Tutoriel - ANF TDM 2022 Python Geoparsing

Supports pour l'atelier Librairies Python et Services Web pour la reconnaissance d’entités nommées et la résolution de toponymes de la formation CNRS ANF TDM 2022.

Dans ce tutoriel, nous montrons comment utiliser des librairies Python pour la reconnaissance des entités nommées (Named Entity Recognition) et pour la résolution de toponymes (Geocoding). Pour cela, nous utiliserons les librairies (spaCy, Stanza) et Perdido.

Nous expérimenterons et comparerons ces librairies au travers deux études de cas : le traitement d'articles encyclopédiques (corpus issu du projet GEODE) et le traitement de descriptions de randonnées (corpus issu du projet ANR CHOUCAS).

Animateurs: Ludovic Moncla (INSA Lyon) et Alice Brenon (CNRS / INSA Lyon)

Tâches et problématiques abordées

1. Reconnaissance et classification des entités nommées en français
2. Résolution de toponymes (problématique de désambiguïsation)
3. Créer et afficher une carte à partir d'un texte

Vous pouvez exécuter le notebook à distance en utilisant ou Sinon, pour exécuter ce tutoriel depuis un environnement local sur votre ordinateur, vous pouvez suivre les instructions ci-dessous.

Configurer un environnement conda

Cloner ce dépôt git

git clone https://gitlab.liris.cnrs.fr/lmoncla/tutoriel-anf-tdm-2022-python-geoparsing.git

Configurer l'environnement avec toutes les dépendances nécessaires

Méthode 1

• Créer un nouvel environnement nommé tdm-geoparsing-py39 avec toutes les dépendances nécessaire en utilisant le fichier de configuration environment.yml :

conda env create -f environment.yml

• Activer l'environnement

conda activate tdm-geoparsing-py39

Méthode 2

• Créer un nouvel environnement nommé tdm-geoparsing-py39

conda create -n tdm-geoparsing-py39 python=3.9

• Activer l'environnement

conda activate tdm-geoparsing-py39

• Installer les dépendances avec pip

pip install -r requirements.txt

Lancer le serveur Jupyter

jupyter notebook