TETIS @ Challenge TextMine 2024 : "Reconnaissance d'entités géographiques dans un corpus des Instructions nautiques"
- HAL (Le Centre pour la Communication Scientifique Directe) : 119-123
Résumé
Notre équipe, issue de l’unité TETIS (Territoires, environnement, télédétection et information spatiale), s’intéresse à différents tâches du domaine du Traitement Automatique du Langage Naturel (TALN) en se concentrant sur les problématiques associées à l’information spatiale. La reconnaissance des entités spatiales dans les données textuelles représente une étape importante dans la majorité des chaînes de traitements. Aussi, les données relatives à l’information spatiale nécessitent une attention particulière. Par exemple, nos travaux proposent (i) des méthodes d’extraction d’information spatiale à partir de données non standards (Zenasni et al.,2018), (ii) des méthodes et outils de geocoding et désambiguïsation d’entités spatiales (Syed et al., 2023; Kafando et al., 2023), (iii) des algorithmes d’augmentation de données fondés sur l’information géographique pour l’entraînement de modèles de type Transformers (Decoupes et al., 2023).La participation de notre équipe TETIS à ce challenge est dans la continuité de ces travaux.Nous résumons, dans la section suivante, notre approche et mettons à disposition nos codes 1 et modèle 2.
Mots-clés
Computer science, TALN Traitement Automatique des Langues Naturelles, Information spatiale, Données textuelles, Geocoding, Désambiguisation