{
  "fetched_at": "2026-10-20T01:45:19Z",
  "source_url": "https://www.kaggle.com/competitions/defi-textmine-2024/data",
  "pages": [
    {
      "name": "data-description",
      "content": "Le jeu de données fourni dans le cadre de ce Défi TextMine 2024 est constitué de données extraites des instructions nautiques qui sont la propriété du Shom (© Shom 2023). L’usage de ces données est limité aux seules fins du Défi TextMine 2024, organisé par le groupe de travail TextMine.\n\nLe jeu de données est pré-tokenisé et annoté au niveau des tokens. Il est découpé en un jeu d’entraînement et de deux jeux de test \"public\" et \"private\". Le jeu de test \"public\" couvre une zone géographique présente dans le jeu d’entraînement et le jeu de test \"privé\" est un jeu de test privé et jamais vu,  couvrant une zone géographique absente du jeu d’entraînement.\n\nLe jeu d’entraînement contient 39857 tokens.\nLe jeu de test public contient  26173 tokens.\n\n## Fichiers\n\n-   **train.csv** - jeu d'entraînement contenant 39857 tokens.\n-   **test.csv** - jeu d'évaluation contenant 26173 tokens.\n-   **sample_submission.csv** - exemple de fichier à soumettre\n\nTous les fichiers sont au format CSV (champs séparés par des virgules et champs textuels entre guillemets).\n\n## Colonnes\n\nLe fichier **train.csv** comporte 3 colonnes,`Id`, `Token` et `Label`. Le champ label peut être vide. Si plusieurs labels sont associés à un même token, ceux-ci sont listés dans la colonne `Label`, séparés par des espaces.\n\nLe fichier **test.csv** comporte 2 colonnes, `Id` et `Token`.\n\nUne soumission correctement formatée, comme **sample_submission.csv**, comporte 2 colonnes, `Id` et `Label`. La colonne `Id` est alignée avec celle du fichier **test.csv** et la colonne `Label` donne les prédictions pour les tokens correspondant.",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Description",
      "content": "# Contexte\n\nPour l'édition 2024, l’Institut national de l'information géographique et forestière (IGN) et le Service hydrographique et océanographique de la Marine (Shom) proposent de relever le défi de la reconnaissance d’entités spatiales nommées et non nommées à plusieurs niveaux dans les Instructions nautiques, une série d’ouvrages publiée par le Shom. Chaque volume décrit l'environnement maritime côtier d’une zone géographique et donne aux navigateurs les informations nécessaires pour naviguer près des côtes et accéder aux ports en sécurité. Les zones géographiques couvertes par les Instructions nautiques sont réparties autour du monde entier. Le corpus pour ce défi est constitué d’extraits de 15 volumes des Instructions nautiques, annotés selon 3 labels. Il compte au total 66030 tokens et 18537 labels, dont une partie est proposée pour l’apprentissage et l’autre réservée pour le test. Les 3 labels utilisés pour les annotations sont définis de la manière suivante :\n\n- **name** : Pour les noms propres purs (Moncla 2015). Par exemple :\n    - À 8 M à l’ENE du phare de **Nadji**, le port de pêche de **Sidi Abderrahmane** (36° 29,7' N — 1° 05,7' E) est construit au bord du village de **Soug el Bgar** (pointe **Rouge**).\n\n- **geogFeat** : Pour les noms communs qui identifient une caractéristique géographique (Moncla 2015). Par exemple :\n    - À 8 M à l’ENE du **phare** Ede Nadji, le **port de pêche** de Sidi Abderrahmane (36° 29,7' N — 1° 05,7' E) est construit au bord du **village** de Soug el Bgar (**pointe** Rouge).\n\n- **geogName** : Pour le nom associé à une caractéristique géographique (Moncla 2015). Par exemple :\n    - À 8 M à l’ENE du **phare de Nadji**, le **port de pêche de Sidi Abderrahmane** (36° 29,7' N — 1° 05,7' E) est construit au bord du **village de Soug el Bgar** (**pointe Rouge**).\n\nChaque token peut recevoir entre 0 et 2 labels. \nLe jeu de données est annoté avec les 5 classes qui combinent les labels, mentionnées dans le tableau ci-dessous.\n\n| Etiquette | Nombre d'annotations dans le jeu d'entraînement |\n| --- | --- |\n| **geogFeat** | 2 704 |\n| **geogFeat** **geogName** | 1 463 |\n| **geogName** | 910 |\n| **geogName** **name** | 2 117 |\n| tokens sans label | 32 663 | \n\n\n# Organisation\n\n- Helen Mair Rawsthorne, LASTIG, Univ Gustave Eiffel, IGN-ENSG\n- Nathalie Abadie, LASTIG, Univ Gustave Eiffel, IGN-ENSG\n- Adrien Guille, Université Lumière Lyon 2, Laboratoire ERIC\n- Pascal Cuxac, INIST-CNRS\n- Vincent Lemaire, Orange Labs\n- Cédric Lopez, Emvista\n\nContact : textmine@sciencesconf.org \n\n",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Evaluation",
      "content": "Le classement publié sur Kaggle est déterminé selon la micro F1-mesure qui tient compte du support de chaque classe de chacun des jeux de tests décrits dans l'onglet \"Data\".\n\nLe classement final du défi sera établi notamment d'après le classement Kaggle. Pour plus de détails : https://textmine.sciencesconf.org/",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "rules",
      "content": "1. Les données extraites des Instructions nautiques sont la propriété du Shom (copyright Shom 2023). L’usage de ces données est limité aux seules fins du Défi TextMine 2024, organisé par le groupe de travail TextMine ;\n2. Toute participation au défi implique une proposition d’article à l’atelier TextMine qui a lieu chaque année en janvier/février : https://textmine.sciencesconf.org/ ; sans proposition sérieuse d’article, le participant/l’équipe sera disqualifié(e) ; le participant/équipe devra être présent à l’atelier pour présenter son travail.\n3. Toute approche est la bienvenue (par exemple connexionniste, symbolique, à base de connaissances) ;\n4. Chaque participant doit utiliser un unique compte Kaggle pour faire des soumissions. Chaque participant sera disqualifié s’il fait des soumissions via plus d'un compte Kaggle, ou s’il tente de falsifier un compte pour agir en tant que mandataire. \n5. Plusieurs personnes peuvent collaborer en tant qu'équipe ; cependant, vous ne pouvez rejoindre ou former qu'une seule équipe. \n6. La taille limite des équipes est fixée à 10 personnes ;\n7. Vous pouvez soumettre 5 soumissions par jour.\n8. Le partage privé de code ou de données en dehors des équipes n'est pas autorisé. Vous pouvez partager du code s'il est mis à la disposition de tous les participants sur les forums ;\n9. Vous devez sélectionner une unique soumission finale pour le classement définitif ;\n10. Vous ne devez pas annoter à la main ;\n11. Vous ne devez pas utiliser des données annotées dans le domaine des instructions nautiques autres que celles fournies dans le cadre du défi.\n12. Vous devez avoir plus de 18 ans ;\n13. Vous avez la possibilité de partager votre code publiquement à condition que ce partage public ne viole pas les droits de propriété intellectuelle d'un tiers. Si vous décidez de partager votre code, nous vous suggérons d'utiliser Github (https://github.com/). Pour tout autre outil, merci de vous mettre en contact avec les organisateurs.\n14. Chaque soumission sera notée et classée selon la métrique d'évaluation indiquée dans la section Evaluation. Les résultats seront visibles sur le leaderboard de Kaggle.",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    }
  ]
}