Désambiguïsation des entités spatiales par apprentissage actif

¹ ESC (École Supérieure de Commerce) de Tunis 2010, Campus la Mannouba, Tunis Cedex, Tunisie amal.chihaoui@gmail.com
² IHEC (Institut de Hautes Études Commerciales) Carthage Rue Victor Hugo, Carthage Cedex, Tunisie asma_bouhafs@yahoo.com
³ Cirad, TETIS, Montpellier, France mathieu.roche@cirad.fr
⁴ TETIS, APT, Cirad, CNRS, Irstea, University Montpellier 500, rue Jean-François Breton, 34093 Montpellier Cedex 5, France maguelonne.teisseire@irstea.fr

Résumé

L’extraction de connaissances spatiales à partir de documents textuels peut être une tâche difficile du fait de l’ambiguïté propre au langage naturel. L’indisponibilité de gros volumes de données étiquetées rend difficile la mise-en-œuvre d’un processus de découverte automatique. Dans ce contexte, nous abordons le problème de la désambiguïsation des entités spatiales, entre « localisation » et « organisation », par apprentissage actif. D’abord, nous introduisons une méthode de résolution des toponymes basée sur une analyse lexicale et contextuelle. Ensuite, nous proposons une amélioration en intégrant un modèle d’apprentissage actif. Celui-ci permet de sélectionner automatiquement les données non étiquetées les plus informatives pour l’annotation humaine. Les expérimentations sont réalisées sur un corpus de « SemEval-2007 » en anglais et soulignent l’amélioration du modèle d’apprentissage initial avec un étiquetage réduit.

Abstract

Discovering spatial knowledge from texts could be a difficult task due to the ambiguity of textual documents written on natural language and the lack of large amounts of annotated data for the learning process. In this context, we address the problem of spatial entity desambiguation between “location” and “organisation” with active learning methods. First, we introduce a method based on lexical and contextual analysis. Second, we improve it by adding an active learning model, in order to automatically select the most informative unlabeled data to be annotated. Experimental setups are conducted on an english “SemEval-2007” corpus and demonstrate the effectiveness of the active learning methods to improve the initial learning model with small amounts of annotations.