Annotation sémantique

Résumé

L'annotation sémantique est l'opération consistant à relier le contenu d'un texte à des entités dans une ontologie. Par exemple, pour la phrase «Paris est la capitale de la France.», l'annotation correcte de Paris serait Paris et non Paris Hilton. L'annotation sémantique est une variante plus détaillée mais moins exacte de la méthode des entitiés nommées, car ces dernières décrivent seulement la catégorie de l'entité (Paris est une ville, sans la relier à la bonne page Wikipédia). La tâche d'annotation sémantique est souvent considéré comme un des aspects applicatifs du Web sémantique, notamment pour trouver les métadonnées en relation avec l'identité sémantique des données annotées. Applications L'annotation sémantique est une tâche de fouille de texte proche des méthodes de traitement automatique des langues qui consiste à étiqueter dans un document les mots avec des liens qui pointent vers une description sémantique. Outre l'insertion de contenus qui permettent

Source officielle

https://fr.wikipedia.org/wiki/Annotation_s%C3%A9mantique

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Publications associées (5)

Chargement

Afficher plus

Publications associées

Chargement

Personnes associées

Chargement

Unités associées

Chargement

Concepts associés (6)

Concepts associés

Chargement

Cours associés (2)

Cours associés

Chargement

Séances de cours associées (3)

Séances de cours associées

Chargement

Publications associées (5)

idMesh: graph-based disambiguation of linked data

Karl Aberer, Philippe Cudré-Mauroux, Parisa Haghani, Michael Jost

We tackle the problem of disambiguating entities on the Web. We propose a user-driven scheme where graphs of entities -- represented by globally identifiable declarative artifacts -- self-organize in a dynamic and probabilistic manner. Our solution has the following two desirable properties: i) it lets end-users freely define associations between arbitrary entities and ii) it probabilistically infers entity relationships based on uncertain links using constraint-satisfaction mechanisms. We outline the interface between our scheme and the current data Web, and show how higher-layer applications can take advantage of our approach to enhance search and update of information relating to online entities. We describe a decentralized infrastructure supporting efficient and scalable entity disambiguation and demonstrate the practicability of our approach in a deployment over several hundreds of machines.

ACM2009

Chargement

TweetSpector: Entity-based retrieval of Tweets

Karl Aberer, Flavia Adelina Grosan, Zoltán Miklós, Alexandru Octavian Tandrau, Surender Reddy Yerva

People readily express their opinions about the various products, companies, TV shows etc., on Twitter. These tweet messages are thus a rich source of information that can be exploited to understand the sentiments about the concerned products or services. Retrieving the tweets related to given entities is however a challenging task as their names are often (deliberately) ambiguous, e.g. Apple, Blackberry, Friends, etc. Nevertheless, identifying the relevant entities is an essential first step to develop reliable sentiment analysis techniques that is not considered in existing systems, for example: TweetFeel(http://www.tweetfeel.com), TwitterSentiment(http://twittersentiment.appspot.com) While there is a number of techniques for identifying named entities in unstructured text, they are often not directly applicable in this case, as tweet messages are very short (maximal 140 characters). This demonstrator introduces TweetSpector, a tool that addresses this retrieval task and enables to link tweet messages to a given entity. Our retrieval methods rely on classification techniques that exploit our concise descriptions of entity-relevant information, also called entity profiles.

2012

Chargement

Entity Disambiguation in Tweets leveraging User Social Profiles

Karl Aberer, Michele Catasta, Surender Reddy Yerva

2013

Chargement

Afficher plus