論文の概要: A Hierarchical Location Normalization System for Text

• arxiv url: http://arxiv.org/abs/2001.07320v1
• Date: Tue, 21 Jan 2020 03:10:02 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-08 00:02:08.132545
• Title: A Hierarchical Location Normalization System for Text
• Title（参考訳）: テキストの階層的位置正規化システム
• Authors: Dongyun Liang, Guohua Wang, Jing Nie, Binxu Zhai and Xiusen Gu
• Abstract要約: 多くのテキストには、都市名や道路名など、常に不完全か遅滞である位置情報が含まれている。 テキストの管理領域を抽出し、位置正規化と呼ばれる領域階層を整理することが重要である。 我々は,中国の階層的行政区分によるテキストの正規化を行うROIBaseというシステムを提案する。
• 参考スコア（独自算出の注目度）: 9.730806317236768
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: It's natural these days for people to know the local events from massive documents. Many texts contain location information, such as city name or road name, which is always incomplete or latent. It's significant to extract the administrative area of the text and organize the hierarchy of area, called location normalization. Existing detecting location systems either exclude hierarchical normalization or present only a few specific regions. We propose a system named ROIBase that normalizes the text by the Chinese hierarchical administrative divisions. ROIBase adopts a co-occurrence constraint as the basic framework to score the hit of the administrative area, achieves the inference by special embeddings, and expands the recall by the ROI (region of interest). It has high efficiency and interpretability because it mainly establishes on the definite knowledge and has less complex logic than the supervised models. We demonstrate that ROIBase achieves better performance against feasible solutions and is useful as a strong support system for location normalization.
• Abstract（参考訳）: 最近は、大量の文書から地元の出来事を知るのが自然です。 多くのテキストには、都市名や道路名など、常に不完全あるいは潜在的な位置情報が含まれている。 テキストの管理領域を抽出し、位置正規化と呼ばれる領域階層を整理することが重要である。 既存の検出位置システムは階層的正規化を除外するか、特定の領域にのみ存在する。 我々は,中国の階層的行政区分によるテキストの正規化を行うROIBaseというシステムを提案する。 ROIBaseは、管理領域のヒットを評価するための基本的なフレームワークとして共起制約を採用し、特別な埋め込みによる推論を実現し、ROI(関心領域)によるリコールを拡張する。 それは主に明確な知識に基づいており、教師付きモデルよりも複雑な論理を持っているため、高い効率性と解釈性を持っている。 ROIBaseは実現可能なソリューションに対して優れた性能を実現し,位置正規化のための強力なサポートシステムとして有用であることを示す。

関連論文リスト

• Embodied-RAG: General Non-parametric Embodied Memory for Retrieval and Generation [65.23793829741014]
  Embodied-RAGは、非パラメトリックメモリシステムによるエンボディエージェントのモデルを強化するフレームワークである。 コアとなるEmbodied-RAGのメモリはセマンティックフォレストとして構成され、言語記述を様々なレベルで詳細に保存する。 Embodied-RAGがRAGをロボット領域に効果的にブリッジし、200以上の説明とナビゲーションクエリをうまく処理できることを実証する。
  論文  参考訳（メタデータ） (2024-09-26T21:44:11Z)
• Learning Where to Look: Self-supervised Viewpoint Selection for Active Localization using Geometrical Information [68.10033984296247]
  本稿では, 位置決めの精度を高めるために, 視点選択の重要性を強調し, アクティブな位置決め領域について検討する。 私たちのコントリビューションは、リアルタイム操作用に設計されたシンプルなアーキテクチャ、自己教師付きデータトレーニング方法、および実世界のロボティクスアプリケーションに適した計画フレームワークにマップを一貫して統合する能力による、データ駆動型アプローチの使用に関するものです。
  論文  参考訳（メタデータ） (2024-07-22T12:32:09Z)
• SRFUND: A Multi-Granularity Hierarchical Structure Reconstruction Benchmark in Form Understanding [55.48936731641802]
  階層的に構造化されたマルチタスク形式理解ベンチマークであるSRFUNDを提案する。 SRFUNDはオリジナルのFUNSDとXFUNDデータセットの上に洗練されたアノテーションを提供する。 データセットには、英語、中国語、日本語、ドイツ語、フランス語、スペイン語、イタリア語、ポルトガル語を含む8つの言語が含まれている。
  論文  参考訳（メタデータ） (2024-06-13T02:35:55Z)
• Review-Based Cross-Domain Recommendation via Hyperbolic Embedding and Hierarchy-Aware Domain Disentanglement [0.65268245109828]
  Cross-Domain Recommendation (CDR)は、ドメイン共有可能な知識をキャプチャし、よりリッチなドメインからスパサーに転送する。 本稿では,ユーザ・イテム関係をモデル化するためのレビューテキストに基づく双曲型CDR手法を提案する。
  論文  参考訳（メタデータ） (2024-03-29T17:15:21Z)
• Diving into the Depths of Spotting Text in Multi-Domain Noisy Scenes [11.478236584340255]
  雑音の多い水中のシーンに対して,UWT (Under-Water Text) と呼ばれるテキストスポッティング検証ベンチマークを提案する。 また,DA-TextSpotterと呼ばれる,高効率な超解像ベースのエンドツーエンド変換器ベースラインを設計する。 データセット、コード、事前トレーニングされたモデルは、受け入れ次第リリースされる。
  論文  参考訳（メタデータ） (2023-10-01T03:27:41Z)
• Geo-Encoder: A Chunk-Argument Bi-Encoder Framework for Chinese Geographic Re-Ranking [61.60169764507917]
  中国の地理的再ランクタスクは、検索された候補者の中で最も関連性の高い住所を見つけることを目的としている。 そこで我々は,中国語の地理的意味論をより効果的に統合する,革新的なフレームワークであるGeo-Encoderを提案する。
  論文  参考訳（メタデータ） (2023-09-04T13:44:50Z)
• MGeo: Multi-Modal Geographic Pre-Training Method [49.78466122982627]
  マルチモーダルジオグラフィック言語モデル(MGeo)を提案する。 MGeoはGCを新しいモダリティとして表現し、正確なクエリ-POIマッチングのためのマルチモーダル相関を完全に抽出することができる。 提案するマルチモーダル事前学習法は,汎用PTMのクエリ-POIマッチング能力を大幅に向上させることができる。
  論文  参考訳（メタデータ） (2023-01-11T03:05:12Z)
• Location reference recognition from texts: A survey and comparison [9.36819544451632]
  まず、地理情報検索、災害管理、災害監視、交通管理、空間人文科学、観光管理、犯罪管理の7つの典型的な応用分野を概説する。 次に、世界中の39,736個の位置参照を含む異なるタイプのテキストを持つ26の公開データセットに基づいて、最も広く使われている位置参照認識のための27の精度と計算効率を徹底的に評価した。
  論文  参考訳（メタデータ） (2022-07-04T19:25:15Z)
• Surface Reconstruction from Point Clouds by Learning Predictive Context Priors [68.12457459590921]
  点雲からの表面の再構成は、3Dコンピュータビジョンにとって不可欠である。 推論時に各ポイントクラウドに対して予測的クエリを学習することで予測的コンテキスト優先を導入する。 一つの形状や複雑なシーンの表面再構成実験の結果, 広く使用されているベンチマークでは, 最先端のベンチマークよりも顕著な改善が見られた。
  論文  参考訳（メタデータ） (2022-04-23T08:11:33Z)
• FindIt: Generalized Localization with Natural Language Queries [43.07139534653485]
  FindItは、さまざまな視覚的グラウンドとローカライゼーションタスクを統合する、シンプルで汎用的なフレームワークである。 我々のアーキテクチャの鍵は、異なるローカライゼーション要求を統一する効率的なマルチスケール融合モジュールである。 エンドツーエンドのトレーニング可能なフレームワークは、幅広い参照表現、ローカライゼーション、検出クエリに柔軟かつ正確に対応します。
  論文  参考訳（メタデータ） (2022-03-31T17:59:30Z)
• Hierarchical Context Embedding for Region-based Object Detection [40.9463003508027]
  階層型コンテキスト埋め込み(HCE)フレームワークは、プラグイン・アンド・プレイコンポーネントとして適用することができる。 文脈依存型オブジェクトカテゴリの認識を促進するために,画像レベルのカテゴリ埋め込みモジュールを提案する。 画像全体と関心領域の両方に階層的に埋め込まれたコンテキスト情報を活用することで、新しいRoI機能を生成する。
  論文  参考訳（メタデータ） (2020-08-04T05:33:22Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。