論文の概要: Unsupervised embedding of trajectories captures the latent structure of
mobility
- arxiv url: http://arxiv.org/abs/2012.02785v1
- Date: Fri, 4 Dec 2020 18:58:41 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-23 00:06:03.658084
- Title: Unsupervised embedding of trajectories captures the latent structure of
mobility
- Title(参考訳): 軌道の非教師的埋め込みは移動の潜在構造を捉える
- Authors: Dakota Murray, Jisung Yoon, Sadamori Kojaku, Rodrigo Costas, Woo-Sung
Jung, Sta\v{s}a Milojevi\'c, Yong-Yeol Ahn
- Abstract要約: ニューラルネットワークの埋め込みモデルにより,位置間のニュアンス関係をベクトル空間にエンコードできることを示す。
科学的組織が組み込まれたことで、文化的・言語的な関係が明らかになり、学術的な名声さえも明らかになる。
データから直接、スケーラブルで高密度で意味のあるモビリティの表現を学習する能力は、ドメイン間でモビリティを研究する新たな道を開くことができる。
- 参考スコア(独自算出の注目度): 2.4761475199733827
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Human mobility and migration drive major societal phenomena such as the
growth and evolution of cities, epidemics, economies, and innovation.
Historically, human mobility has been strongly constrained by physical
separation -- geographic distance. However, geographic distance is becoming
less relevant in the increasingly-globalized world in which physical barriers
are shrinking while linguistic, cultural, and historical relationships are
becoming more important. As understanding mobility is becoming critical for
contemporary society, finding frameworks that can capture this complexity is of
paramount importance. Here, using three distinct human trajectory datasets, we
demonstrate that a neural embedding model can encode nuanced relationships
between locations into a vector-space, providing an effective measure of
distance that reflects the multi-faceted structure of human mobility. Focusing
on the case of scientific mobility, we show that embeddings of scientific
organizations uncover cultural and linguistic relations, and even academic
prestige, at multiple levels of granularity. Furthermore, the embedding vectors
reveal universal relationships between organizational characteristics and their
place in the global landscape of scientific mobility. The ability to learn
scalable, dense, and meaningful representations of mobility directly from the
data can open up a new avenue of studying mobility across domains.
- Abstract(参考訳): 人の移動と移住は、都市の成長と進化、疫病、経済、イノベーションといった社会的な大きな現象を駆動する。
歴史的に、人間の移動は物理的分離(地理的距離)によって強い制約を受けてきた。
しかし、地理的距離は、言語、文化、歴史的関係がより重要になっている間、物理的な障壁が縮小しているグローバル化の世界において、あまり重要ではない。
モビリティを理解することは現代社会にとって重要になっているので、この複雑さを捉えられるフレームワークを見つけることは非常に重要です。
本稿では、3つの異なる人間の軌道データセットを用いて、神経埋め込みモデルが位置間のニュアンス関係をベクトル空間にエンコードできることを実証し、人間のモビリティの多面構造を反映した効果的な距離尺度を提供する。
科学的モビリティの事例に着目して,科学組織の組込みが,文化的・言語的関係,さらには学術的権威を,多段階の粒度で明らかにすることを示した。
さらに, 組込みベクトルは, 科学モビリティのグローバルランドスケープにおける組織的特徴とその位置の普遍的関係を明らかにする。
データから直接、スケーラブルで高密度で有意義なモビリティ表現を学習できることは、ドメイン間のモビリティを研究する新たな道を開くことができる。
関連論文リスト
- Combining Twitter and Mobile Phone Data to Observe Border-Rush: The Turkish-European Border Opening [2.5693085674985117]
2020年にトルコが国境管理を廃止すると決定すると、多くの個人がギリシャ、ブルガリア、トルコの国境に向かって旅した。
しかし、メディアレポートと実際の移行パターンの間の不規則な移動と不一致に関する検証可能な統計が欠如しているため、さらなる調査が必要である。
本研究は,新しいデータソース,特に携帯電話とTwitterのデータを活用することで,この知識ギャップを埋めることを目的とする。
論文 参考訳(メタデータ) (2024-05-21T09:51:15Z) - Named Entity Recognition Under Domain Shift via Metric Learning for Life Sciences [55.185456382328674]
名前付きエンティティ認識モデルの拡張のための転写学習の適用性について検討する。
本モデルでは,(1)アノテートイベントからの知識を付加してエンティティ間の関係を確立するソースドメインにおけるエンティティグループ化,2) 対象ドメインにおけるエンティティの識別を擬似ラベリングとコントラスト学習に頼って,2つのドメイン内のエンティティ間の識別を強化する,という2つの段階で構成されている。
論文 参考訳(メタデータ) (2024-01-19T03:49:28Z) - Unveiling A Core Linguistic Region in Large Language Models [49.860260050718516]
本稿では,脳局在化をプロトタイプとして用いた類似研究を行う。
我々は、言語能力に対応する大規模言語モデルにおいて、中核領域を発見した。
我々は,言語能力の向上が必ずしもモデルの知識レベルの向上に伴わないことを観察する。
論文 参考訳(メタデータ) (2023-10-23T13:31:32Z) - The diaspora model for human migration [0.07852714805965527]
既存のモデルは、フローの変動を説明するために、主に人口規模と移動距離に依存している。
本稿では,移住のダイアスポラモデルを提案し,移住者数(移住者数)と移住者数(国内での目的地)を取り入れた。
本モデルでは,移住者が特定の居住地を選択する確率に影響を及ぼすように,目的地国における既存のディアスポラサイズのみを考慮に入れている。
論文 参考訳(メタデータ) (2023-09-06T15:17:53Z) - Priority-Centric Human Motion Generation in Discrete Latent Space [59.401128190423535]
テキスト・ツー・モーション生成のための優先中心運動離散拡散モデル(M2DM)を提案する。
M2DMは、コード崩壊に対処するために、グローバルな自己注意機構と正規化用語を組み込んでいる。
また、各動きトークンの重要度から決定される革新的なノイズスケジュールを用いた動き離散拡散モデルを提案する。
論文 参考訳(メタデータ) (2023-08-28T10:40:16Z) - MoDi: Unconditional Motion Synthesis from Diverse Data [51.676055380546494]
多様な動きを合成する無条件生成モデルであるMoDiを提案する。
我々のモデルは、多様な、構造化されていない、ラベルなしのモーションデータセットから完全に教師なしの設定で訓練されている。
データセットに構造が欠けているにもかかわらず、潜在空間は意味的にクラスタ化可能であることを示す。
論文 参考訳(メタデータ) (2022-06-16T09:06:25Z) - Recognition of Implicit Geographic Movement in Text [3.3241479835797123]
人間、動物、その他の現象の地理的移動を分析することは、研究の領域の増大である。
我々は地理的な動きを記述しているとラベル付けされた文のコーパスを作成しました。
我々は,より多くのラベルを予測するために,手によるラベル付け,群衆投票による確認,機械学習を用いた反復的なプロセスを開発した。
論文 参考訳(メタデータ) (2022-01-30T12:22:55Z) - Investigating internal migration with network analysis and latent space
representations: An application to Turkey [0.0]
トルコにおける2008年から2020年までの内部移住の構造と動態を詳細に調査する。
古典的マイグレーション法則の集合を同定し,署名付きネットワーク解析,エゴネットワーク解析,表現学習,時間的安定性解析,ネットワーク可視化の様々な手法を用いて検証する。
この結果は、古典的な移住法に従って、ほとんどの移住リンクは、大きな経済活動を持つ都市を含むいくつかの例外と地理的に結びついていることを示している。
論文 参考訳(メタデータ) (2022-01-10T18:58:02Z) - Capturing the diversity of multilingual societies [0.0]
我々は、理論とデータ駆動の観点から、言語シフトにおける作業プロセスについて考察する。
twitterと国勢調査データを用いた多言語社会における言語空間パターンの大規模実証研究は、幅広い多様性をもたらす。
本稿では,他言語の学習が促進され,両言語が絶滅危惧言語の使用を好む場合に,言語共存が達成できるモデルを提案する。
論文 参考訳(メタデータ) (2021-05-06T10:27:43Z) - Translation Artifacts in Cross-lingual Transfer Learning [51.66536640084888]
機械翻訳は、既存の言語間モデルに顕著な影響を与える微妙なアーティファクトを導入することができることを示す。
自然言語の推論では、前提と仮説を独立に翻訳することで、それらの間の語彙的重複を減らすことができる。
また、XNLIでは、それぞれ4.3点と2.8点の翻訳とゼロショットのアプローチを改善している。
論文 参考訳(メタデータ) (2020-04-09T17:54:30Z) - Where New Words Are Born: Distributional Semantic Analysis of Neologisms
and Their Semantic Neighborhoods [51.34667808471513]
分散意味論のパラダイムで定式化されたセマンティック隣人のセマンティック・スパシティと周波数成長率という2つの要因の重要性について検討する。
いずれの因子も単語の出現を予測できるが,後者の仮説はより支持される。
論文 参考訳(メタデータ) (2020-01-21T19:09:49Z)
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。