Qualifying and quantifying uncertainty of geolocation information extracted from french real estated ads - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2024

Qualifying and quantifying uncertainty of geolocation information extracted from french real estated ads

Localisation sur le territoire et prise en compte de l'incertitude lors de l'extraction des caractéristiques de biens immobiliers à partir d'annonces

Résumé

In recent years, many applications based on user-generated free text have arisen on the Web, driven by significant evolutions in the field of Natural Language Processing (NLP). In particular, textual data have played an important role in many geographic applications, including Geographic Information Systems (GIS) enrichment or the geolocation of events (e.g., accidents, natural disasters). These data might come from different sources such as travel blogs, social media or Real Estate advertisements, but they all qualitatively refer to locations. However, descriptions are often vague and uncertain (e.g., `Near the city center', `West of Nice, France') and make it challenging to geocode places. For instance, in real-estate advertisements, the agents often use vague terms and exaggerate boundaries in order to hype a property. Altough real-estate advertisements are a great source of data to analyse the market, which relies upon a very local and deep knowledge of the properties, the prices and the neighborhoods, French Real Estate agents often hide the spatial location (e.g., latitude/longitude) since the deal between their agency and the owner might not be exclusive. Therefore, the textual description is often essential to estimate the location of an advertisement in order to exploit such information for further analysis. Motivated by an industrial collaboration with SepteoProptech, a company operating in the Real Estate domain, this thesis explores the combination of application of several disciplines, such as NLP, GIS, and the Semantic Web, to the Real Estate domain. First, we propose a method to detect and extract spatial information from Real Estate advertisements written in French. Additionally, we propose to learn and represent boundaries of vague spatial descriptions and, in particular, vernacular places and vague spatial relations, thanks to a density estimation and fuzzy set theory. As a result, we propose a method to aggregate imprecise information from different sources in order to reconstruct the approximate location of a Real Estate property. We evaluate our approach on a dataset collected from different French advertisers and located in the French Riviera. Finally, we propose a method to build a knowledge graph to make it easy exploit Real Estate data, since the advertisements are unustructured and, it might be difficult to reason over them. We design an ontology to represent Real Estate as well as uncertain spatial information, and we create and publish a new dataset called SURE-KG. We show the potential applications of this dataset to the Real Estate domain, but also its interest for wider range of users, such as the GIS community, geographers, and NLP researchers.
Ces dernières années, de nombreuses applications basées sur des données textuelles générées par des utilisateurs ont vu le jour sur le Web grâce aux évolutions faites dans le domaine du traitement automatique du langage (TAL). Plus particulièrement, les données textuelles ont joué un rôle important dans de nombreuses applications géographiques telles que l'enrichissement des systèmes d'information géographique (SIG) ou la géolocalisation d'événements (accidents, catastrophes naturelles, etc.). Ces données peuvent provenir de différentes sources, telles que les blogs de voyage, les réseaux sociaux ou encore les annonces immobilières, et se réfèrent toutes qualitativement à des lieux. Cependant, les descriptions sont souvent vagues et imprécises (par exemple, `proche du centre-ville', `à l'ouest de Nice') rendant plus difficile la géolocalisation des lieux. Par exemple, dans les annonces immobilières, les agents utilisent souvent des termes vagues et exagèrent les limites afin de rendre plus attractif un bien et de le promouvoir. Bien que les annonces immobilières constituent une excellente source de données pour l'analyse du marché immobilier, qui repose essentiellement sur une connaissance très locale et approfondie des biens, des prix et des quartiers, les agents français ont tendance à cacher la localisation spatiale du bien (latitude/longitude) pour garder leur mandat exclusif. Par conséquent, la description textuelle du bien est souvent essentielle pour estimer la localisation d'une annonce afin d'exploiter cette information pour une analyse plus fine. Motivée par une collaboration industrielle avec SepteoProptech, une société opérant dans le domaine de l'immobilier, cette thèse explore la combinaison d'applications de plusieurs disciplines, telles que le TAL, les SIG, et le Web Sémantique, toutes appliquées au domaine de l'immobilier. En premier lieu, nous proposons une méthode pour détecter et extraire des informations spatiales à partir d'annonces immobilières écrites en français. Ensuite, nous proposons d'apprendre et de représenter les limites des descriptions spatiales imprécises et, en particulier, des lieux vernaculaires et des relations spatiales floues, grâce à une estimation de la densité et à la théorie des ensembles flous. A partir de ces résultats, nous proposons une méthode pour agréger des informations imprécises provenant de différentes sources afin de reconstruire la localisation approximative d'un bien immobilier. Nous évaluons notre approche sur un jeu de données collecté auprès de différents annonceurs français et localisé sur la Côte d'Azur. Enfin, nous proposons une méthode pour construire un graphe de connaissances afin de faciliter l'exploitation des données immobilières, puisque les annonces ne sont pas structurées et il peut être difficile de raisonner dessus. En outre, nous présentons une ontologie créer pour représenter des biens immobiliers ainsi que des informations spatiales imprécises. Ainsi, nous avons créé et publié un nouveau jeu de données appelé SURE-KG, pour lequel nous proposons des applications potentielles dans le domaine de l'immobilier ainsi qu'à un plus large éventail d'utilisateurs, tels que les utilisateurs des SIG, les géographes et les chercheurs en TAL.
Fichier principal
Vignette du fichier
2024COAZ4013.pdf (17.81 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-04524701 , version 1 (28-03-2024)

Identifiants

  • HAL Id : tel-04524701 , version 1

Citer

Lucie Cadorel. Qualifying and quantifying uncertainty of geolocation information extracted from french real estated ads. Artificial Intelligence [cs.AI]. Université Côte d'Azur, 2024. English. ⟨NNT : 2024COAZ4013⟩. ⟨tel-04524701⟩
3 Consultations
1 Téléchargements

Partager

Gmail Facebook X LinkedIn More