Centre de documentation
scientifique

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