Centre de documentation
scientifique

Linked data quality for domain-specific named-entity linking / Carmen Brando (2016) 

Public Titre : Linked data quality for domain-specific named-entity linking Type de document : Article/Communication Auteurs : Carmen Brando , Auteur ; Nathalie Abadie , Auteur ; Francesca Frontini, Auteur Editeur : Association internationale francophone Extraction et Gestion des Connaissances Année de publication : 2016 Conférence : EGC 2016, 16e conférence internationale francophone Extraction et Gestion des Connaissances 18/01/2016 22/01/2016 Reims France , EGC 2016, Atelier QLOD Qualité des Données du Web 19/01/2016 19/01/2016 Reims France Importance : pp 13 - 24 Note générale : bibliographie présenté lors de l'atelier "Qualité des Données du Web" (QLOD) Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique web [Termes IGN] base de connaissances [Termes IGN] corpus [Termes IGN] prise en compte du contexte [Termes IGN] traitement du langage naturel [Termes IGN] Uniform Resource Identifier [Termes IGN] web des données Résumé : (auteur) We present outgoing research whose goal is to assess quality of Linked Data for its usage in domain-specific Named-entity Linking (NEL). NEL is the task of assigning appropriate referents, typically an Uniform Resource Identifier (URI), to mentions of entities (e.g. persons or places) identified in textual documents. Nowadays, many of these approaches strongly rely on Linked Data as knowledge base. However, the scope of the chosen data sets can have an important influence on the performances of NEL as texts often concern specific domains of knowledge. In this paper, we describe LD quality aspects which should be considered for improving NEL in domain-specific contexts, then propose quality metrics and compute them for both French DBpedia and the French National Library (BnF) data sets thereby to discuss the opportunity of using these data sets for the linking of authors in old French Literary digital editions. Our ultimate goal is to improve a Natural Language Processing (NLP) pipeline for the automatic annotation of these texts. Numéro de notice : C2016-022 Affiliation des auteurs : LASTIG COGIT+Ext (2012-2019) Thématique : GEOMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésNat DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=84621

Documents numériques

en open access Linked Data Quality Adobe Acrobat PDF