論文の概要: geoGAT: Graph Model Based on Attention Mechanism for Geographic Text Classification

• arxiv url: http://arxiv.org/abs/2101.11424v1
• Date: Wed, 13 Jan 2021 09:32:15 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-30 07:59:21.783564
• Title: geoGAT: Graph Model Based on Attention Mechanism for Geographic Text Classification
• Title（参考訳）: geoGAT:地理テキスト分類のための注意機構に基づくグラフモデル
• Authors: Weipeng Jing, Xianyang Song, Donglin Di, Houbing Song
• Abstract要約: 本稿では,注意機構を有するグラフ畳み込みニューラルネットワークの手法を用いてその機能を実現する。 私たちが使ったGeoGATのマクロFスコアは、新しい中国のデータセットで95%に達しました。
• 参考スコア（独自算出の注目度）: 14.42443348221996
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In the area of geographic information processing. There are few researches on geographic text classification. However, the application of this task in Chinese is relatively rare. In our work, we intend to implement a method to extract text containing geographical entities from a large number of network text. The geographic information in these texts is of great practical significance to transportation, urban and rural planning, disaster relief and other fields. We use the method of graph convolutional neural network with attention mechanism to achieve this function. Graph attention networks is an improvement of graph convolutional neural networks. Compared with GCN, the advantage of GAT is that the attention mechanism is proposed to weight the sum of the characteristics of adjacent nodes. In addition, We construct a Chinese dataset containing geographical classification from multiple datasets of Chinese text classification. The Macro-F Score of the geoGAT we used reached 95\% on the new Chinese dataset.
• Abstract（参考訳）: 地理情報処理の分野では 地理的テキスト分類の研究はほとんどない。 しかし、中国語でのこの作業の応用は比較的稀である。 本研究は,多数のネットワークテキストから地理的実体を含むテキストを抽出する手法を実装することを目的としている。 これらのテキストの地理情報は、交通、都市計画、農村計画、災害救助などの分野において、非常に実用的なものである。 本稿では,注意機構を有するグラフ畳み込みニューラルネットワークの手法を用いてその機能を実現する。 グラフアテンションネットワークは、グラフ畳み込みニューラルネットワークの改良である。 gcnと比較してgatの利点は、隣接ノードの特性の和を重み付けるために注意機構が提案されていることである。 また,中国語テキスト分類の複数のデータセットから地理的分類を含む中国語データセットを構築する。 使用したジオガットのマクロfスコアは、新しい中国データセットで95\%に達した。

関連論文リスト

• GNN-LoFI: a Novel Graph Neural Network through Localized Feature-based Histogram Intersection [51.608147732998994]
  グラフニューラルネットワークは、グラフベースの機械学習の選択フレームワークになりつつある。 本稿では,古典的メッセージパッシングに代えて,ノード特徴の局所分布を解析するグラフニューラルネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-01-17T13:04:23Z)
• A Study on Knowledge Graph Embeddings and Graph Neural Networks for Web Of Things [0.0]
  将来的には、Web Of Things(WoT)の領域における知識グラフは、物理世界のデジタル表現を提供することである。 本稿では,グラフエンティティの数値表現を学習するために,最先端知識グラフ埋め込み(KGE)法について検討する。 また、KGEとともにグラフニューラルネットワーク(GNN)を調査し、同じ下流タスクでの性能を比較する。
  論文  参考訳（メタデータ） (2023-10-23T12:36:33Z)
• 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)
• Understanding Graph Convolutional Networks for Text Classification [9.495731689143827]
  本稿では,グラフにおけるノードとエッジの埋め込みの役割と,テキスト分類におけるGCN学習手法を包括的に分析する。 我々の分析はこの種の最初のものであり、各グラフノード/エッジ構築メカニズムの重要性についての有用な洞察を提供する。
  論文  参考訳（メタデータ） (2022-03-30T05:14:31Z)
• Hierarchical Heterogeneous Graph Representation Learning for Short Text Classification [60.233529926965836]
  短文分類のためのグラフニューラルネットワーク(GNN)に基づく ShiNE と呼ばれる新しい手法を提案する。 まず,短文データセットを単語レベル成分グラフからなる階層的不均一グラフとしてモデル化する。 そして、類似した短いテキスト間の効果的なラベル伝搬を容易にするショート文書グラフを動的に学習する。
  論文  参考訳（メタデータ） (2021-10-30T05:33:05Z)
• Self-supervised Graph-level Representation Learning with Local and Global Structure [71.45196938842608]
  自己教師付き全グラフ表現学習のためのローカル・インスタンスとグローバル・セマンティック・ラーニング(GraphLoG)という統合フレームワークを提案する。 GraphLoGは、局所的な類似点の保存に加えて、グローバルなセマンティッククラスタをキャプチャする階層的なプロトタイプも導入している。 モデル学習のための効率的なオンライン予測最大化(EM)アルゴリズムがさらに開発された。
  論文  参考訳（メタデータ） (2021-06-08T05:25:38Z)
• Multi-Level Graph Convolutional Network with Automatic Graph Learning for Hyperspectral Image Classification [63.56018768401328]
  HSI分類のための自動グラフ学習法(MGCN-AGL)を用いたマルチレベルグラフ畳み込みネットワーク(GCN)を提案する。 空間的に隣接する領域における重要度を特徴付けるために注意機構を利用することで、最も関連性の高い情報を適応的に組み込んで意思決定を行うことができる。 MGCN-AGLは局所的に生成した表現表現に基づいて画像領域間の長距離依存性を符号化する。
  論文  参考訳（メタデータ） (2020-09-19T09:26:20Z)

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。