論文の概要: Fine-grained Geolocation Prediction of Tweets with Human Machine
Collaboration
- arxiv url: http://arxiv.org/abs/2106.13411v1
- Date: Fri, 25 Jun 2021 03:51:02 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-28 13:14:53.093115
- Title: Fine-grained Geolocation Prediction of Tweets with Human Machine
Collaboration
- Title(参考訳): ヒューマンマシン協調によるつぶやきのきめ細かい位置情報予測
- Authors: Florina Dutt and Subhajit Das
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 3.147379819740595
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Twitter is a useful resource to analyze peoples' opinions on various topics.
Often these topics are correlated or associated with locations from where these
Tweet posts are made. For example, restaurant owners may need to know where
their target customers eat with respect to the sentiment of the posts made
related to food, policy planners may need to analyze citizens' opinion on
relevant issues such as crime, safety, congestion, etc. with respect to
specific parts of the city, or county or state. As promising as this is, less
than $1\%$ of the crawled Tweet posts come with geolocation tags. That makes
accurate prediction of Tweet posts for the non geo-tagged tweets very critical
to analyze data in various domains. In this research, we utilized millions of
Twitter posts and end-users domain expertise to build a set of deep neural
network models using natural language processing (NLP) techniques, that
predicts the geolocation of non geo-tagged Tweet posts at various level of
granularities such as neighborhood, zipcode, and longitude with latitudes. With
multiple neural architecture experiments, and a collaborative human-machine
workflow design, our ongoing work on geolocation detection shows promising
results that empower end-users to correlate relationship between variables of
choice with the location information.
- Abstract(参考訳): Twitterは、さまざまなトピックに関する人々の意見を分析するのに有用なリソースである。
多くの場合、これらのトピックは、これらのつぶやきが投稿された場所と関連付けられている。
例えば、レストランのオーナーは、食事に関する投稿の感情に関して、ターゲットの顧客がどこで食事をしているかを知る必要があり、政策プランナーは、犯罪、安全、渋滞などの関連する問題について、市民の意見を分析する必要がある。
市の特定の部分、または郡または州について。
約束通り、クロールされたツイートの投稿に位置情報タグが付くのは$1\%以下だ。
これにより、ジオタグ付けされていないツイートに対するツイートの正確な予測が、さまざまなドメインのデータ分析に非常に重要である。
本研究では,自然言語処理(NLP)技術を用いて,近隣,ジップコード,緯度などの様々な粒度における非ジオタグのつぶやき投稿の位置を推定するディープニューラルネットワークモデルを構築するために,何百万ものTwitter投稿とエンドユーザドメインの専門知識を活用した。
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、位置情報検出に関する現在進行中の研究は、エンドユーザが選択した変数と位置情報の関係を関連付けるための有望な結果を示している。
関連論文リスト
- 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) - 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) - Predicting the Geolocation of Tweets Using transformer models on Customized Data [17.55660062746406]
本研究は、ツイート/ユーザ位置情報予測タスクを解決することを目的としている。
提案手法は、自然言語処理のためのニューラルネットワークを実装し、位置を推定する。
提案されたモデルの範囲は、Twitterデータセットで微調整されている。
論文 参考訳(メタデータ) (2023-03-14T12:56:47Z) - 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) - 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 General Purpose Neural Architecture for Geospatial Systems [142.43454584836812]
本稿では,空間的帰納バイアスを持つ汎用ニューラルアーキテクチャ(GPNA)の構築に向けたロードマップを示す。
このようなモデルがコミュニティのメンバー間の協力をいかに促進するかを考察する。
論文 参考訳(メタデータ) (2022-11-04T09:58:57Z) - Land Use Detection & Identification using Geo-tagged Tweets [0.0]
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。
論文 参考訳(メタデータ) (2021-01-09T11:32:38Z) - Geosocial Location Classification: Associating Type to Places Based on
Geotagged Social-Media Posts [22.313111311130662]
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。
論文 参考訳(メタデータ) (2020-02-05T16:09:52Z) - From Topic Networks to Distributed Cognitive Maps: Zipfian Topic
Universes in the Area of Volunteered Geographic Information [59.0235296929395]
本研究では,テキストの話題レベルに関する地理情報のエンコードとネットワーク化について検討する。
本研究は,オンラインコミュニケーションにおいて地理的な場所が位置するテーマ宇宙のZipfian組織を示す。
互いに近いかどうかに関わらず、場所はトピックの宇宙における類似の作業にまたがる隣の場所にある。
論文 参考訳(メタデータ) (2020-02-04T18:31:25Z)
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。