Fugu-MT 論文翻訳(概要): Land Use Detection & Identification using Geo-tagged Tweets

論文の概要: Land Use Detection & Identification using Geo-tagged Tweets

arxiv url: http://arxiv.org/abs/2101.03337v1
Date: Sat, 9 Jan 2021 11:32:38 GMT
ステータス: 処理完了
システム内更新日: 2021-04-09 09:44:54.423224
Title: Land Use Detection & Identification using Geo-tagged Tweets
Title（参考訳）: ジオタグ付きつぶやきを用いた土地利用検知・識別
Authors: Saeed Khan and Md Shahzamal
Abstract要約: 本稿では,都市・都市計画を支援するため,多様な土地利用の把握を目的としたジオタグ付きつぶやきを利用する。提案手法では,twitterの行動シグネチャを用いて,教師付き学習を用いて都市内の空間的土地利用を明らかにする。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/publicdomain/zero/1.0/
Abstract: Geo-tagged tweets can potentially help with sensing the interaction of people with their surrounding environment. Based on this hypothesis, this paper makes use of geotagged tweets in order to ascertain various land uses with a broader goal to help with urban/city planning. The proposed method utilises supervised learning to reveal spatial land use within cities with the help of Twitter activity signatures. Specifically, the technique involves using tweets from three cities of Australia namely Brisbane, Melbourne and Sydney. Analytical results are checked against the zoning data provided by respective city councils and a good match is observed between the predicted land use and existing land zoning by the city councils. We show that geo-tagged tweets contain features that can be useful for land use identification.
Abstract（参考訳）: ジオタグ付きツイートは、周囲の環境とのインタラクションを検知するのに役立つ可能性がある。この仮説に基づき,地理タグ付きつぶやきを用いて,都市・都市計画支援のための広い目的の土地利用を確認する。提案手法は,Twitterの行動シグネチャを利用して,都市内の空間的土地利用を明らかにする。具体的には、オーストラリアのブリスベン、メルボルン、シドニーの3都市からのツイートを利用する。各市議会が提供したゾーニングデータに対して分析結果をチェックし、市議会が予測した土地利用と既存の土地ゾーニングとの間に良い一致が観察される。ジオタグ付きつぶやきには,土地利用識別に有用な機能が含まれていることを示す。

関連論文リスト

GeoLLM: Extracting Geospatial Knowledge from Large Language Models [49.20315582673223]
大規模言語モデルから地理空間的知識を効果的に抽出する新しい手法であるGeoLLMを提案する。我々は、人口密度や経済生活の計測など、国際社会への関心の中心となる複数の課題にまたがるアプローチの有用性を実証する。実験の結果, LLMは試料効率が高く, 地理空間情報に富み, 世界中のロバストであることがわかった。
論文参考訳（メタデータ） (2023-10-10T00:03:23Z)
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)
K2: A Foundation Language Model for Geoscience Knowledge Understanding and Utilization [105.89544876731942]
大規模言語モデル(LLM)は自然言語処理の一般分野において大きな成功を収めている。我々は、地球科学におけるLLM研究をさらに促進するために開発された一連の資源とともに、地球科学における最初のLLMであるK2を提示する。
論文参考訳（メタデータ） (2023-06-08T09:29:05Z)
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)
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)
Where did you tweet from? Inferring the origin locations of tweets based on contextual information [0.2320417845168326]
ツイートの1%未満はジオタグされている。ツイートの大きな問題は、Twitterユーザーが位置Aにいて、位置Bに特有の会話を交換できることだ。本稿では,機械レベルでの自然言語理解を用いて,出身地情報を含むツイートを識別するフレームワークを提案する。
論文参考訳（メタデータ） (2022-11-18T01:33:01Z)
A Visual Analytics System for Profiling Urban Land Use Evolution [5.053505466956614]
Urban ChroniclesはオープンソースのWebベースのビジュアル分析システムで、土地利用パターンの変化のインタラクティブな探索を可能にする。数年にわたって異なるスケールでデータを探索することで,システムの能力を示す。
論文参考訳（メタデータ） (2021-12-12T02:36:54Z)
Land use identification through social network interaction [0.0]
本研究では,NLP(Natural Language Processing)を用いた土地利用の識別手法を提案する。目的は、住宅、商業、制度、産業、未建設の5つの主要な土地を識別することである。
論文参考訳（メタデータ） (2021-12-05T22:55:57Z)
GANmapper: geographical content filling [0.0]
本稿では,GAN(Generative Adversarial Network)を用いた空間データ生成手法を提案する。当社のコントリビューションでは、粗大で広く利用可能な地理空間データを使用して、構築された環境のより細かいスケールで、あまり利用できない機能のマップを作成しています。我々は、土地利用データと道路ネットワークを入力として、建物のフットプリントを生成し、世界中の9都市で実験を行う。
論文参考訳（メタデータ） (2021-08-07T05:50:54Z)
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)
Discovering Underground Maps from Fashion [80.02941583103612]
本研究では,都市部の地下地図を自動的に作成する手法を提案する。本手法は,都市全域から公開されている画像を用いて,類似のファッションセンスを持つ地域を探索し,地図を監督せずにセグメント化する。
論文参考訳（メタデータ） (2020-12-04T23:40:59Z)

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。