Résolution de coréférences multi-domaines sur Twitter : TAL et Link Open Data

Multi-Domain Coreference Resolution on Twitter: NLP and Link Open Data

• Auteur / Autrice : Vivien Leonard
• Direction : Jean-Yves Antoine, Béatrice Markhoff
• Type : Projet de thèse
• Discipline(s) : Informatique
• Date : Inscription en doctorat le 01/05/2022
• Etablissement(s) : Tours
• Ecole(s) doctorale(s) : École doctorale Mathématiques, Informatique, Physique Théorique et Ingénierie des Systèmes (Centre-Val de Loire ; 2012-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'Informatique Fondamentale et Appliquée de Tours

Mots clés

Mots clés libres

Tal

Linked open data

Résolution de coréférences

Twitter

Nlp

Linked open data

Coreference resolution

Twitter

Résumé

Les données Twitter sont des données complexes : fautes, manque de consistance, langage proche de l'oral, et contrainte compte tenu du nombre de caractères autorisés. De plus, dans une perspective d'agrégation de données issues de cette source, le moteur de recherche qui est accessible est très limité (recherche par mot-clé avec correspondance stricte). La mise en place d'une approche multi-disciplinaire (TAL et LOD), alliant expansion de requête, entity linking (explicite et implicite), et résolution de coréférence permettrait de pallier le manque d'expressivité de l'outils de requêtage proposé par Twitter. Cette approche va se baser sur les mentions explicite (e.g. « Paris »), et implicite (e.g. « la ville de Notre Dame ») afin de construire un contexte qui sera enrichit au fur et à mesure des étapes, chaque étape se servant du résultat de la précédente. L'objectif final est l'agrégation de données en rapport à un sujet.

Twitter data are complex data: mistakes, lack of consistency, language close to oral, and constrained by the number of characters allowed. Moreover, from the perspective of aggregating data from this source, the search engine that is available is very limited (keyword search with strict correspondence). The implementation of a multi-disciplinary approach (NLP and LOD), combining query expansion, entity linking (explicit and implicit), and coreference resolution would allow to overcome the lack of expressiveness of the query tool proposed by Twitter. This approach will be based on explicit (e.g. ''Paris''), and implicit (e.g. ''the city of Notre Dame'') mentions in order to build a context that will be enriched as each step is completed, each step using the result of the previous one. The final objective is the aggregation of data related to a subject.