Dans le cadre du projet Data&Musée, nous sommes amenés à nous intéresser aux données liées disponibles au sujet des œuvres d’art, aux artistes et aux musées et monuments qui ont un lien avec ces œuvres. Nous avons déjà abordé cette question dans le billet Les oeuvres d’art dans DBpedia. Nous regardons maintenant leur couverture par Wikidata à partir du point d’accès sparql https://query.wikidata.org/.

Note technique: les préfixes suivants sont utilisés
prefix wd: <http://www.wikidata.org/entity/>
prefix wdt: <http://www.wikidata.org/prop/direct/>

Nombre d’œuvres et leurs types

Nous avons cherché dans Wikidata les entités des types CreativeWork (wd:Q17537576) , Painting (wd:Q3305213) et Artwork (wd:Q838948).

SELECT ?type (count(DISTINCT ?oeuvre) as ?c)  WHERE {
  VALUES ?type {wd:Q838948 wd:Q17537576 wd:Q3305213}
  ?oeuvre wdt:P31 ?type.
}
group by ?type
order by desc(?c)

ce qui donne

Liens entre des œuvres et des musées

Maintenant, cherchons celles qui ont un lien direct avec un musée. Pour éviter des timeouts sur wikidata, nous ferons une requête avec chaque type d’oeuvre précédent sur le modèle suivant

SELECT ?type (COUNT(DISTINCT ?oeuvre) AS ?c)  WHERE {
  VALUES ?type { wd:Q838948  }
  ?oeuvre wdt:P31 ?type.
  { ?oeuvre ?link ?museum. } union { ?museum ?link ?oeuvre. }
  ?museum wdt:P31 wd:Q33506.
}
GROUP BY ?type
ORDER BY DESC (?c)

donne

On peut se poser la question du nombre d’entités de type wd:Q33506 (musée):

select (count(distinct ?museum) as ?c) 
where { 
?museum wdt:P31 wd: Q33506 
}

On en trouve 34606. Ce qui suggère que de nombreux musées sont connus, et qu’il y a de nombreux liens avec des œuvres, en particulier des peintures.

Liens entre des œuvres et des personnes

Voyons maintenant à quel point les œuvres sont reliées à des personnes (wd:Q5), type par type sur le modèle suivant:

SELECT ?type (COUNT(DISTINCT ?oeuvre) AS ?c) WHERE {
  VALUES ?type {    wd:Q838948  }
  ?oeuvre wdt:P31 ?type.
  { ?oeuvre ?link ?artist. }   UNION  { ?artist ?link ?oeuvre. }
  ?artist wdt:P31 wd:Q5.
}
GROUP BY ?type
ORDER BY DESC (?c)

donne

On voit que, dans Wikidata,  il y a des liens entre des œuvres et des personnes, mais sur une assez faible proportion des œuvres. Il reste du travail à faire pour améliorer les connaissances dans Wikidata sur les œuvres d’art! A vos claviers…

Dans le cadre du projet Data&Musée, nous sommes amenés à nous intéresser aux données liées disponibles au sujet des œuvres d’art, aux artistes et aux musées et monuments qui ont un lien avec ces œuvres.

Nombre d’œuvres et leurs types

Nous avons cherché dans DBpedia les entités des types CreativeWork, Painting et Artwork.

select ?type (count(distinct ?oeuvre) as ?c)
where {
VALUES ?type {<http://schema.org/CreativeWork> 
              <http://schema.org/Painting> 
              <http://dbpedia.org/ontology/Artwork> 
              <http://dbpedia.org/ontology/Painting> }
?oeuvre a ?type .
}
group by ?type
order by desc(?c)

ce qui donne

Liens entre des œuvres et des musées

Maintenant, cherchons celles qui ont un lien direct avec un musée:

select ?type (count(distinct ?oeuvre) as ?c)
where {
VALUES ?type {<http://schema.org/CreativeWork> 
              <http://schema.org/Painting> 
              <http://dbpedia.org/ontology/Artwork> 
              <http://dbpedia.org/ontology/Painting> }
?oeuvre a ?type .
{ ?oeuvre ?link ?museum } UNION {?museum ?link ?oeuvre}.
?museum a dbo:Museum
}group by ?type
order by desc(?c)

donne

On peut se poser la question du nombre d’entités de type dbo:Museum:

select (count(distinct ?museum) as ?c)
where {
?museum a dbo:Museum
}

On en trouve 10153. Ce qui suggère que de nombreux musées sont connus, mais peu directement reliés à des œuvres.

Liens entre des oeuvres et des personnes

Voyons maintenant à quel point les oeuvres sont reliées à des artistes:

select ?type (count(?oeuvre) as ?c)
where {
VALUES ?type {<http://schema.org/CreativeWork> 
              <http://dbpedia.org/ontology/Artwork> 
               }
?oeuvre a ?type .
?oeuvre ?link ?person .
?person a dbo:Artist
}group by ?type
order by desc(?c)

donne

On voit que, dans DBpedia,  les œuvres sont fortement liées à des artistes.

En cherchant par quels liens:

select distinct ?link
where {
VALUES ?type {<http://schema.org/CreativeWork> 
              <http://dbpedia.org/ontology/Artwork> 
               }
?oeuvre a ?type .
?oeuvre ?link ?person .
?person a dbo:Artist
}

on voit que de nombreux liens suggèrent qu’il s’agit d’œuvres musicales, littéraires ou cinématographiques, qui sont relativement hors du champ de Data&Musée.

Cela ouvre la question de savoir si DBpedia couvre bien la peinture et la sculpture. Nous laisserons cette question pour un autre billet.

Note: les préfixes utilisés dans le corps du texte sont définis à la fin de ce billet

Méthode de création d’un « contexte »

Nous avons récupéré la liste des 14 musées de Paris Musées. Avec les noms, nous avons facilement trouvé les URI des entités correspondants dans au moins un des trois graphes de connaissances suivants: DbPedia, DBPedia-Fr, Wikidata.

Partant de ces URIs, nous avons ‘aspiré’ tous les faits (triplets) qui aboutissent ou qui partent de ces URIs, jusqu’à un niveau N de relations. Le contexte actuellement créé utilise N=2. Par exemple, l’entité dbp:Maison_de_Balzac est reliée à dbp:George_Sand, entité reliée notamment à dbp:Musée_de_la_Vie_Romantique. Ces liens seront sauvés dans le contexte que nous constituons.

Graphe de contexte de Paris Musées

Le graphe a l’URI suivante dans notre jeu de données:

<http://givingsense.eu/datamusee/onto/parismusees>

Il décrit 255075 entités différentes. Il utilise 2356 propriétés différentes pour décrire ces entités. Nous allons nous intéresser en priorité aux propriétés dont la valeur n’est pas un literal, mais une URI: celles qui créent des liens entre les entités (requête). Elles sont 969.

La propriété dbpo:wikiPageWikiLink est utilisée 372307 fois. Nous avons vu dans Rule Mining for Semantifying Wikilinks que cette propriété seule est peu porteuse de sens, mais que des traitements peuvent aider à la préciser. Telle quelle, elle indique seulement un lien indéfini entre une entité et une autre. Nous nous limiterons à voir si certains liens sont récurrents.

La propriété suivante est rdfs:type, utilisée 296824 fois, qui associe un type à une entité. Nous verrons plus loin les principaux types rencontrés.

Vient ensuite owl:sameAs utilisé 14426 fois, qui indique de fortes similitudes entre deux entités et que nous n’allons pas analyser.

dcterms:subject est utilisé 13666 fois. Il indique que l’entité décrite est ‘au sujet de’ une autre entité. Nous verrons plus loin les principaux sujets rencontrés.

Les types utilisés dans le contexte de Paris Musées

Nous obtenons les types avec cette requête.

On trouve 2185 types différents. Voilà une table des plus utilisés:

Les « sujets » abordés dans le contexte de Paris Musées

Nous obtenons les « sujets » avec cette requête. Un sujet associé à une entité dans DBPedia indique des informations de nature très différentes d’un sujet et d’une entité à l’autre. Il s’agit globalement d’indiquer que le sujet associé a une forme de relation avec l’entité décrite.

On trouve 6931 « sujets » différents. Voilà une table des plus utilisés:

Exemple d’exploitation des liens

Prenons un des 10 premiers sujets de la table ci-dessus:

http://fr.dbpedia.org/resource/Catégorie:Sculpteur_français_du_XIXe_siècle

Nous pouvons nous demander vers quoi cette entité peut nous mener et comment elle est reliée à Paris Musées dans le contexte créé.

Le lien avec paris musées se fait en 2 sauts avec des liens wikipagewikilink ou subject

(Paris Musées) relié à (entité intermédiaire) reliée à (personne sculpteur )  qui a un lien avec (Catégorie:Sculpteur_français_du_XIXe_siècle)

Il y a 7 entités qui peuvent servir d’intermédiaire (requête)

dbpfr:Musées_de_la_Ville_de_Paris

dbpfr:Musée_de_la_vie_romantique

dbpfr:Petit_Palais

dbpfr:Musée_Carnavalet

dbpfr:Musée_Bourdelle

dbpfr:École_nationale_supérieure_des_beaux-arts

dbpfr:10e_arrondissement_de_Paris

Si on regarde par exemple les sculpteurs en liaison avec le Petit Palais (dbpfr:Petit_Palais), on trouve:

dbpfr:Honoré_Daumier
dbpfr:Jean-Antoine_Injalbert
dbpfr:Jules_Dalou
dbpfr:Jean-Baptiste_Carpeaux
dbpfr:Gustave_Moreau
dbpfr:Maurice_Ferrary
dbpfr:Charles_Louis_Malric
dbpfr:Louis_Convers

qui sont 8 sculpteurs.

Conclusion

Sur ce principe, nous pensons établir des liens entre des entités de notre contexte et des données externes pour faire émerger des relations entre entités qui pourront être utiles: propositions de parcours, suggestions,…

Préfixes utilisés dans ce billet

dbpo: <http://dbpedia.org/ontology/>

rdfs: <http://www.w3.org/1999/02/22-rdf-syntax-ns#>

owl: <http://www.w3.org/2002/07/owl#>

dbpfr: <http://fr.dbpedia.org/resource/>

dbp: <http://dbpedia.org/resource/>

Dans le cadre du projet Data&Musée, nous avons notamment accès à des messages laissés par des visiteurs sur des « livres d’or » électroniques. L’observation de ces messages montre qu’ils sont composés de textes courts, souvent elliptiques, avec une orthographe incertaine et de nombreux éléments qui ne relèvent pas de la langue courante -émoticônes, ponctuations multiples…

Ainsi, ces messages s’apparentent beaucoup à de la messagerie instantanée, tweets ou autres. Ce billet présente quelques remarques en liaison avec cette observation.

Analyse de tweets par MuseumWeek

Dans le cadre de l’initiative MuseumWeek, liée au Labex « Les passés dans le présent« , une expérimentation a été menée visant à analyser les tweets échangés pendant cette manifestation culturelle.

On trouve des résultats de cette expérimentation ici et un article décrivant l’expérimentation et ses résultats ici (« Automatic Classification of Tweets for Analyzing Communication Behavior of Museums »).

Comme il s’agit d’analyser le comportement de représentants des musées pendant une manifestation, nous sommes un peu loin de ce qui concerne le projet Data&Musée. Cependant, certains aspects du nettoyage et de la mise en forme des données peuvent être une source d’inspiration.

Projets et publications sur l’analyse de tweets

#Idéo2017 : une plateforme citoyenne dédiée à l’analyse des tweets lors des événements politiques
de Claudia Marinica, Julien Longhi, Nader Hassine, Abdulhafiz Alkhouli, Boris Borzic

peut aussi être une source d’inspiration.

Depuis quelques années, la grande conférence annuelle sur les technologies du Web –lien vers la dernière occurence– fait la part belle aux réseaux sociaux. On y trouve probablement des publications liées aux tweets.

Sur Google Scholar, une recherche de ‘tweet analysis’ donne 6300 publications rien que pour 2018!

Par exemple, « HashCount at SemEval-2018 Task 3: Concatenative Featurization of Tweet and Hashtags for Irony Detection » à la conférence SemEval-2018. Dans cet évènement, trois taches parmi 12 portaient sur l’analyse de tweets et ont donné lieu à des publications:

Affect and Creative Language in Tweets

• Task 1: Affect in Tweets
• Task 2: Multilingual Emoji Prediction
• Task 3: Irony Detection in English Tweets

Bref, en cherchant un peu, on trouve vite des pistes. Il n’y a plus qu’à travailler!

Dans le billet https://onsem.wp.imt.fr/2016/04/20/wordlift-est-arrive-sur-ce-site/, j’annonçais l’utilisation de l’extension Wordlift. J’étais un des adopteurs précoces de cet outil qui permet de marquer sémantiquement les billets d’un blog WordPress, facilement sous la supervision de l’auteur de l’article.

J’ai le regret de devoir la désactiver. Jusqu’à il y a environ un mois, tout fonctionnait bien et ce blog s’enrichissait peu à peu de liens sémantiques entre les pages et vers l’extérieur.

Malheureusement, depuis, rien ne va plus: les marquages validés ne sont pas sauvegardés, ceux qui pré-existaient ne semblent plus être reconnus. Les auteurs de l’extension ont pour priorité -surement légitime- de valoriser leur outil auprès de sociétés. Il est très compliqué pour moi d’engager par carte bleue sur un abonnement de durée illimitée l’organisme public où je suis chercheur. Je ne crois pas que je vais mettre en route le branle-bas administratif nécessaire pour cela.

Dommage, le principe me paraissait prometteur. Je pensais que cet outil était une bonne illustration de ce que peuvent apporter des services construits sur le web sémantique. Je m’en servais pour illustrer des enseignements à des élèves ingénieurs avec qui j’essaie partager mon enthousiasme pour ces techniques.