Le vandalisme dans l'information géographique volontaire : apprendre pour mieux détecter ?

Quy Thy Truong (1) , Guillaume Touya (1) , Cyril de Runz (2)

1 COGIT - Cartographie et Géomatique
2 CRESTIC - Centre de Recherche en Sciences et Technologies de l'Information et de la Communication - EA 3804

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.

Mots clés: Vandalism; Learning; Volunteered Geographic Information

Mots clés: Information Géographique Volontaire; Vandalisme; Classification

Domaines: Informatique [cs]

Quy Thy Truong, Guillaume Touya, Cyril de Runz. Le vandalisme dans l'information géographique volontaire : apprendre pour mieux détecter ?. Conférence internationale francophone Spatial Analysis and GEOmatics (SAGEO), 2018, Montpellier, France. pp.61-76. ⟨hal-01924261⟩