Descripteur
Termes IGN > sciences humaines et sociales > linguistique > linguistique informatique > traitement du langage naturel
traitement du langage naturelSynonyme(s)traitement automatique du langage naturelVoir aussi |
Documents disponibles dans cette catégorie (51)
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externes
Etendre la recherche sur niveau(x) vers le bas
Comparing supervised learning algorithms for Spatial Nominal Entity recognition / Amine Medad (2020)
Titre : Comparing supervised learning algorithms for Spatial Nominal Entity recognition Type de document : Article/Communication Auteurs : Amine Medad, Auteur ; Mauro Gaio, Auteur ; Ludovic Moncla , Auteur ; Sébastien Mustière , Auteur ; Yannick Le Nir, Auteur Editeur : Göttingen : Copernicus publications Année de publication : 2020 Collection : AGILE GIScience Series num. vol 1 Projets : 1-Pas de projet / Conférence : AGILE 2020, 23rd AGILE Conference on Geographic Information Science 16/06/2020 19/06/2020 Chania - Crète Grèce OA Proceedings Importance : 18 p. Format : 21 x 30 cm Note générale : biblographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Intelligence artificielle
[Termes IGN] algorithme d'apprentissage
[Termes IGN] analyse comparative
[Termes IGN] entité géographique
[Termes IGN] recherche d'information géographique
[Termes IGN] reconnaissance de noms
[Termes IGN] traitement du langage naturelRésumé : (auteur) Discourse may contain both named and nominal entities. Most common nouns or nominal mentions in natural language do not have a single, simple meaning but rather a number of related meanings. This form of ambiguity led to the development of a task in natural language processing known as Word Sense Disambiguation. Recognition and categorisation of named and nominal entities is an essential step for Word Sense Disambiguation methods. Up to now, named entity recognition and categorisation systems mainly focused on the annotation, categorisation and identification of named entities. This paper focuses on the annotation and the identification of spatial nominal entities. We explore the combination of Transfer Learning principle and supervised learning algorithms, in order to build a system to detect spatial nominal entities. For this purpose, different supervised learning algorithms are evaluated with three different context sizes on two manually annotated datasets built from Wikipedia articles and hiking description texts. The studied algorithms have been selected for one or more of their specific properties potentially useful in solving our problem. The results of the first phase of experiments reveal that the selected algorithms have similar performances in terms of ability to detect spatial nominal entities. The study also confirms the importance of the size of the window to describe the context, when word-embedding principle is used to represent the semantics of each word. Numéro de notice : C2020-013 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Thématique : GEOMATIQUE/INFORMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.5194/agile-giss-1-15-2020 Date de publication en ligne : 15/07/2020 En ligne : https://doi.org/10.5194/agile-giss-1-15-2020 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95688 Extraction de connaissances pour la description de l'environnement maritime côtier à partir de textes d'aide à la navigation / Léa Lamotte in Revue des Nouvelles Technologies de l'Information, E.36 (2020)
[article]
Titre : Extraction de connaissances pour la description de l'environnement maritime côtier à partir de textes d'aide à la navigation Type de document : Article/Communication Auteurs : Léa Lamotte, Auteur ; Nathalie Abadie , Auteur ; Eric Saux, Auteur ; Eric Kergosien, Auteur Année de publication : 2020 Projets : 2-Pas d'info accessible - article non ouvert / Conférence : EGC 2020, 20e conférence internationale francophone Extraction et Gestion des Connaissances 27/01/2020 31/01/2020 Bruxelles Belgique OA Proceedings Article en page(s) : pp 341 - 348 Note générale : bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Géomatique
[Termes IGN] découverte de connaissances
[Termes IGN] exploration de texte
[Termes IGN] information géographique
[Termes IGN] littoral
[Termes IGN] traitement du langage naturelRésumé : (auteur) Les référentiels de données géoréférencées sont de plus en plus utilisés pour permettre l'annotation spatiale de documents textuels et ainsi faciliter l'accès à leur contenu, voire son analyse spatiale. En revanche, peu de travaux se sont intéressés à l'extraction d'information géographique à partir de textes pour alimenter de tels référentiels. Le travail présenté dans cet article explore les potentialités de l'extraction d'information spatiale indirecte (noms de lieux, relations spatiales, etc.) dans les textes des Instructions Nautiques produites par le Service Hydrographique et Océanographique de la Marine (SHOM). La méthode proposée combine une approche lexicale et une approche à base de patrons linguistiques, puis est comparée aux principales approches d'extraction d'information géographique en français. Numéro de notice : A2020-571 Affiliation des auteurs : LASTIG COGIT+Ext (2012-2019) Thématique : GEOMATIQUE/INFORMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96012
in Revue des Nouvelles Technologies de l'Information > E.36 (2020) . - pp 341 - 348[article]
Titre : Representation learning for natural language processing Type de document : Monographie Auteurs : Zhiyuan Liu, Éditeur scientifique ; Yankai Lin, Éditeur scientifique ; Maosong Sun, Éditeur scientifique Editeur : Berlin, Heidelberg, Vienne, New York, ... : Springer Année de publication : 2020 Importance : 334 p. ISBN/ISSN/EAN : 978-981-1555732-- Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Intelligence artificielle
[Termes IGN] apprentissage profond
[Termes IGN] données massives
[Termes IGN] exploration de données
[Termes IGN] représentation des connaissances
[Termes IGN] réseau neuronal convolutif
[Termes IGN] réseau sémantique
[Termes IGN] traitement du langage naturelRésumé : (Editeur) This open access book provides an overview of the recent advances in representation learning theory, algorithms and applications for natural language processing (NLP). It is divided into three parts. Part I presents the representation learning techniques for multiple language entries, including words, phrases, sentences and documents. Part II then introduces the representation techniques for those objects that are closely related to NLP, including entity-based world knowledge, sememe-based linguistic knowledge, networks, and cross-modal entries. Lastly, Part III provides open resource tools for representation learning techniques, and discusses the remaining challenges and future research directions. The theories and algorithms of representation learning presented can also benefit other related domains such as machine learning, social network analysis, semantic Web, information retrieval, data mining and computational biology. This book is intended for advanced undergraduate and graduate students, post-doctoral fellows, researchers, lecturers, and industrial engineers, as well as anyone interested in representation learning and natural language processing. Note de contenu :
1. Representation Learning and NLP
1.1 Motivation
1.2 Why Representation Learning Is Important for NLP
1.3 Basic Ideas of Representation Learning
1.4 Development of Representation Learning for NLP
1.5 Learning Approaches to Representation Learning for NLP
1.6 Applications of Representation Learning for NLP
1.7 The Organization of This Book
2. Word Representation
2.1 Introduction
2.2 One-Hot Word Representation
2.3 Distributed Word Representation
2.4 Contextualized Word Representation
2.5 Extensions
2.6 Evaluation
3. Compositional Semantics
3.1 Introduction
3.2 Semantic Space
3.3 Binary Composition
3.4 N-Ary Composition
4. Sentence Representation
4.1 Introduction
4.2 One-Hot Sentence Representation
4.3 Probabilistic Language Model
4.4 Neural Language Model
4.5 Applications
5. Document Representation
5.1 Introduction
5.2 One-Hot Document Representation
5.3 Topic Model
5.4 Distributed Document Representation
5.5 Applications
6. Sememe Knowledge Representation
6.1 Introduction
6.2 Sememe Knowledge Representation
6.3 Applications
7. World Knowledge Representation
7.1 Introduction
7.2 Knowledge Graph Representation
7.3 Multisource Knowledge Graph Representation
7.4 Applications
8. Network Representation
8.1 Introduction
8.2 Network Representation
8.3 Graph Neural Networks
9. Cross-Modal Representation
9.1 Introduction
9.2 Cross-Modal Representation
9.3 Image Captioning
9.4 Visual Relationship Detection
9.5 Visual Question Answering
10. Resources
10.1 Open-Source Frameworks for Deep Learning
10.2 Open Resources for Word Representation
10.3 Open Resources for Knowledge Graph Representation
10.4 Open Resources for Network Representation
10.5 Open Resources for Relation Extraction
11. OutlookNuméro de notice : 26515 Affiliation des auteurs : non IGN Thématique : INFORMATIQUE Nature : Recueil / ouvrage collectif DOI : 10.1007/978-981-15-5573-2 En ligne : http://doi.org/10.1007/978-981-15-5573-2 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97296 Mapping urban fingerprints of odonyms automatically extracted from French novels / Ludovic Moncla in International journal of geographical information science IJGIS, vol 33 n° 12 (December 2019)
[article]
Titre : Mapping urban fingerprints of odonyms automatically extracted from French novels Type de document : Article/Communication Auteurs : Ludovic Moncla , Auteur ; Mauro Gaio, Auteur ; Thierry Joliveau, Auteur ; Yves-François Le Lay, Auteur ; Pierre-Olivier Mazagol, Auteur Année de publication : 2019 Article en page(s) : pp 2477 - 2497 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Toponymie
[Termes IGN] dix-neuvième siècle
[Termes IGN] empreinte
[Termes IGN] extraction automatique
[Termes IGN] Geoparsing
[Termes IGN] langage naturel (informatique)
[Termes IGN] littérature
[Termes IGN] odonymie
[Termes IGN] Paris (75)
[Termes IGN] reconnaissance de noms
[Termes IGN] route
[Termes IGN] traitement du langage naturelRésumé : (auteur) In this paper, we propose and discuss a methodology to map the spatial fingerprints of novels and authors based on all of the named urban roads (i.e., odonyms) extracted from novels. We present several ways to explore Parisian space and fictional landscapes by interactively and simultaneously browsing geographical space and literary text. Our project involves building a platform capable of retrieving, mapping and analyzing the occurrences of named urban roads in novels in which the action occurs wholly or partly in Paris. This platform will be used in several areas, such as cultural tourism, urban research, and literary analysis. The paper focuses on extracting named urban roads and mapping the results for a sample of 31 novels published between 1800 and 1914. Two approaches to the annotation of odonyms are compared. First, we describe a proof of concept using queries made via the TXM textual analysis platform. Then, we describe an automatic process using a natural language processing (NLP) method. Additionally, we mention how the geosemantic information annotated from the text (e.g., a structure combining verbs, spatial relations, named entities, adjectives and adverbs) can be used to automatically characterize the semantic content associated with named urban roads. Numéro de notice : A2019-427 Affiliation des auteurs : non IGN Thématique : TOPONYMIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2019.1584804 Date de publication en ligne : 17/03/2019 En ligne : https://doi.org/10.1080/13658816.2019.1584804 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93560
in International journal of geographical information science IJGIS > vol 33 n° 12 (December 2019) . - pp 2477 - 2497[article]A natural language processing and geospatial clustering framework for harvesting local place names from geotagged housing advertisements / Yingjie Hu in International journal of geographical information science IJGIS, Vol 33 n° 3-4 (March - April 2019)
[article]
Titre : A natural language processing and geospatial clustering framework for harvesting local place names from geotagged housing advertisements Type de document : Article/Communication Auteurs : Yingjie Hu, Auteur ; Huina Mao, Auteur ; Grant McKenzie, Auteur Année de publication : 2019 Article en page(s) : pp 714 - 738 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Toponymie
[Termes IGN] analyse de groupement
[Termes IGN] information sémantique
[Termes IGN] publicité
[Termes IGN] recherche d'information géographique
[Termes IGN] reconnaissance de noms
[Termes IGN] répertoire toponymique
[Termes IGN] toponymie locale
[Termes IGN] traitement du langage naturelRésumé : (Auteur) Local place names are frequently used by residents living in a geographic region. Such place names may not be recorded in existing gazetteers, due to their vernacular nature, relative insignificance to a gazetteer covering a large area (e.g. the entire world), recent establishment (e.g. the name of a newly-opened shopping center) or other reasons. While not always recorded, local place names play important roles in many applications, from supporting public participation in urban planning to locating victims in disaster response. In this paper, we propose a computational framework for harvesting local place names from geotagged housing advertisements. We make use of those advertisements posted on local-oriented websites, such as Craigslist, where local place names are often mentioned. The proposed framework consists of two stages: natural language processing (NLP) and geospatial clustering. The NLP stage examines the textual content of housing advertisements and extracts place name candidates. The geospatial stage focuses on the coordinates associated with the extracted place name candidates and performs multiscale geospatial clustering to filter out the non-place names. We evaluate our framework by comparing its performance with those of six baselines. We also compare our result with four existing gazetteers to demonstrate the not-yet-recorded local place names discovered by our framework. Numéro de notice : A2019-213 Affiliation des auteurs : non IGN Thématique : TOPONYMIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2018.1458986 Date de publication en ligne : 13/04/2018 En ligne : https://doi.org/10.1080/13658816.2018.1458986 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92685
in International journal of geographical information science IJGIS > Vol 33 n° 3-4 (March - April 2019) . - pp 714 - 738[article]Exemplaires(2)
Code-barres Cote Support Localisation Section Disponibilité 079-2019031 RAB Revue Centre de documentation En réserve L003 Disponible 079-2019032 RAB Revue Centre de documentation En réserve L003 Disponible GeoTxt: A scalable geoparsing system for unstructured text geolocation / Morteza Karimzadeh in Transactions in GIS, vol 23 n° 1 (February 2019)PermalinkRepérage et identification automatiques de noms de lieux avec variations d'écriture dans des corpus / Mathilde Jouvel-Triollet (2019)PermalinkPermalinkFictive motion extraction and classification / Ekaterina Egorova in International journal of geographical information science IJGIS, vol 32 n° 11-12 (November - December 2018)PermalinkServices web pour l’annotation sémantique d’information spatiale à partir de corpus textuels / Ludovic Moncla in Revue internationale de géomatique, vol 28 n° 4 (octobre - décembre 2018)PermalinkExtraction of spatio‐temporal data about historical events from text documents / Susanna Abraham in Transactions in GIS, vol 22 n° 3 (June 2018)PermalinkAre prominent mountains frequently mentioned in text? Exploring the spatial expressiveness of text frequency / Curdin Derungs in International journal of geographical information science IJGIS, vol 32 n° 5-6 (May - June 2018)PermalinkContext-aware automated interpretation of elaborate natural language descriptions of location through learning from empirical data / Kristin Stock in International journal of geographical information science IJGIS, vol 32 n° 5-6 (May - June 2018)PermalinkCrowdsourcing the character of a place : Character‐level convolutional networks for multilingual geographic text classification / Benjamin Adams in Transactions in GIS, vol 22 n° 2 (April 2018)PermalinkDésambiguïsation des entités spatiales par apprentissage actif / Amal Chihaoui in Revue internationale de géomatique, vol 28 n° 2 (avril - juin 2018)Permalink