Lorsque le processus est terminé, les entrées alignées
ont un lien et les autres ont des propositions

33. Pour choisir une proposition, il suffit
de cliquer sur la coche
En cliquant sur le
lien, vous pouvez
aller sur la pageEn cliquant sur la coche, vous
sélectionnez l’entrée

34. Et voilà le résultat

35. Pour récupérer l’identifiant, il faut
ajouter une colonne

36. Il faut entrer le nom de la nouvelle colonne et indiquer
dans l’expression « cell.recon.match.id »

37. Et voilà le résultat

38. Si on veut à présent aligner avec
ORCID…

39. Sélectionner les entrées qui n’ont pas déjà
un ORCID, en créant une facette

40. En cliquant sur true, on sélectionne les
lignes sans entrée ORCID

41. Il faut d’abord créer une autre colonne
pour lancer la réconciliation

42. On donne un nouveau nom à la
colonne et on clique sur « OK »

43. On relance l’interface de réconciliation sur
la nouvelle colonne

44. On ajoute le service de réconciliation à l’adresse «
http://refine.codefork.com/reconcile/orcid » puis on
clique sur « Start Reconciling »

45. Le processus de réconciliation se lance

46. Et lorsqu’il aboutit, on retrouve la
même interface que pour wikidata

47. Il est possible de créer de nouvelles colonnes
avec des données provenant de Wikidata

48. Une boîte de dialogue s’ouvre pour pouvoir
choisir la propriété à récupérer

49. En cliquant sur une propriété, vous
pouvez voir une prévisualisation

50. puis le processus de récupération se
lance

51. Et voilà le résultat après avoir filtré les
entrées qui avaient une réponse

52. Une fois le travail terminé, vous
pouvez exporter le résultat