Cahier des charges. Mise en œuvre d une plateforme logicielle pour la gestion des sigles sur le Web

Transcription

1 Ministère de l'education Nationale Université de Montpellier II Cahier des charges Mise en œuvre d une plateforme logicielle pour la gestion des sigles sur le Web Etudiants : Thomas OLIVIERI Fabien PEYRES Mirasoa Toavina RANAIVO Jules Thierry MBOUKEM TCHASSEM Encadrants: Violaine PRINCE Matthieu FAURE Mathieu ROCHE

2 Table des Matières I. Sujet du projet...3 I.1 Accessibilité du WEB...3 I.2 Présentation du sujet...4 I.3 Objectifs...5 II. Stratégie d'avancement du projet...7 II.1 Démarche...7 II.2 Phase de test...7 III. Méthologie de gestion de projet...8 III.1 Diagramme de Gantt...9 III.2 Répartition des tâches...10 III.3 Communication...11 Table des Figures Les niveaux d'accessibilité WCAG Modélisation de l'objectif...6 Diagramme de Gantt

3 I - Sujet du projet I- 1 Accessibilité du Web L'accessibilité du Web a pour objectif de permettre à tous les individus utilisateurs d'internet d'accéder aux services et contenus en ligne, qu'ils soient normaux, handicapés ou déficients. Définie par des normes techniques établies par la Web Accessibility Initiative (WAI) du World Wide Web Consortium (W3C), elle nécessite un traitement tout au long du cycle de vie d'un site Web, par l'ensemble de ses acteurs, via des méthodes d'applications, des référentiels métiers et une démarche de suivi. Bien qu'elle soit une composante et un levier d'amélioration de leur qualité globale, le degré d'accessibilité effectif des sites Web reste actuellement très faible. «L'accessibilité du web signifie que les personnes handicapées peuvent l'utiliser. Plus spécifiquement, elle signifie que ces gens peuvent percevoir, comprendre, naviguer, interagir avec le web, et y contribuer. L'accessibilité du Web bénéficie également à d'autres, notamment les personnes âgées ayant des capacités diminuées dues au vieillissement.» Elle est un droit universel, selon l'article 9 de la Convention relative aux droits des personnes handicapées adoptée en 2006 par l'organisation des Nations unies[note 1] «Afin de permettre aux personnes handicapées de vivre de façon indépendante et de participer pleinement à tous les aspects de la vie, les États Parties prennent des mesures appropriées pour leur assurer, sur la base de l égalité avec les autres, l accès à l environnement physique, aux transports, à l information et à la communication, y compris aux systèmes et technologies de l information et de la communication, et aux autres équipements et services ouverts ou fournis au public, tant dans les zones urbaines que rurales. Ces mesures, parmi lesquelles figurent l identification et l élimination des obstacles et barrières à l accessibilité, s appliquent, entre autres [...] aux services d information, de communication et autres services, y compris les services électroniques et les services d urgence [...] Les États Parties prennent également des mesures appropriées pour [...] promouvoir l accès des personnes handicapées aux nouveaux systèmes et technologies de l information et de la communication, y compris l Internet». 3

4 I 2 Présentation du sujet Aujourd'hui, de nombreuses personnes font face à des difficultés quand elles sont devant un site web : désorientation, stress, panique... Nous pouvons constater non seulement des personnes handicapées mais aussi des personnes âgées ou même des personnes juste en manque de concentration. Dans le cas d'une page web, afin d'améliorer l'accessibilité du web, on effectue aujourd'hui 243 tests d'accessibilité. Ce nombre élevé de tests ne permet plus de faire les opérations de vérification manuellement. Un de ces tests est justement l'objet de notre TER, c'est à dire la mise en œuvre d une plateforme logicielle pour la gestion des sigles sur le Web. Ce sujet est proposé dans le cadre d une collaboration entre l équipe TAL du LIRMM et une start-up innovante en cours de création (incubée à Cap Omega). Une page Web est une ressource du World Wide Web conçue pour être consultée par des visiteurs à l'aide d'un navigateur Web. Elle possède une adresse Web qui permet de la référencer dans le monde de l'internet. Techniquement, une page Web est souvent constituée d'un document en Hypertext Markup Language (HTML) (ou XHTML) et d'images. Cependant, tous types de ressources ou d'assemblage de ressources, textuelles, visuelles, sonores, logicielles, peuvent constituer une page Web. L étude des entités nommées est une tâche utile pour de nombreuses applications en fouille de textes. Elle consiste à rechercher des objets textuels (c'est à dire un mot, ou un groupe de mot) catégorisables dans des classes telles que noms de personnes, noms d'organisations ou d'entreprises, noms de lieux, quantités, distances, valeurs, dates, etc... Durant notre stage, nous nous intéresserons à une entité nommée spécifique appelée "sigle". Un sigle est un ensemble de lettres initiales formant un mot servant d'abréviation. Il existe deux sortes de sigle : nous le qualifions «acronym» s'il peut se prononcer comme un mot ordinaire, comme UNESCO. Autrement on l'épelle, comme par exemple : SNCF [ɛs.ɛn.se.'ɛf]. Dans ce dernier cas, il peut s'écrire avec des points après chaque lettres, mais dans l'usage courant la tendance est à la suppression des points pour tous les sigles. Avec la masse de données numériques aujourd hui disponible en différentes langues, les sigles sont très utiles et très présents dans de nombreuses pages Web. Le problème qui se pose tient non seulement au fait que la définition d'un sigle peut être absente mais aussi qu un même sigle peut posséder plusieurs sens (problème lié à la polysémie). À titre d exemple SIG qui peut signifier "Service d Information du Gouvernement", "Services Industriels de Genève", "Solde Intermédiaire de Gestion", Système d Information Géographique", "Strong Ion Gap ", "Small Inducible Gene", etc... Par conséquent, l interprétation des sigles se fait généralement de façon manuelle par les utilisateurs, et ce dernier peut être victime d une mauvaise interprétation du sigle ou aussi d une méconnaissance du sigle, ce qui réduit l accessibilité aux pages web qui les contiennent. Notre but est donc à priori de «décortiquer» la page web, afin de présenter à l'utilisateur tous les couples sigles/définitions présents sur la page web et si jamais une définition n'est pas fournie par la page, en proposer une qui sera jugée la plus pertinente possible. 4

5 I 3 Objectifs Une première étape est donc rapidement mise en évidence : nous devons essayer de récupérer directement les couples sigles/définitions présents sur la page. Pour cela, on va donc vérifier dans le code source de la page web si la balise <abbr title="definition"> SIGLE </abbr> ou la balise <acronym title="definition"> SIGLE </acronym> sont présente et si elle contient ou non une valeur. Si ces dernières sont absentes, nous devons alors fournir une méthode de fouille de textes afin de définir quels mots sont des sigles et quelles seront leurs définitions à partir des mots présent dans la page web. Une seconde étape consistera à proposer une définition si la méthode de fouille de texte n'aboutit à rien. Pour cette étape, un algorithme sera mis en œuvre en collaboration avec l'équipe TAL du LIRMM afin de proposer la définition pertinente d'un sigle donné. Cet algorithme s'appuie sur les informations contextuelles (mots présents dans les pages web contenant le sigle) et sur des dictionnaires sigles/définitions tout en utilisant des résultats statistiques issus de moteurs de recherche. Nous traiterons deux langues principales, à savoir le français et l'anglais. 5

6 différentes étapes Traitements Page HTML en entrée Résultat en sortie Exemples d Applications 1 Algorithme Extraction des sigles 2 Dictionnaire Sigle /definitions première version 3 Vérification des sigles qui sont définie sur la page web 4 Dictionnaire des sigles/définitions expansé sur la page web 4 Dictionnaire des sigles/définitions exporté d un dictionnaire plus spécialisé suivant des critères statistiques de pertinences Algorithme de recherche dans les dictionnaires spécialisés des définitions des sigles 6 5 Dictionnaire des sigles/définitions non expansé sur la page web 7 7 Evaluation des critères d accessibilité de la page web sur le plan des sigles qui s y trouvent Ensembles de composants à mettre en œuvre Correction du problème d accessibilité de page web au niveau de la gestion des sigles + Dictionnaires sigles/définitions finale Dictionnaire sigles/définitions en sortie 8 6

7 II- Stratégie d'avancement du projet II- 1 Démarche Nous allons tout d'abord mettre en place très rapidement une page web qui servira non seulement d'interface graphique pour l'utilisateur, mais aussi afin d'établir et définir les différentes interactions qui contribueront à la réalisation de nos méthodes de calculs. Par la suite, nous définirons une méthode pour exploiter une page html afin de récupérer les informations que nous donneront les balises <abbr> et/ou <acronym> : nos méthodes vont être coder en javascript, ce langage permet de produire des résultats assez rapidement. Nous procéderons ensuite à la mise en place d'une méthode de fouille de textes pour récupérer les couples sigle/définition. Nous commencerons alors par récupérer tous les mots présents dans la page et classifier lesquels sont des sigles : Une première problématique se pose : nous n'avions pas une norme exacte pour la forme d'un sigle. En effet, un sigle peut se présenter de différentes manières : on peut être face à un assemblage de lettres en majuscule, un assemblage de lettres séparées par un point, ou tout simplement un assemblage de lettres en minuscule. Une solution que nous envisageons est de mettre en hypothèse qu' un sigle n'est pas un mot bien formé. Alors nous définirons ce qu'est un mot bien formé, soit à l'aide d'un dictionnaire de mots bien formés, soit par une autre méthode. Pour conclure, nous testerons chaque mots pour déduire si c'est un sigle ou non. Pour la définition des sigles, nous mettons en hypothèse qu'un sigle est directement suivi de sa définition (si celle-ci existe dans la page), car il nous semble illogique d'écrire un sigle et mettre sa définition ailleurs. Alors notre méthode consistera à récupérer autant de mots, que de lettres formant le sigle, qui seront à la suite du sigle. Pour finir, nous allons traiter le cas où aucune définition n'est présente dans la page web. Nous mettrons alors en place une méthode qui proposera une définition selon le concept de la page. Pour cette partie, nous nous appuierons sur des algorithmes qui sont en phase de test, proposés par l'équipe TAL du LIRMM. II- 2 Phases de test Afin de tester nos algorithmes, nous allons tout d'abord générer nos propres pages web dans lesquelles nous présenterons plusieurs scénarios de difficultés. Par la suite, nous testerons notre logiciel sur des sites labellisés, issues du web, qui sont jugés parfaits. 7

8 III- Méthologie de gestion de projet Pour chaque interventions concernant le projet, un mail sera envoyé à tous les étudiants et à nos encadrants de TER. Nous utiliserons le site pour définir nos rendez-vous avec les encadrants et aussi entre nous, étudiants. Etant donné que le projet contient des phases clés, un rapport écrit sera remis a nos encadrant à la fin de chaque partie, suivi d une présentation orale, pour conserver un bon axe de travail. Nous utiliserons un espace de travail sur Office Live afin de faciliter l'accessibilité à nos fichiers. Un diagramme de Gantt a été réalisé montrant nos prévisions du déroulement du projet et la répartition de tache. Ce diagramme pourra certainement évoluer suivant le déroulement du projet. 8

9 III- 1 Diagramme de Gantt 9

10 III- 2 Répartition des taches Pour chaque taches que nous avons à faire, nous étudierons tout d'abord à quatre (tout le groupe) la manière dont nous pensons résoudre le problème. Ensuite selon la complexité du problème, une ou bien deux personnes coderont les méthodes et algorithmes associés. Cela peut se définir plus explicitement ainsi : Le codage de l'interface graphique : Peyres Fabien. Méthode d'exploitation d'un fichier html afin de soustraire les informations contenus dans les balises <abbr> et <acronym>.: Thomas OLIVERI, Jules Thierry MBOUKEM TCHASSEM Méthode de fouille de textes pour soustraire les couples sigle/définition.: Toavina RANAIVO, Thomas OLIVERI. Méthode pour proposer des définitions de sigles.: Jules Thierry MBOUKEM TCHASSEM, Peyres Fabien. Creation de pages web pour illustrer nos tests.: Toavina RANAIVO. Définir les interactions interface/utilisateur : Tout le groupe 10

11 III- 3 Communication Pour commencer, nous prévoyons de nous réunir deux fois par semaine : une fois entre groupe et une fois avec les encadrants. l utilisation du courriel sera la principale façon de communiquer entre le groupe et l'encadrant : tous les mails concernant le projet sera envoyer à tout le monde, à savoir membre du groupe et encadrant. Ainsi, les mails destinés au membre du groupe permettrons aux encadrant de suivre notre avancement. Ensuite la messagerie instantanée sera utilisée pour communiquer entre tous les différents membres du groupe de travail. 11