Search

Location Based Services (LBS) had been involved to deliver relevant geospatial information based on a geographic position or address. The amount of geospatial data is constantly increasing, making it a valuable source of information for enriching LBS applications. However, these geospatial data are highly inconsistent and contradictory from one source to another. We assume that integrating geospatial data from several sources may improve the quality of information offered to users. In this thesis, we specifically focus on data representing Points of Interest (POIs) that tourists can get through LBS. Retrieving, matching and merging such geospatial entities lead to several challenges. We mainly focus on three main challenges including (i) detecting and merging corresponding entities across multiple sources and (ii) considering the uncertainty of integrated entities and their representation in LBS applications.; Les fournisseurs de services géo-localisés (LBS) offrent des données textuelles et spatiales complémentaires, parfois incohérentes et imprécises, représentant les différents points d’intérêt (POI) sur un territoire donné. Ainsi, une même requête lancée auprès de divers fournisseurs de services touristiques peut donner des résultats différents et parfois incohérents, pour les attributs terminologiques et/ou les attributs spatiaux. De plus, chaque fournisseur utilise sa propre convention graphique pour représenter les POIs. L’intégration de ces données spatiales hétérogènes dans un contexte dynamique, large échelle, utilisant des sources incomplètes et de qualités variables est actuellement un verrou technologique. Dans ce travail de thèse, nous cherchons une solution à cette intégration aussi bien au niveau des données que de leur représentation.

Location Based Services (LBS) had been involved to deliver relevant geospatial information based on a geographic position or address. The amount of geospatial data is constantly increasing, making it a valuable source of information for enriching LBS applications. However, these geospatial data are highly inconsistent and contradictory from one source to another. We assume that integrating geospatial data from several sources may improve the quality of information offered to users.In this thesis, we specifically focus on data representing Points of Interest (POIs) that tourists can get through LBS. Technically, a POI is represented by a geospatial entity that describes the terminological and spatial information of the POI. Retrieving, matching and merging such geospatial entities lead to several challenges. We mainly focus on three main challenges including (i) dealing with different schemas and structures of entities, (ii) detecting and merging corresponding entities across multiple sources and (iii) considering the uncertainty of integrated entities and their representation in LBS applications.First, we represent a technical overview to highlight the limitations and methods used by current LBS providers to share their POIs. Then, we define a taxonomy of observed differences and inconsistencies between the entities that represent the POIs. This taxonomy shows how data may differ from one source to another, which helps us understand how we should integrate them. Based on this taxonomy, we introduce PABench, a benchmark for geospatial entity matching. PABench can provide an accurate evaluation of the different quality aspects of geospatial entity matching approaches, and also facilitate an understanding of their weaknesses and abilities with respect to geospatial integration.Concerning the data integration, we focus on two steps namely: entity matching and entity merging. We propose a geospatial entity matching approach namely Global Similarity that uses both spatial and terminological information to detect the corresponding entities. Our method uses a spatial blocking method to reduce the number of the potentially corresponding entities. Then, the grouped entities are compared using similarity measures in order to detect the corresponding pairs. We propose a spatial similarity measure and compare it to existing similar measures. We also compared a set of terminological similarity measures in order to select the appropriate measure to compare values of a given attribute. Once corresponding entities are detected, a data fusion algorithm is proposed to merge corresponding entities and to estimate the uncertainty of chosen values. The uncertainty is then used to inform users about the accuracy of the information they receive.Finally, we studied the visualization of merged entities in interactive maps. We use cognitive tests to find which visual variables to use and what information to be represented directly and what information to be represented on demand. We proved the feasibility and the benefits of our study by implementing a multi providers LBS prototype and by evaluating our proposal for potentially users.; Les services de géolocalisation (LBS) sont impliqués dans de nombreuses applications pour fournir des informations géospatiales pertinentes basées sur une position ou une adresse géographique. La quantité de données géospatiales disponible augmente constamment et constitue des sources d'informations précieuses pour enrichir les applications LBS. Cependant, ces données géospatiales sont souvent incohérentes et contradictoires d'une source à l'autre. Aussi, pensons-nous que l'intégration de données géospatiales à partir de plusieurs sources peut améliorer la qualité de l'information offerte aux utilisateurs.Dans cette thèse, nous nous intéresserons plus spécifiquement aux données représentant les points d'intérêt (POIs) que les touristes peuvent obtenir grâce à des applications LBS. Techniquement, un POI est représenté par une entité géospatiale qui décrit ses informations terminologiques et spatiales. La récupération, l'alignement et la fusion de ces entités géospatiales mènent a plusieurs des. Nous nous focalisons principalement sur trois principaux des : (i) traiter les différents schémas et structures des entités, (ii) détecter et fusionner les entités correspondantes issues de multiples sources et (iii) tenir compte de l'incertitude liée aux entités intégrées et proposer leur représentation dans les applications LBS.Tout d'abord, nous présentons un aperçu technique qui met en évidence les méthodes utilisées par les actuels fournisseurs LBS pour partager leurs POIs ainsi que leurs limites. Ensuite, nous définissons une taxonomie de différences et d'incohérences observées entre les entités qui représentent les POIs. Cette taxonomie permet de modéliser et de comprendre comment les données peuvent différer d'une source à l'autre, ce qui nous aide à étudier comment nous devrions les intégrer. En se basant sur cette taxonomie, nous présentons PABench, un benchmark pour l'alignement des entités géospatiales. PABench peut fournir une évaluation précise des différents aspects de la qualité des approches d'alignement d'entités géospatiales et également faciliter la compréhension de leurs capacités et faiblesses quant à l'intégration aérospatiale.En ce qui concerne l'intégration des données, nous nous concentrons sur deux étapes : l'alignement d'entités et la fusion d'entités. Nous proposons l'approche Global Similarity pour l'alignement des entités géospatiales qui utilise à la fois des informations spatiales et terminologiques pour détecter les entités correspondantes. Au préalable notre approche consiste à utiliser une méthode de blocage spatial pour réduire le nombre d'entités potentiellement correspondantes. Ensuite, les entités groupées sont comparées en utilisant des mesures de similarité an de détecter les paires correspondantes. Pour les attributs spatiaux, nous utilisons une mesure que nous avons définie et comparée à d'autres mesures existantes. Pour les attributs terminologiques, nous utilisons des mesures de similarité issues de la littérature que nous avons sélectionnée selon le type de l'attribut. Une fois les entités correspondantes détectées, un algorithme de fusion de données est mis en œuvre pour fusionner les entités correspondantes et pour estimer l'incertitude des valeurs choisies. L'incertitude sera ensuite utilisée pour informer les utilisateurs de l'exactitude des informations qu'ils reçoivent. Enfin, nous avons étudié la visualisation d'entités fusionnées et de l'incertitude dans des cartes interactives. Nous utilisons des tests cognitifs pour déterminer les variables visuelles à utiliser et les informations à représenter directement et les informations a représenter a la demande. Nous montrons la faisabilité et l'intérêt de notre étude en développant un prototype LBS multifournisseurs et en évaluant notre proposition pour les utilisateurs potentiels.

International audience; The tremendous increase of data sources containing spatial information is bound up with the diversity of geospatial applications such as location-based services (LBS) and global positioning systems. LBS providers use maps to locate spatial entities referring to points of interest (POI), for instance restaurants or locations of events. In our study, we specifically focus on places that tourists can get through LBS. The multiplication of these providers has an impact on the quality of data: spatial entities referring to the same POI may include spatial and terminological properties with incomplete, inconsistent, inaccurate or even wrong data. Thus, entity matching approaches have been proposed to discover correspondences between spatial entities, and experimental validations are traditionally performed to demonstrate the performance of these approaches in terms of effectiveness and efficiency. However, the datasets used in these experiments are rarely available, thus limiting their reuse and a fair comparison between the proposed approaches. This paper introduces PABench, a benchmark for spatial entity matching, which is available for researchers to assess their algorithms. Our benchmark includes a taxonomy of observed differences, inconsistencies and errors, which enables the characterization of different LBS providers. PABench can provide a complete and accurate evaluation of the different aspects of spatial entity matching approaches, and also facilitate an understanding of their weaknesses and abilities with respect to spatial integration. This paper provides a conceptual platform to enable LBS interoperability.

International audience; In the last decade, a large market for location-based services and geospatial applications has emerged. Multiple cartographic providers propose their visualization tool for displaying points of interests. However, the data describing spatial entities is often incomplete and contradictory from one provider to another, thus limiting further applications such as geospatial data mining. Recent works in entity matching tackle this issue by discovering correspondences between spatial entities that refer to the same real world location. To evaluate and compare these works, we propose GeoBench, a tool which facilitates the building of a benchmark for spatial entity matching.