Classifying triggers of industrial pollution events
Extraction et caractérisation de noyaux d’événements liés à la pollution industrielle
Abstract
We seek to characterize events related to industrial pollution, which are extracted from administrative texts. Each event can be characterized by a trigger that reflects its nature (administration, depollution, etc.). We propose a typology to categorize these triggers and a hybrid method to automatically perform this categorization. This method combines a machine learning approach (based on word embeddings and supervised learning) with a textometric approach (based on the visualization of the co-occurrence of frequent words). It allows characterizing event triggers automatically with an f-score of 80%.
Nous cherchons à caractériser des événements liés à la pollution industrielle, extraits de textes administratifs. Chaque événement peut être caractérisé par un déclencheur qui rend compte de sa nature (administrative, de dépollution, etc.). Nous proposons une typologie pour catégoriser ces déclencheurs et une méthode hybride pour réaliser automatiquement cette catégorisation. Cette méthode combine une approche d'apprentissage automatique (fondée sur des plongements de mots et un apprentissage supervisé) avec une approche textométrique (fondée sur la visualisation de la cooccurrence des mots fréquents). Elle permet de caractériser les déclencheurs d’événements automatiquement avec une f-mesure de 80%.
Origin : Publisher files allowed on an open archive