Le vandalisme dans l'information géographique volontaire : apprendre pour mieux détecter ?
Résumé
As vandalism is a serious matter for the quality of Volunteered Geographic Information, this paper aims at exploring learning techniques that enable its detection. First, a focus on the various definitions of vandalism highlights the complexity of this concept. Second, we present an experimental vandalism detection on OpenStreetMap (OSM) data using a clustering-based outlier detection. The analysis of initial results leads to a discussion about the construction of an OSM vandalism corpus that would be useful in a supervised learning context.
Dans un contexte où le vandalisme de l'information géographique volontaire constitue une réelle menace pour la qualité des données, cet article propose d'explo-rer les diérentes techniques permettant de le détecter. Tout d'abord, nous tâchons d'examiner les diérentes définitions du vandalisme, mettant en avant la complexité de cette notion. Puis, nous expérimentons la détection du vandalisme des données OpenStreetMap (OSM) en utilisant une méthode de détection d'anomalie par classification non-supervisée. L'analyse de nos résultats initiaux conduit alors à une discussion sur la pertinence de construire un corpus de vandalisme des données OSM utilisable dans un contexte de classification supervisée.
Origine | Fichiers éditeurs autorisés sur une archive ouverte |
---|
Loading...