Descripteur
Termes IGN > sciences humaines et sociales > sociologie > société de l'information > contenu généré par les utilisateurs
contenu généré par les utilisateursVoir aussi |
Documents disponibles dans cette catégorie (132)
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
GeoTxt: A scalable geoparsing system for unstructured text geolocation / Morteza Karimzadeh in Transactions in GIS, vol 23 n° 1 (February 2019)
[article]
Titre : GeoTxt: A scalable geoparsing system for unstructured text geolocation Type de document : Article/Communication Auteurs : Morteza Karimzadeh, Auteur ; Scott Pezanowski, Auteur ; Alan M. MacEachren, Auteur ; Jan Oliver Wallgrün, Auteur Année de publication : 2019 Article en page(s) : pp 118 - 136 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Informatique
[Termes IGN] analyse syntaxique
[Termes IGN] appariement de données localisées
[Termes IGN] corpus
[Termes IGN] données issues des réseaux sociaux
[Termes IGN] interface de programmation
[Termes IGN] méthode heuristique
[Termes IGN] reconnaissance de noms
[Termes IGN] répertoire toponymique
[Termes IGN] réseau sémantique
[Termes IGN] segmentation sémantique
[Termes IGN] toponyme
[Termes IGN] traitement du langage naturelRésumé : (auteur) In this article, we present GeoTxt, a scalable geoparsing system for the recognition and geolocation of place names in unstructured text. GeoTxt offers six named entity recognition (NER) algorithms for place name recognition, and utilizes an enterprise search engine for the indexing, ranking, and retrieval of toponyms, enabling scalable geoparsing for streaming text. GeoTxt offers a flexible application programming interface (API), allowing for customized attribute and/or spatial ranking of retrieved toponyms. We evaluate the system on a corpus of manually geo‐annotated tweets. First, we benchmark the performance of the six NERs that GeoTxt provides access to. Second, we assess GeoTxt toponym resolution accuracy incrementally, demonstrating improvements in toponym resolution achieved (or not achieved) by adding specific heuristics and disambiguation methods. Compared to using the GeoNames web service, GeoTxt's toponym resolution demonstrates a 20% accuracy gain. Our results show that places mentioned in the same tweet do not tend to be geographically proximate. Numéro de notice : A2019-091 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1111/tgis.12510 Date de publication en ligne : 16/01/2019 En ligne : https://doi.org/10.1111/tgis.12510 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92238
in Transactions in GIS > vol 23 n° 1 (February 2019) . - pp 118 - 136[article]CarSenToGram: geovisual text analytics for exploring spatiotemporal variation in public discourse on Twitter / Caglar Koylu in Cartography and Geographic Information Science, Vol 46 n° 1 (January 2019)
[article]
Titre : CarSenToGram: geovisual text analytics for exploring spatiotemporal variation in public discourse on Twitter Type de document : Article/Communication Auteurs : Caglar Koylu, Auteur ; Ryan Larson, Auteur ; Bryce J. Dietrich, Auteur ; Kang-Pyo Lee, Auteur Année de publication : 2019 Article en page(s) : pp 57 - 71 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Termes IGN] analyse du discours
[Termes IGN] analyse géovisuelle
[Termes IGN] cartogramme
[Termes IGN] contenu généré par les utilisateurs
[Termes IGN] corpus
[Termes IGN] données issues des réseaux sociaux
[Termes IGN] exploration de données
[Termes IGN] sentiment
[Termes IGN] Twitter
[Vedettes matières IGN] GéovisualisationRésumé : (auteur) Assessing the impact of events on the evolution of online public discourse is challenging due to the lack of data prior to the event and appropriate methodologies for capturing the progression of tenor of public discourse, both in terms of their tone and topic. In this article, we introduce a geovisual analytics framework, CarSenToGram, which integrates topic modeling and sentiment analysis with cartograms to identify the changing dynamics of public discourse on a particular topic across space and time. The main novelty of CarSenToGram is coupling comprehensible spatiotemporal overviews of the overall distribution, topical and sentiment patterns with increasing levels of information supported by zoom and filter, and details-on-demand interactions. To demonstrate the utility of CarSenToGram, in this article, we analyze tweets related to immigration the month before and after the 27 January 2017 travel ban in order to reveal insights into one of the defining moments of President Trump’s first year in office. Not only do we find that the travel ban influenced online public discourse and sentiment on immigration, but it also highlighted important partisan divisions within the US. Numéro de notice : A2019-012 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/15230406.2018.1510343 Date de publication en ligne : 18/09/2018 En ligne : https://doi.org/10.1080/15230406.2018.1510343 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91661
in Cartography and Geographic Information Science > Vol 46 n° 1 (January 2019) . - pp 57 - 71[article]Réservation
Réserver ce documentExemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 032-2019011 RAB Revue Centre de documentation En réserve L003 Disponible Méthodes d'apprentissage statistique pour la détection de la signalisation routière à partir de véhicules traceurs / Yann Méneroux (2019)
Titre : Méthodes d'apprentissage statistique pour la détection de la signalisation routière à partir de véhicules traceurs Type de document : Thèse/HDR Auteurs : Yann Méneroux , Auteur ; Sébastien Mustière , Directeur de thèse ; Guillaume Saint Pierre, Directeur de thèse Editeur : Champs/Marne : Université Paris-Est Année de publication : 2019 Importance : 292 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse pour obtenir le grade de Docteur de l'Université Paris Est dans le cadre de l'Ecole Doctorale Mathématiques et STIC, Signal, Image, AutomatiqueLangues : Français (fre) Descripteur : [Vedettes matières IGN] Géomatique
[Termes IGN] appariement de cartes
[Termes IGN] autocorrélation spatiale
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] décomposition empirique du signal
[Termes IGN] détection automatique
[Termes IGN] données GPS
[Termes IGN] modèle mathématique
[Termes IGN] navigation pédestre
[Termes IGN] ondelette de Haar
[Termes IGN] récepteur GPS
[Termes IGN] régression par quantile
[Termes IGN] réseau neuronal convolutif
[Termes IGN] sécurité routière
[Termes IGN] segmentation d'image
[Termes IGN] signalisation routière
[Termes IGN] trace GPS
[Termes IGN] vitesse de déplacementIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Avec la démocratisation des appareils connectés équipés d'un récepteur GPS, de grandes quantités de trajectoires de véhicules deviennent disponibles, notamment via les flottes de véhicules professionnels et les applications mobiles collaboratives de navigation et d'assistance à la conduite. Récemment, les techniques dites de map inference, visant à dériver de l'information cartographique à partir de ces traces GPS, tendent à compléter, voire à remplacer les techniques traditionnelles. Initialement restreintes à la construction de la géométrie des routes, elles sont progressivement utilisées pour enrichir les réseaux existants, et en particulier pour construire une base de données numérique de la signalisation verticale. La connaissance fine et exhaustive de l'infrastructure routière est un prérequis indispensable dans de nombreux domaines : pour les gestionnaires de réseaux et les décideurs dans le cadre de travaux d'aménagement, pour les usagers avec le calcul précis des temps de parcours, mais aussi, plus récemment, dans le cadre du véhicule autonome. Dans ce contexte, les méthodes d'apprentissage statistique apportent une perspective intéressante et garantissent l’adaptabilité de l'approche aux différents cas d'utilisation et à la grande variabilité des données rencontrées en pratique. L'objectif de ce travail de thèse est d'étudier le potentiel de cette classe de méthodes, pour la détection automatique de la signalisation routière, en temps différé, à partir d'un ensemble de profils de vitesse GPS. Le premier cas d'application est celui de la détection des feux de circulation, étendu par la suite a d'autre types de signalisation comme les passages piétons. En premier lieu, nous travaillons sur un jeu de données expérimental de haute qualité, à l'aide duquel nous étudions les performances de plusieurs classifieurs et nous comparons deux représentations mathématiques des données : une approche classique de reconnaissance d'image et une approche fonctionnelle consistant à agréger et à décomposer les signaux de profils de vitesses sur une base d'ondelettes de Haar. Les résultats obtenus montrent la pertinence de l'approche fonctionnelle, en particulier lorsqu'elle est combinée à l'algorithme des forêts aléatoires, en termes de fiabilité de détection et de temps de calcul. L'approche est alors appliquée sur d'autres types d'éléments de l'infrastructure. Dans un second temps, nous tentons d'adapter la méthode proposée sur le cas de données observationnelles, i.e. acquises en environnement non-contrôlé, pour lesquelles nous cherchons également à estimer la position des feux de signalisation par régression statistique. Les résultats montrent la sensibilité de l'approche axe sur l'apprentissage face à des données fortement bruitées ainsi que la difficulté liée à la définition de l'emprise spatiale des instances individuelles sur un réseau routier complexe. Nous tentons de lever ce second verrou à l'aide d'approches globales fondées sur une segmentation d'image par réseau de neurones convolutionnel. Enfin, nous expérimentons une approche permettant d'exploiter. L'autocorrélation spatiale des variables cibles sur les instances individuelles à l'aide de la topologie du graphe routier et en modélisant la zone d'étude sous forme d'un champ de Markov conditionnel. Les résultats obtenus montrent une amélioration des performances de détection par rapport à l'apprentissage non-structuré. Ces travaux de thèse ont également suscité le développement de méthodes originales de prétraitement des trajectoires GPS (filtrage, interpolation, débiaisage et recalage sur un réseau routier de référence) ainsi que l'élaboration de critères objectifs d'évaluation de la qualité de ces pré-traitements. Note de contenu : 1- Cadre général et enjeux de la thèse
2- Méthodes et algorithmes pour le pré-traitement des trajectoires GPS
3- Comparaison des approches image et fonctionnelle en conditions expérimentale
4- Etude du potentiel des méthodes d'apprentissage sur un cas opérationnel
5- Approches globales : réseaux de neurones artificiels et apprentissage structuréNuméro de notice : 25687 Affiliation des auteurs : LASTIG COGIT (2012-2019) Thématique : GEOMATIQUE Nature : Thèse française Note de thèse : thèse de Doctorat : Signal, Image, Automatique : Paris-Est : 2019 Organisme de stage : LaSTIG (IGN) nature-HAL : Thèse DOI : sans Date de publication en ligne : 28/02/2020 En ligne : https://theses.hal.science/tel-02493936 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94716 Urban impervious surface estimation from remote sensing and social data / Yan Yu in Photogrammetric Engineering & Remote Sensing, PERS, vol 84 n° 12 (December 2018)
[article]
Titre : Urban impervious surface estimation from remote sensing and social data Type de document : Article/Communication Auteurs : Yan Yu, Auteur ; Jun Li, Auteur ; Changyu Zhu, Auteur ; Antonio J. Plaza, Auteur Année de publication : 2018 Article en page(s) : pp 771 - 780 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques
[Termes IGN] analyse des mélanges spectraux
[Termes IGN] base de données routières
[Termes IGN] Canton (Kouangtoung)
[Termes IGN] contenu généré par les utilisateurs
[Termes IGN] données issues des réseaux sociaux
[Termes IGN] données localisées des bénévoles
[Termes IGN] données vectorielles
[Termes IGN] Google Maps
[Termes IGN] image Landsat-8
[Termes IGN] image Landsat-OLI
[Termes IGN] OpenStreetMap
[Termes IGN] point d'intérêt
[Termes IGN] régression multiple
[Termes IGN] réseau routier
[Termes IGN] surface imperméable
[Termes IGN] zone urbaineRésumé : (auteur) We propose an inspiring approach for accurate impervious surface estimation based on the integration of remote sensing and social data. The proposed approach exploits the strengths of two kind of heterogeneous features, i.e., physical features and social features, where the former ones are derived by a morphological attribute profiles-guided spectral mixture analysis model using remote sensing imagery, and the latter ones are obtained from the normalized kernel density of point of interest and vector road datasets. These two features are then integrated using a multivariable linear regression model to estimate impervious surfaces. The proposed method has been tested in the main urban area of Guangzhou, China, in pixel level and parcel level, respectively. The obtained results, with the overall RMSE of 10.98% and 10.90% for pixel level and parcel level, respectively, demonstrate the good performance of integrating remote sensing imagery and social data for mapping of urban impervious surface. Numéro de notice : A2018-549 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.14358/PERS.84.12.771 Date de publication en ligne : 01/12/2018 En ligne : https://doi.org/10.14358/PERS.84.12.771 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91622
in Photogrammetric Engineering & Remote Sensing, PERS > vol 84 n° 12 (December 2018) . - pp 771 - 780[article]Réservation
Réserver ce documentExemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 105-2018121 RAB Revue Centre de documentation En réserve L003 Disponible A hybrid ensemble learning method for tourist route recommendations based on geo-tagged social networks / Lin Wan in International journal of geographical information science IJGIS, vol 32 n° 11-12 (November - December 2018)
[article]
Titre : A hybrid ensemble learning method for tourist route recommendations based on geo-tagged social networks Type de document : Article/Communication Auteurs : Lin Wan, Auteur ; Yuming Hong, Auteur ; Zhou Huang, Auteur ; Xia Peng, Auteur ; Ran Li, Auteur Année de publication : 2018 Article en page(s) : pp 2225 - 2246 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique
[Termes IGN] apprentissage automatique
[Termes IGN] calcul d'itinéraire
[Termes IGN] classification bayesienne
[Termes IGN] contenu généré par les utilisateurs
[Termes IGN] données localisées des bénévoles
[Termes IGN] données météorologiques
[Termes IGN] exploration de données géographiques
[Termes IGN] géobalise
[Termes IGN] image Flickr
[Termes IGN] Pékin (Chine)
[Termes IGN] point d'intérêtRésumé : (Auteur) Geo-tagged travel photos on social networks often contain location data such as points of interest (POIs), and also users’ travel preferences. In this paper, we propose a hybrid ensemble learning method, BAyes-Knn, that predicts personalized tourist routes for travelers by mining their geographical preferences from these location-tagged data. Our method trains two types of base classifiers to jointly predict the next travel destination: (1) The K-nearest neighbor (KNN) classifier quantifies users’ location history, weather condition, temperature and seasonality and uses a feature-weighted distance model to predict a user’s personalized interests in an unvisited location. (2) A Bayes classifier introduces a smooth kernel function to estimate a-priori probabilities of features and then combines these probabilities to predict a user’s latent interests in a location. All the outcomes from these subclassifiers are merged into one final prediction result by using the Borda count voting method. We evaluated our method on geo-tagged Flickr photos and Beijing weather data collected from 1 January 2005 to 1 July 2016. The results demonstrated that our ensemble approach outperformed 12 other baseline models. In addition, the results showed that our framework has better prediction accuracy than do context-aware significant travel-sequence-patterns recommendations and frequent travel-sequence patterns. Numéro de notice : A2018-523 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2018.1458988 Date de publication en ligne : 03/05/2018 En ligne : https://doi.org/10.1080/13658816.2018.1458988 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91348
in International journal of geographical information science IJGIS > vol 32 n° 11-12 (November - December 2018) . - pp 2225 - 2246[article]Réservation
Réserver ce documentExemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 079-2018061 RAB Revue Centre de documentation En réserve L003 Disponible Analyzing the effect of earthquakes on OpenStreetMap contribution patterns and tweeting activities / Ahmed Ahmouda in Geo-spatial Information Science, vol 21 n° 3 (October 2018)PermalinkA cross-analysis framework for multi-source volunteered, crowdsourced, and authoritative geographic information : The case study of volunteered personal traces analysis against transport network data / Gloria Bordogna in Geo-spatial Information Science, vol 21 n° 3 (October 2018)PermalinkNRand‐K : Minimizing the impact of location obfuscation in spatial analysis / Mayra Zurbaran in Transactions in GIS, vol 22 n° 5 (October 2018)PermalinkSpatial discontinuities, health and mobility - What do the Google's POIs and tweets tell us about Bangkok's (Thailand) structures and spatial dynamics? / Alexandre Cebeillac in Revue internationale de géomatique, vol 28 n° 4 (octobre - décembre 2018)PermalinkFine-grained prediction of urban population using mobile phone location data / Jie Chen in International journal of geographical information science IJGIS, vol 32 n° 9-10 (September - October 2018)PermalinkPedestrian network information extraction based on VGI / Xuejing Xie in Geomatica, vol 72 n° 3 (September 2018)PermalinkSpatialities, social Media and sentiment analysis: Exploring the potential of the detection tool SentiStrength / Christina Reithmeier in GI Forum, vol 2018 n° 2 ([01/09/2018])PermalinkInterplay between urban communities and human‐crowd mobility: A study using contributed geospatial data sources / Mohammad Forghani in Transactions in GIS, vol 22 n° 4 (August 2018)PermalinkSensePlace3: a geovisual framework to analyze place–time–attribute information in social media / Scott Pezanowski in Cartography and Geographic Information Science, Vol 45 n° 5 (August 2018)PermalinkA spatial analysis of non‐English Twitter activity in Houston, TX / Matthew Haffner in Transactions in GIS, vol 22 n° 4 (August 2018)PermalinkCombining machine-learning topic models and spatiotemporal analysis of social media data for disaster footprint and damage assessment / Bernd Resch in Cartography and Geographic Information Science, Vol 45 n° 4 (July 2018)PermalinkExploring geo-tagged photos for land cover validation with deep learning / Hanfa Xing in ISPRS Journal of photogrammetry and remote sensing, vol 141 (July 2018)PermalinkA framework for annotating OpenStreetMap objects using geo-tagged tweets / Xin Chen in Geoinformatica, vol 22 n° 3 (July 2018)PermalinkHuman mobility semantics analysis : a probabilistic and scalable approach / Xiaohui Guo in Geoinformatica, vol 22 n° 3 (July 2018)PermalinkModeling aggregated expertise of user contributions to assess the credibility of OpenStreetMap features / Bani Idham Muttaqien in Transactions in GIS, vol 22 n° 3 (June 2018)PermalinkTAGGS : grouping tweets to improve global geoparsing for disaster response / Jens A. de Bruijn in Journal of Geovisualization and Spatial Analysis, vol 2 n° 1 (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)PermalinkInference and analysis across spatial supports in the big data era : Uncertain point observations and geographic contexts / Colin Robertson in Transactions in GIS, vol 22 n° 2 (April 2018)PermalinkMapping hourly dynamics of urban population using trajectories reconstructed from mobile phone records / Zhang Liu in Transactions in GIS, vol 22 n° 2 (April 2018)PermalinkThe characteristics of asymmetric pedestrian behavior : A preliminary study using passive smartphone location data / Nick Malleson in Transactions in GIS, vol 22 n° 2 (April 2018)Permalink