Centre de documentation
scientifique

Annotation sémantique pour la géolocalisation d'entités spatiales dans des tweets / Gaëtan Caillaut (2022)  

Public Titre : Annotation sémantique pour la géolocalisation d'entités spatiales dans des tweets Type de document : Article/Communication Auteurs : Gaëtan Caillaut, Auteur ; Cécile Gracianne, Auteur ; Samuel Auclair, Auteur ; Nathalie Abadie , Auteur ; Guillaume Touya , Auteur Editeur : Orsay, Chambéry : Association Française de l'Intelligence Artificielle AFIA Année de publication : 2022 Projets : RéSoCio / Auclair, Samuel Conférence : PFIA 2022, Plate-Forme Intelligence Artificielle, Journée Résilience & IA 27/06/2022 27/06/2022 Saint-Etienne France Programme Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Géomatique web [Termes IGN] données issues des réseaux sociaux [Termes IGN] entité géographique [Termes IGN] géolocalisation [Termes IGN] information sémantique [Termes IGN] représentation vectorielle [Termes IGN] Twitter [Termes IGN] zone sinistrée Résumé : (Auteur) Cet article présente une méthode d'annotation sémantique (Entity Linking) dédiée à la géolocalisation de messages postés sur les réseaux sociaux. Nous proposons une variante de l'architecture à double encodeur capable de détecter simultanément les mentions des entités présentes dans un texte et d'en calculer des représentations vectorielles ; là où les travaux récents menés dans ce domaine ne proposent que des systèmes capable de produire une représentation pour une unique entité annotée au préalable par un système tiers. Nous montrons également que, malgré la difficulté accrue de la tâche, ce système parvient à concurrencer, et même à surpasser, les systèmes à double encodeur. Numéro de notice : C2022-012 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Autre URL associée : https://hal.inrae.fr/IGN-ENSG/hal-03682484v1 Thématique : GEOMATIQUE/SOCIETE NUMERIQUE Nature : Communication nature-HAL : ComSansActesPubliés-Unpublished DOI : sans Date de publication en ligne : 31/05/2022 En ligne : https://hal.science/hal-03682484v1 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100827

Automated construction of a French Entity Linking dataset to geolocate social network posts in the context of natural disasters / Gaëtan Caillaut (2022)  

Public Titre : Automated construction of a French Entity Linking dataset to geolocate social network posts in the context of natural disasters Type de document : Article/Communication Auteurs : Gaëtan Caillaut, Auteur ; Cécile Gracianne, Auteur ; Nathalie Abadie , Auteur ; Guillaume Touya , Auteur ; Samuel Auclair, Auteur Editeur : Tarbes [France] : ISCRAM proceedings Année de publication : 2022 Conférence : ISCRAM 2022, 19th International Conference on Information Systems for Crisis Response and Management 22/05/2022 25/05/2022 Tarbes France OA Proceedings Projets : RéSoCio / Auclair, Samuel Importance : 11 p. Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique web [Termes IGN] catastrophe naturelle [Termes IGN] données issues des réseaux sociaux [Termes IGN] données localisées des bénévoles [Termes IGN] extraction automatique [Termes IGN] géolocalisation [Termes IGN] gestion de crise [Termes IGN] traitement du langage naturel [Termes IGN] Twitter Résumé : (Auteur) During natural disasters, automatic information extraction from Twitter posts is a valuable way to get a better overview of the field situation. This information has to be geolocated to support effective actions, but for the vast majority of tweets, spatial information has to be extracted from texts content. Despite the remarkable advances of the Natural Language Processing field, this task is still challenging for current state-of-the-art models because they are not necessarily trained on Twitter data and because high quality annotated data are still lacking for low resources languages. This research in progress address this gap describing an analytic pipeline able to automatically extract geolocatable entities from texts and to annotate them by aligning them with the entities present in Wikipedia/Wikidata resources. We present a new dataset for Entity Linking on French texts as preliminary results, and discuss research perspectives for enhancements over current state-of-the-art modeling for this task. Numéro de notice : C2022-005 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Thématique : GEOMATIQUE/SOCIETE NUMERIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : sans Date de publication en ligne : 05/04/2022 En ligne : https://hal.science/hal-03631387v1 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100410