theses-batch

Un ensemble d'utilitaires batch relatifs aux thèses.

Liste des jobs disponibles

Nom du job	Description
anrJob	Extraction de mentions de financement ANR

anrJob : Extraction de mentions de financement ANR

Extraction des métadonnées de thèses dont le corpus contient des expressions suggérant l'existence d'un financement par l'ANR.

Colonnes extraites

La variable d'environnement THESES_BATCH_ANR_WRITERS_HEADER permet d'extraire les données selon les clés suivantes (à sélectionner et définir dans le fichier .env) :

Clé	Description
file_path	Chemin du fichier PDF analysé
file_name	Nom du fichier PDF analysé
page_number	Numéro de la page où la mention a été trouvée
match_value	Valeur exacte de l'expression reconnue par le pattern de recherche
preceding_context	Contexte : les x caractères précédant la mention
following_context	Contexte : les x caractères suivant la mention
analyzed_pages_number	Nombre de pages réellement analysées dans le document
total_pages	Nombre total de pages du document
processing_time	Durée de traitement du document
nnt	Numéro National de Thèse de la thèse
doi	DOI (Digital Object Identifier) de la thèse
defense_date	Date de soutenance de la thèse
error_message	Message d'erreur rencontré lors du traitement, le cas échéant

Lancement du batch

Depuis l'hôte :

docker exec theses-batch /scripts/theses-batch.sh