Centre dedocumentation
scientifique

Spatially oriented convolutional neural network for spatial relation extraction from natural language texts / Qinjun Qiu in Transactions in GIS, vol 26 n° 2 (April 2022)  

Public [article]  inTransactions in GIS > vol 26 n° 2 (April 2022) . - pp 839 - 866 Titre : Spatially oriented convolutional neural network for spatial relation extraction from natural language texts Type de document : Article/Communication Auteurs : Qinjun Qiu, Auteur ; Zhong Xie, Auteur ; Kai Ma, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : pp 839 - 866 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique web [Termes IGN] appariement sémantique [Termes IGN] apprentissage dirigé [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] données d'entrainement (apprentissage automatique) [Termes IGN] exploration de données [Termes IGN] langage naturel (informatique) [Termes IGN] proximité sémantique [Termes IGN] relation spatiale [Termes IGN] relation topologique [Termes IGN] site wiki [Termes IGN] spatial metrics [Termes IGN] système à base de connaissances Résumé : (auteur) Spatial relation extraction (e.g., topological relations, directional relations, and distance relations) from natural language descriptions is a fundamental but challenging task in several practical applications. Current state-of-the-art methods rely on rule-based metrics, either those specifically developed for extracting spatial relations or those integrated in methods that combine multiple metrics. However, these methods all rely on developed rules and do not effectively capture the characteristics of natural language spatial relations because the descriptions may be heterogeneous and vague and may be context sparse. In this article, we present a spatially oriented piecewise convolutional neural network (SP-CNN) that is specifically designed with these linguistic issues in mind. Our method extends a general piecewise convolutional neural network with a set of improvements designed to tackle the task of spatial relation extraction. We also propose an automated workflow for generating training datasets by integrating new sentences with those in a knowledge base, based on string similarity and semantic similarity, and then transforming the sentences into training data. We exploit a spatially oriented channel that uses prior human knowledge to automatically match words and understand the linguistic clues to spatial relations, finally leading to an extraction decision. We present both the qualitative and quantitative performance of the proposed methodology using a large dataset collected from Wikipedia. The experimental results demonstrate that the SP-CNN, with its supervised machine learning, can significantly outperform current state-of-the-art methods on constructed datasets. Numéro de notice : A2022-365 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article DOI : 10.1111/tgis.12887 Date de publication en ligne : 27/12/2021 En ligne : https://doi.org/10.1111/tgis.12887 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100584 [article]

Quality assessment of heterogeneous training data sets for classification of urban area with Landsat imagery / Neema Nicodemus Lyimo in Photogrammetric Engineering & Remote Sensing, PERS, vol 87 n° 5 (May 2021)  

Public [article]  inPhotogrammetric Engineering & Remote Sensing, PERS > vol 87 n° 5 (May 2021) . - pp 339-348 Titre : Quality assessment of heterogeneous training data sets for classification of urban area with Landsat imagery Type de document : Article/Communication Auteurs : Neema Nicodemus Lyimo, Auteur ; Fang Luo, Auteur ; Qimin Cheng, Auteur ; Hao Peng, Auteur Année de publication : 2021 Article en page(s) : pp 339-348 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Bases de données localisées [Termes IGN] appariement d'images [Termes IGN] distance euclidienne [Termes IGN] données d'entrainement (apprentissage automatique) [Termes IGN] données hétérogènes [Termes IGN] données localisées des bénévoles [Termes IGN] données massives [Termes IGN] données ouvertes [Termes IGN] image Landsat [Termes IGN] incertitude des données [Termes IGN] jeu de données localisées [Termes IGN] qualité des données [Termes IGN] système à base de connaissances [Termes IGN] zone urbaine Résumé : (Auteur) Quality assessment of training samples collected from heterogeneous sources has received little attention in the existing literature. Inspired by Euclidean spectral distance metrics, this article derives three quality measures for modeling uncertainty in spectral information of open-source heterogeneous training samples for classification with Landsat imagery. We prepared eight test case data sets from volunteered geographic information and open government data sources to assess the proposed measures. The data sets have significant variations in quality, quantity, and data type. A correlation analysis verifies that the proposed measures can successfully rank the quality of heterogeneous training data sets prior to the image classification task. In this era of big data, pre-classification quality assessment measures empower research scientists to select suitable data sets for classification tasks from available open data sources. Research findings prove the versatility of the Euclidean spectral distance function to develop quality metrics for assessing open-source training data sets with varying characteristics for urban area classification. Numéro de notice : A2021-366 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.14358/PERS.87.5.339 Date de publication en ligne : 01/05/2021 En ligne : https://doi.org/10.14358/PERS.87.5.339 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97695 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
105-2021051	SL	Revue	Centre de documentation	Revues en salle	Disponible

Création de bases de connaissances topographiques à partir de sources hétérogènes / Helen Mair Rawsthorne (2021)  

Public Titre : Création de bases de connaissances topographiques à partir de sources hétérogènes Type de document : Article/Communication Auteurs : Helen Mair Rawsthorne , Auteur Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN Année de publication : 2021 Conférence : Journées Recherche de l'IGN 2021, 30es Journées 25/05/2021 28/05/2021 en ligne France vidéos des journées Langues : Français (fre) Descripteur : [Vedettes matières IGN] Bases de données localisées [Termes IGN] base de connaissances [Termes IGN] corpus [Termes IGN] données localisées [Termes IGN] entité géographique [Termes IGN] ontologie [Termes IGN] relation spatiale [Termes IGN] système à base de connaissances Résumé : (auteur) Ma thèse vise à proposer une approche pour construire, peupler et évaluer une base de connaissances géoréférencées à partir de sources hétérogènes, notamment des bases de données vectorielles et des textes. Celles-ci doivent permettre d’intégrer à la fois du référencement spatial direct et indirect pour le développement d’applications nécessitant de faire du raisonnement spatial selon ces deux modalités. La première étude de cas dans cette thèse se base sur les Instructions Nautiques du Service hydrographique et océanographique de la Marine (Shom). Ce sont des ouvrages publiés par le Shom qui aident à la navigation côtière en complément des cartes nautiques pour planifier un itinéraire. Principalement, elles décrivent le paysage côtier depuis le point de vue d'un navire et donnent des indications pour naviguer près de la côte et accéder aux ports. Notre objectif premier est donc d’extraire, géoréférencer et structurer les connaissances contenues dans ces Instructions Nautiques : les entités spatiales, les relations spatiales et les instructions liées à la navigation côtière. Le but est de rendre les connaissances contenues dans ces ouvrages, qui sont actuellement écrits et mis à jour à la main, structurées et réutilisables dans une base de connaissances avec l'aide d'une ontologie. Ce poster présente l’approche globale envisagée ainsi qu’une première version de cette ontologie. Numéro de notice : C2021-009 Affiliation des auteurs : UGE-LASTIG (2020- ) Thématique : GEOMATIQUE/INFORMATIQUE Nature : Poster nature-HAL : Poster-avec-CL DOI : sans En ligne : https://hal.archives-ouvertes.fr/hal-03239957 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97908

Sherloc: a knowledge-driven algorithm for geolocating microblog messages at sub-city level / Laura Di Rocco in International journal of geographical information science IJGIS, vol 35 n° 1 (January 2021)  

Public [article]  inInternational journal of geographical information science IJGIS > vol 35 n° 1 (January 2021) . - pp 84 - 115 Titre : Sherloc: a knowledge-driven algorithm for geolocating microblog messages at sub-city level Type de document : Article/Communication Auteurs : Laura Di Rocco, Auteur ; Michela Bertolotto, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : pp 84 - 115 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale [Termes IGN] données localisées [Termes IGN] géolocalisation [Termes IGN] inférence [Termes IGN] microblogue [Termes IGN] répertoire toponymique [Termes IGN] segmentation sémantique [Termes IGN] système à base de connaissances [Termes IGN] toponyme [Termes IGN] zone urbaine Résumé : (auteur) Many solutions for coarse geolocating of users at the time they post a message exist. However, for many important applications, like traffic monitoring and event detection, finer geolocation at the level of city neighborhoods, i.e., at a sub-city level, is needed. Data-driven approaches often do not guarantee good accuracy and efficiency due to the higher number of sub-city level positions to be estimated and the low availability of balanced and large training sets. We claim that external information sources overcome limitations of data-driven approaches in achieving good accuracy for sub-city level geolocation and we present a knowledge-driven approach achieving good results once the reference area of a message is known. Our algorithm, called Sherloc, exploits toponyms in the message, extracts their semantic from a geographic gazetteer, and embeds them into a metric space that captures the semantic distance among them. We identify the semantically closest toponyms to a message and then cluster them with respect to their spatial locations. Sherloc requires no prior training, it can infer the location at sub-city level with high accuracy, and it is not limited to geolocating on a fixed spatial grid. Numéro de notice : A2021-021 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2020.1764003 Date de publication en ligne : 16/06/2020 En ligne : https://doi.org/10.1080/13658816.2020.1764003 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96521 [article]

Réservation

Réserver ce document

Exemplaires (2)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
079-2021011	SL	Revue	Centre de documentation	Revues en salle	Disponible
079-2021012	SL	Revue	Centre de documentation	Revues en salle	Disponible

Learning from urban form to predict building heights / Nikola Milojevic-Dupont in Plos one, vol 15 n° 12 (December 2020)  

Public [article]  inPlos one > vol 15 n° 12 (December 2020) . - n° 0242010 Titre : Learning from urban form to predict building heights Type de document : Article/Communication Auteurs : Nikola Milojevic-Dupont, Auteur ; Nicolai Hans, Auteur ; Lynn H. Kaack, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : n° 0242010 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique [Termes IGN] Allemagne [Termes IGN] apprentissage automatique [Termes IGN] base de connaissances [Termes IGN] données localisées des bénévoles [Termes IGN] France (administrative) [Termes IGN] hauteur du bâti [Termes IGN] Italie [Termes IGN] morphologie urbaine [Termes IGN] OpenStreetMap [Termes IGN] Pays-Bas [Termes IGN] ville Résumé : (auteur) Understanding cities as complex systems, sustainable urban planning depends on reliable high-resolution data, for example of the building stock to upscale region-wide retrofit policies. For some cities and regions, these data exist in detailed 3D models based on real-world measurements. However, they are still expensive to build and maintain, a significant challenge, especially for small and medium-sized cities that are home to the majority of the European population. New methods are needed to estimate relevant building stock characteristics reliably and cost-effectively. Here, we present a machine learning based method for predicting building heights, which is based only on open-access geospatial data on urban form, such as building footprints and street networks. The method allows to predict building heights for regions where no dedicated 3D models exist currently. We train our model using building data from four European countries (France, Italy, the Netherlands, and Germany) and find that the morphology of the urban fabric surrounding a given building is highly predictive of the height of the building. A test on the German state of Brandenburg shows that our model predicts building heights with an average error well below the typical floor height (about 2.5 m), without having access to training data from Germany. Furthermore, we show that even a small amount of local height data obtained by citizens substantially improves the prediction accuracy. Our results illustrate the possibility of predicting missing data on urban infrastructure; they also underline the value of open government data and volunteered geographic information for scientific applications, such as contextual but scalable strategies to mitigate climate change. Numéro de notice : A2020-830 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/INFORMATIQUE Nature : Article DOI : 10.1371/journal.pone.0242010 Date de publication en ligne : 09/12/2020 En ligne : https://doi.org/10.1371/journal.pone.0242010 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97658 [article]

Methodology of the automatic generalization of buildings, road networks, forests and surface waters: a case study based on the Topographic Objects Database in Poland / Izabela Karsznia in Geocarto international, vol 35 n° 7 ([15/05/2020])  

Permalink

Semantic relatedness algorithm for keyword sets of geographic metadata / Zugang Chen in Cartography and Geographic Information Science, vol 47 n° 2 (February 2020)  

Permalink

Knowledge graphs and big data processing / Valentina Janev (2020)  

Permalink

An artificial bee colony-based algorithm to automatically create colour schemes for geovisualizations / Mingguang Wu in Cartographic journal (the), Vol 56 n° 2 (May 2019)  

Permalink

Journées de la recherche 2019 / Anonyme in Géomatique expert, n° 127 (avril - mai 2019)

Permalink

Création d’une base de connaissances sur les redécoupages administratifs durant la Révolution française : l’exemple des paroisses constitutionnelles / Antoine Keller (2019)  

Permalink

Fictive motion extraction and classification / Ekaterina Egorova in International journal of geographical information science IJGIS, vol 32 n° 11-12 (November - December 2018)  

Permalink

A deep learning approach to DTM extraction from imagery using rule-based training labels / Caroline M. Gevaert in ISPRS Journal of photogrammetry and remote sensing, vol 142 (August 2018)  

Permalink

The map as knowledge base / Dalia E. Varanka in International journal of cartography, vol 4 n° 2 (June 2018)  

Permalink

A formalized 3D geovisualization illustrated to selectivity purpose of virtual 3D city model / Romain Neuville in ISPRS International journal of geo-information, vol 7 n° 5 (May 2018)  

Permalink