Descripteur
Documents disponibles dans cette catégorie (3)
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
GazPNE: annotation-free deep learning for place name extraction from microblogs leveraging gazetteer and synthetic data by rules / Xuke Hu in International journal of geographical information science IJGIS, vol 36 n° 2 (February 2022)
[article]
Titre : GazPNE: annotation-free deep learning for place name extraction from microblogs leveraging gazetteer and synthetic data by rules Type de document : Article/Communication Auteurs : Xuke Hu, Auteur ; Hussein S. Al-Olimat, Auteur ; Jens Kersten, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : pp 310 - 337 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique
[Termes IGN] apprentissage profond
[Termes IGN] classification hybride
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] données topographiques
[Termes IGN] extraction de données
[Termes IGN] géobalise
[Termes IGN] microblogue
[Termes IGN] OpenStreetMap
[Termes IGN] répertoire toponymique
[Termes IGN] toponyme
[Termes IGN] TwitterRésumé : (auteur) Extracting precise location information from microblogs is a crucial task in many applications, particularly in disaster response, revealing where damages are, where people need assistance, and where help can be found. A crucial prerequisite to location extraction is place name extraction. In this paper, we present GazPNE: a hybrid approach to place name extraction which fuses rules, gazetteers, and deep learning techniques without requiring any manually annotated data. The core of the approach is to learn the intrinsic characteristics of multi-word place names with deep learning from gazetteers. Specifically, GazPNE consists of a rule-based system to select n-grams from the microblogs that potentially contain place names, and a C-LSTM model that decides if the selected n-gram is a place name or not. The C-LSTM is trained on 388.1 million examples containing 6.8 million positive examples with US and Indian place names extracted from OpenStreetMap and 381.3 million negative examples synthesized by rules. We evaluate GazPNE against the SoTA on a manually annotated 4,500 tweet dataset which contains 9,026 place names from three foods: 2016 in Louisiana (US), 2016 in Houston (US), and 2015 in Chennai (India). GazPNE achieves SotA performance on the test data with an F1 of 0.84. Numéro de notice : A2022-164 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2021.1947507 Date de publication en ligne : 07/07/2021 En ligne : https://doi.org/10.1080/13658816.2021.1947507 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99787
in International journal of geographical information science IJGIS > vol 36 n° 2 (February 2022) . - pp 310 - 337[article]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)
[article]
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 urbaineRésumé : (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
in International journal of geographical information science IJGIS > vol 35 n° 1 (January 2021) . - pp 84 - 115[article]Réservation
Réserver ce documentExemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 079-2021011 SL Revue Centre de documentation Revues en salle Disponible Recommandation contextuelle d'utilisateurs pour les plateformes de micro-blogging / Camelia Constantin in Ingénierie des systèmes d'information, ISI : Revue des sciences et technologies de l'information, RSTI, vol 21 n° 3 (mai - juin 2016)
[article]
Titre : Recommandation contextuelle d'utilisateurs pour les plateformes de micro-blogging Type de document : Article/Communication Auteurs : Camelia Constantin, Auteur ; Ryadh Dahimene, Auteur ; Cédric du Mouza, Auteur ; Quentin Grossetti, Auteur Année de publication : 2016 Article en page(s) : pp 93 - 118 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Systèmes d'information
[Termes IGN] microblogue
[Termes IGN] réseau social
[Termes IGN] système de recommandationRésumé : (Auteur) Les services de micro-blogging sont devenus récemment une source d’information importante. Cependant, victimes de leur succès, ils doivent actuellement gérer une quantité sans précédent d’informations générées par les utilisateurs. Il devient par conséquent difficile pour les utilisateurs de trouver dans ces services des contenus proches de leurs intérêts. Afin de recommander des utilisateurs à suivre sur un sujet donné, nous proposons dans cet article des scores basés sur la topologie du graphe social ainsi que sur le contenu textuel des microblogs. Pour permettre le passage à l’échelle, nous présentons une approche qui s’appuie sur l’utilisation de landmarks pour pré-calculer des recommandations pour certains comptes choisis dans le graphe. Nos expériences confirment la pertinence de notre score de recommandation par rapport à des approches existantes ainsi que le passage à l’échelle de notre algorithme basé sur l’utilisation des landmarks. Numéro de notice : A2016-697 Affiliation des auteurs : non IGN Thématique : SOCIETE NUMERIQUE Nature : Article DOI : 10.3166/isi.21.3.93-118 En ligne : https://doi.org/ 10.3166/isi.21.3.93-118 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=82047
in Ingénierie des systèmes d'information, ISI : Revue des sciences et technologies de l'information, RSTI > vol 21 n° 3 (mai - juin 2016) . - pp 93 - 118[article]Réservation
Réserver ce documentExemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 093-2016031 SL Revue Centre de documentation Revues en salle Disponible