論文の概要: Geosocial Location Classification: Associating Type to Places Based on Geotagged Social-Media Posts

• arxiv url: http://arxiv.org/abs/2002.01846v2
• Date: Fri, 18 Sep 2020 11:16:46 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-03 21:46:38.796608
• Title: Geosocial Location Classification: Associating Type to Places Based on Geotagged Social-Media Posts
• Title（参考訳）: ジオソーシャル・ロケーション分類:ジオタグ付きソーシャル・メディア投稿に基づく場所への類型化
• Authors: Elad Kravi, Benny Kimelfeld, Yaron Kanza, Roi Reichart
• Abstract要約: 位置への関連付けは、地図を豊かにするために使用することができ、地理空間的応用の多さに役立てることができる。 本研究では, 建物などの立地形態をソーシャルメディアの投稿に基づいて把握し, 位置分類の課題について検討する。
• 参考スコア（独自算出の注目度）: 22.313111311130662
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Associating type to locations can be used to enrich maps and can serve a plethora of geospatial applications. An automatic method to do so could make the process less expensive in terms of human labor, and faster to react to changes. In this paper we study the problem of Geosocial Location Classification, where the type of a site, e.g., a building, is discovered based on social-media posts. Our goal is to correctly associate a set of messages posted in a small radius around a given location with the corresponding location type, e.g., school, church, restaurant or museum. We explore two approaches to the problem: (a) a pipeline approach, where each message is first classified, and then the location associated with the message set is inferred from the individual message labels; and (b) a joint approach where the individual messages are simultaneously processed to yield the desired location type. We tested the two approaches over a dataset of geotagged tweets. Our results demonstrate the superiority of the joint approach. Moreover, we show that due to the unique structure of the problem, where weakly-related messages are jointly processed to yield a single final label, linear classifiers outperform deep neural network alternatives.
• Abstract（参考訳）: 位置へのアソシエーション型は、地図を豊かにするために使用することができ、多くの地理空間アプリケーションに役立つ。 自動的な方法では、人的労力の面でのコスト削減や、変化への対応の迅速化が期待できる。 本稿では,ソーシャル・メディアの投稿に基づいて,建物などのサイトの種類が発見される場所分類の問題点について検討する。 私たちの目標は、ある場所の小さな半径に投稿されたメッセージセットと、対応する場所タイプ、例えば学校、教会、レストラン、博物館とを正確に関連付けることです。 この問題に対する2つのアプローチを探る。 (a)まず各メッセージが分類され、次にそのメッセージセットに関連付けられた場所が個々のメッセージラベルから推測されるパイプラインアプローチ b)個々のメッセージが同時に処理され、所望の場所タイプが生成される共同アプローチ。 ジオタグ付きツイートのデータセット上で2つのアプローチを試した。 本結果は,関節アプローチの優位性を示すものである。 さらに,この問題の一意な構造から,弱い関連メッセージが単一のファイナルラベルを生成するために処理される場合,線形分類器はディープニューラルネットワークの代替手段よりも優れていることを示す。

関連論文リスト

• Where on Earth Do Users Say They Are?: Geo-Entity Linking for Noisy Multilingual User Input [2.516307239032451]
  本稿では,実世界の位置情報をラベル付きユーザ・インプット・ロケーション名から平均的な埋め込みとして表現する手法を提案する。 本稿では,グローバルおよび多言語ソーシャルメディアデータセット上でのジオエンタリティリンクの改善について述べる。
  論文  参考訳（メタデータ） (2024-04-29T15:18:33Z)
• Discovering Geo-dependent Stories by Combining Density-based Clustering and Thread-based Aggregation techniques [0.0]
  本稿では,ソーシャルメディアにおけるジオタグ付き投稿のグローバル分析を紹介する。 i)都市における予期せぬ行動の検出と、(ii)何が起こっているのかを推測するためのポストの分析を支援する。 われわれはこの手法を、ニューヨーク市のInstagram活動から7ヶ月にわたって得られたデータセットに適用した。
  論文  参考訳（メタデータ） (2023-12-18T10:17:12Z)
• GeoCLIP: Clip-Inspired Alignment between Locations and Images for Effective Worldwide Geo-localization [61.10806364001535]
  世界規模のジオローカライゼーションは、地球上のどこでも撮影された画像の正確な位置を特定することを目的としている。 既存のアプローチは、地球を離散的な地理的細胞に分割し、問題を分類タスクに変換する。 画像と対応するGPS位置のアライメントを強制する新しいCLIPにインスパイアされた画像-GPS検索手法であるGeoCLIPを提案する。
  論文  参考訳（メタデータ） (2023-09-27T20:54:56Z)
• 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)
• GeoGLUE: A GeoGraphic Language Understanding Evaluation Benchmark [56.08664336835741]
  我々はGeoGLUEと呼ばれるGeoGraphic Language Understanding Evaluationベンチマークを提案する。 オープンソースの地理資源からデータを収集し、6つの自然言語理解タスクを導入する。 我々は,GeoGLUEベンチマークの有効性と意義を示す一般ベースラインの評価実験と解析を行った。
  論文  参考訳（メタデータ） (2023-05-11T03:21:56Z)
• Text to Point Cloud Localization with Relation-Enhanced Transformer [14.635206837740231]
  テキスト・ツー・ポイント・クラウドのクロスモーダルなローカライゼーション問題に焦点をあてる。 都市スケールの点雲から記述された場所を特定することを目的としている。 本稿では,表現の識別性を改善するために,RET(Relation-Enhanced Transformer)を提案する。
  論文  参考訳（メタデータ） (2023-01-13T02:58:49Z)
• 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)
• G^3: Geolocation via Guidebook Grounding [92.46774241823562]
  本研究では,人間が位置情報に用いている視覚的特徴を記述した人書きガイドブックから,明示的な知識について検討する。 多様な場所からのストリートビュー画像のデータセットを用いたガイドブックグラウンディングによるジオロケーションのタスクを提案する。 提案手法は,Top-1の精度が5%以上向上し,最先端の画像のみの位置決め法よりも大幅に向上する。
  論文  参考訳（メタデータ） (2022-11-28T16:34:40Z)
• 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)
• Fine-grained Geolocation Prediction of Tweets with Human Machine Collaboration [3.147379819740595]
  クロールツイートの投稿に位置情報タグが付くのは、$1%以下だ。 本研究では、何百万ものTwitter投稿とエンドユーザードメインの専門知識を利用して、ディープニューラルネットワークモデルを構築します。 複数のニューラルアーキテクチャ実験と協調的なヒューマンマシンワークフロー設計により、位置検出に関する現在進行中の研究は、有望な結果を示している。
  論文  参考訳（メタデータ） (2021-06-25T03:51:02Z)
• High-Order Information Matters: Learning Relation and Topology for Occluded Person Re-Identification [84.43394420267794]
  本稿では,高次関係とトポロジ情報を識別的特徴とロバストなアライメントのために学習し,新しい枠組みを提案する。 我々のフレームワークはOccluded-Dukeデータセットで最先端の6.5%mAPスコアを大幅に上回っている。
  論文  参考訳（メタデータ） (2020-03-18T12:18:35Z)

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。