2022-12-13 indexapi_v2

Novità

• Ho scritto del codice nel repo prov_utils per modificare una data proprietà nei file di provenance da un certo valore a un’altro. Funziona in parallelo e si lancia da riga di comando.

  • L’ho utilizzato per modificare il proprietà prov:wasAttributedTo dal mio ORCID a “[https://w3id.org/oc/meta/prov/pa/1](https://w3id.org/oc/meta/prov/pa/1)”

• Ho scritto del codice per calcolare il delta degli id tra due versioni di COCI.

  • L’ho usato per generare la lista di DOI da processare per aggiornare Meta con COCI ottobre. Sono 1,042,005 DOI.

• Risolto un bug in Meta per cui l’ISSN 0000-0000 veniva trasformato in None e faceva crashare il software. Ora viene rimosso.

• Meta ha ingerito COCI ottobre.

• Index ha ingerito COCI ottobre e DOCI

• Ho scritto il blogpost su Meta.

• Ho scritto il codice per estrarre la mappatura MetaID-ID dai CSV in output di Meta

  • Ci sono i MetaID di tutti i tipi di entità (campi id, author, editor, venue e publisher)

  indexapi_v2: metadata

  • L’output di /metadata/ è coerente con la struttura delle tabelle di Meta

    • doi → id
    • year → pub_date
    • author: ‘{first_name}, {given_name} [{ids}]’
    • source_title/id → venue
    • Ora c’è anche il campo editor

  • I campi reference e citations contengono liste di MetaID

  • L’utente specifica lo schema degli identificativi in input e gli identificatori nell’output vengono distinti per schema. La query viene riscritta in maniera tale che doi: venga sostituito “http://dx.doi.org/” con e pmid: venga sostituito con “https://pubmed.ncbi.nlm.nih.gov/”

  • Vengono fatte due query a Meta.

    1. La prima viene effettuata in fase di preprocess e serve per trovare tutti gli identificatori dell’input.
    2. La seconda viene effettuata in fase di postprocess e serve per trasformare trovare i MetaID delle citazioni, in modo tale da disambiguarle automaticamente.

  • Esempio di input /metadata/doi:10.1016/j.compedu.2018.11.010__pmid:1234

  • Ecco la nuova query:

    PREFIX cito: <http://purl.org/spar/cito/>
    SELECT DISTINCT
      ?id
      ?citation_count
      ?citation (GROUP_CONCAT(distinct ?cited_doi; separator="; ") as ?reference)
    WHERE {
      VALUES ?citing_id { [[ids]] }
      BIND(IRI(?citing_id) AS ?citing)
        BIND(
            REPLACE(REPLACE(STR(?citing_id),
                "https://pubmed.ncbi.nlm.nih.gov/", "pmid:"),
                "http://dx.doi.org/", "doi:")
            AS ?id)
        OPTIONAL {
          ?citing ^cito:hasCitingEntity / cito:hasCitedEntity ?cited .
          BIND(
              REPLACE(REPLACE(STR(?cited),
                  "https://pubmed.ncbi.nlm.nih.gov/", "pmid:"),
                  "http://dx.doi.org/", "doi:")
              AS ?cited_doi)
      }
      OPTIONAL {
          SELECT ?citing (count(distinct ?citing_source) as ?c_count) (GROUP_CONCAT(distinct ?citing_source; separator="; ") as ?citation) {
              VALUES ?citing_id { [[ids]] }
              BIND(IRI(?citing_id) AS ?citing)
              ?citing ^cito:hasCitedEntity ?c .
              ?c cito:hasCitingEntity ?source .
          BIND(
                  REPLACE(REPLACE(STR(?source),
                    "https://pubmed.ncbi.nlm.nih.gov/", "pmid:"),
                    "http://dx.doi.org/", "doi:")
                  AS ?citing_source)
          } GROUP BY ?citing
      }
      BIND(IF(bound(?c_count), ?c_count, 0) as ?citation_count)
    } GROUP BY ?id ?citation_count ?citation
    LIMIT 50000

  • Le api vengono testate automaticamente a ogni push. La coverage attuale è dell’88%.

  indexapi_v2: references, citations

  • Sia nell’input che nell’output vengono specificati gli schemi degli identificativi.

  indexapi_v2: citation-count, reference-count

  • Nell’input viene specificato lo schema dell’identificativo.
  • Il conteggio finale si basa su MetaID.

  nociapi_v1

  • I vari metodi ricevono in input un PMID anziché un DOI.

• Ho disambiguato le venue in Meta senza id per titolo e questo è il risultato. Riporto il prima e il dopo

  

  

  • Ho solo usato come chiave il titolo in minuscolo al posto dell’id, non ho creato dei cluster di nomi simili. È sensato come risultato?
  • Ovviamente ho usato lo stesso criterio anche per contare le venue e il numero di risorse per tipo.

• Ho capito perché i citati in COCI non di Crossref non restituivano nulla tramite API. Perché la query SPARQL dava per obbligatoria la presenza del timespan, che per quei DOI non c’è.

Domande

• L’API di Index utilizza Unpaywall per recuperare la versione open access dato un DOI. E se c’è un identificatore che non è un DOI? Lol

• Che separatore uso per i campi di /metadata/ che contengono liste di ID? Attualmente viene utilizzato il punto e virgola, ma Meta usa lo spazio. Usare spazio

  [{'id': 'doi:10.1016/j.compedu.2018.11.010; meta:br/06220662347',
  'citation_count': '3',
  'citation': 'meta:br/06150578417; meta:br/06150578486; meta:br/06150578485',
  'reference': 'meta:br/06150903011; meta:br/061701938723; meta:br/062403286732',
  'author': 'Voogt, Joke [orcid:0000-0001-5035-9263]; Smits, Anneke [orcid:0000-0003-4396-7177]; Farjon, Daan',
  'editor': '',
  'pub_date': '2019-03',
  'title': 'Technology Integration Of Pre-Service Teachers Explained By Attitudes And Beliefs, Competency, Access, And Experience',
  'venue': 'Computers & Education [issn:0360-1315]',
  'volume': "130",
  'issue': '',
  'page': '81-93',
  'oa_link': ''}]

• Attualmente le API di DOCI, POCI e COCI ritornano identificatori secchi, senza prefisso. Dovrebbero ritornarli col prefisso?

  • DOCI e POCI col prefisso in versione 1
  • COCI col prefisso in versione 2
  • Il campo oci diventa id e dentro ci va oci:
  • Il campo citing e cited contiene liste di identificativi, con prefisso