Extraction de connaissances à partir de données textuelles : application à la découverte de règles de changement d'usage des sols

Source Agritrop Cirad (agritrop.cirad.fr) International audience This work presents an approach to automatically extract expert knowledge from textual data, focusing on land use change dynamics in West Africa. The main objective is to identify relevant text segments from a corpus of scientific articles in English, using automatic lan- guage processing and machine learning methods. We compare two supervised classification approaches with an unsupervised approach based on semantic proximity and show their ability to identify relevant information from unstructured data. Dans le cadre de la modélisation de dynamiques spatiales, les connaissances expertes permettent de définir des règles d'état ou de changement d'état. Ces connaissances contribuent à la cohérence des modèles mais sont fastidieuses à obtenir. Ce travail propose une approche d'extraction automatique de connaissances à partir de données textuelles, appliquée aux dynamiques de changement d'occupation et d'usage des sols en Afrique de l'Ouest. L'objectif principal est d'identifier des segments de texte pertinents à partir d'un corpus d'articles scientifiques en anglais, en mobilisant des méthodes de traitement automatique de la langue et d'apprentissage automatique. Nous comparons deux approches de classification supervisée avec une approche non supervisée reposant sur la proximité sémantique et montrons leur capacité à identifier l'information pertinente à partir de données non structurées.