Author name extraction in blog web pages: a machine learning approach

Lucie Dupin (1, 2, 3) , Nicolas Labroche (2) , Jean-Yves Antoine (2) , Jean-Christophe Lavocat (4) , Agata Savary (2)

1 UBM - Université Bordeaux Montaigne
2 BDTLN - Bases de données et traitement des langues naturelles
3 UFR Sciences des territoires et de la communication (STC) - Université Bordeaux Montaigne
4 Société CICERO LABS / Elokenz

This paper presents research results concerning the automatic extraction of author names that are explicitly mentioned in blog web pages. It shows that some NLP pre-preprocessing stages (NE recognition, coreference resolution) prior to a SVM classification have a positive impact on accuracy.

Cet article présente les résultats de travaux ayant pour but l'extraction automatique de noms d'auteurs explicites dans des articles de blogs. Il montre que l'ajout de pré-traitements relevant du TAL (détection d'entités nommées, résolution des coréférences) avant une classification de type SVM améliore les performances.

Mots clés: author name extraction; blog web pages; machine learning; SVM classifier; decision tree

Domaines: Informatique et langage [cs.CL]

Lucie Dupin, Nicolas Labroche, Jean-Yves Antoine, Jean-Christophe Lavocat, Agata Savary. Author name extraction in blog web pages: a machine learning approach. Journées internationales d'Analyse statistique des Données Textuelles, JADT'2016, Jun 2016, Nice, France. ⟨hal-01344975⟩