論文の概要: Recognition of Implicit Geographic Movement in Text
- arxiv url: http://arxiv.org/abs/2201.12799v1
- Date: Sun, 30 Jan 2022 12:22:55 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-02 07:16:44.451501
- Title: Recognition of Implicit Geographic Movement in Text
- Title(参考訳): テキストにおける暗黙の地理的動きの認識
- Authors: Scott Pezanowski, Prasenjit Mitra
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 3.3241479835797123
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Analyzing the geographic movement of humans, animals, and other phenomena is
a growing field of research. This research has benefited urban planning,
logistics, animal migration understanding, and much more. Typically, the
movement is captured as precise geographic coordinates and time stamps with
Global Positioning Systems (GPS). Although some research uses computational
techniques to take advantage of implicit movement in descriptions of route
directions, hiking paths, and historical exploration routes, innovation would
accelerate with a large and diverse corpus. We created a corpus of sentences
labeled as describing geographic movement or not and including the type of
entity moving. Creating this corpus proved difficult without any comparable
corpora to start with, high human labeling costs, and since movement can at
times be interpreted differently. To overcome these challenges, we developed an
iterative process employing hand labeling, crowd voting for confirmation, and
machine learning to predict more labels. By merging advances in word embeddings
with traditional machine learning models and model ensembling, prediction
accuracy is at an acceptable level to produce a large silver-standard corpus
despite the small gold-standard corpus training set. Our corpus will likely
benefit computational processing of geography in text and spatial cognition, in
addition to detection of movement.
- Abstract(参考訳): 人間、動物、その他の現象の地理的な動きを分析することは、研究の分野である。
この研究は、都市計画、物流、動物移動の理解など多くの恩恵を受けた。
通常、この動きはGPS(Global Positioning Systems)による正確な座標とタイムスタンプとして捉えられる。
いくつかの研究は、計算技術を使ってルートの方向、ハイキング経路、歴史的な探検ルートの記述を暗黙の運動に活用しているが、革新は大規模で多様なコーパスで加速するであろう。
我々は,地理的移動の有無を記述し,実体移動の種類を含む文のコーパスを作成した。
このコーパスを作るには、それと同等のコーパスを使わずに、高い人間のラベリングコストを発生させることが困難であることが判明した。
これらの課題を克服するために, より多くのラベルを予測するために, ハンドラベリング, 群衆投票による確認, 機械学習を用いた反復的プロセスを開発した。
単語埋め込みの進歩を従来の機械学習モデルやモデルアンサンブルと組み合わせることで、小さなゴールドスタンダードコーパストレーニングセットにもかかわらず、大きな銀標準コーパスを生成するための予測精度は許容できるレベルである。
我々のコーパスは、動きの検出に加えて、テキストや空間認識における地理の計算処理に役立ちそうだ。
関連論文リスト
- Incorporating Geo-Diverse Knowledge into Prompting for Increased Geographical Robustness in Object Recognition [24.701574433327746]
地理に基づくオブジェクト知識のための大規模言語モデルを提案することの実現可能性について検討する。
我々は,地理的知識の正規化を提案し,ソースセットで訓練されたソフトプロンプトが未知のターゲットセットに一般化されることを保証する。
DollarStreetのベースラインの推進による精度の向上は、アフリカ/アジア/アメリカからのターゲットデータで+2.8/1.2/1.6、最も厳しいクラスでは+4.6である。
論文 参考訳(メタデータ) (2024-01-03T01:11:16Z) - Navigation with Large Language Models: Semantic Guesswork as a Heuristic
for Planning [73.0990339667978]
不慣れな環境でのナビゲーションは、ロボットにとって大きな課題となる。
言語モデルを用いて、新しい現実世界環境のバイアス探索を行う。
実環境におけるLFGの評価とシミュレーションベンチマークを行った。
論文 参考訳(メタデータ) (2023-10-16T06:21:06Z) - Bridging the Gap between Human Motion and Action Semantics via Kinematic Phrases [59.32509533292653]
動作理解は、動作意味論と行動意味論の信頼性の高いマッピングを確立することを目的としている。
本研究では,人間の動作の客観的な運動事実を適切な抽象化,解釈可能性,一般性で捉えたキネマティック・フェース(KP)を提案する。
KPに基づいて、動作知識ベースを統一し、動作理解システムを構築することができる。
論文 参考訳(メタデータ) (2023-10-06T12:08:15Z) - 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) - SituatedGen: Incorporating Geographical and Temporal Contexts into
Generative Commonsense Reasoning [55.44065342292846]
生成的コモンセンス推論(英: Generative Commonsense reasoning)とは、一群のキーワードが与えられた機械が、コモンセンスの確率で単一のコヒーレントな文を構成することを要求するタスクである。
我々は、この課題をSituatedGenとして定式化し、地理的または時間的エンティティを含むキーワード群を与えられたコントラスト文のペアを生成する。
実験によると、最先端の生成言語モデルは、常識的妥当性のある文を生成するのに苦労し、人間のパフォーマンスよりずっと遅れている。
論文 参考訳(メタデータ) (2023-06-21T20:36:55Z) - 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) - Exploring Descriptions of Movement Through Geovisual Analytics [2.813813570843999]
機械学習とルールに基づく動き関連情報抽出と最先端の可視化技術を組み合わせたGeoMovementを提案する。
動きの描写とともに、我々のツールは動きの欠如を抽出し提示することができる。
論文 参考訳(メタデータ) (2022-03-01T18:23:02Z) - Differentiating Geographic Movement Described in Text Documents [2.813813570843999]
テキストで記述された地理的移動の解釈がいかに難しいかを示す。
我々は、人間が1つの運動記述と別の運動記述を区別するために使用する運動記述の複数の重要な特徴を同定する。
本研究は,テキスト記述形式における地理的移動に関する未使用情報の重要な特徴の理解の向上に寄与する。
論文 参考訳(メタデータ) (2022-01-12T11:49:13Z) - UCPhrase: Unsupervised Context-aware Quality Phrase Tagging [63.86606855524567]
UCPhraseは、教師なしの文脈対応のフレーズタグである。
我々は,一貫した単語列から,高品質なフレーズを銀のラベルとして表現する。
我々の設計は、最先端の事前訓練、教師なし、遠隔管理の手法よりも優れていることを示す。
論文 参考訳(メタデータ) (2021-05-28T19:44:24Z) - Unsupervised embedding of trajectories captures the latent structure of
scientific migration [4.028844692958469]
移動軌跡からの個別位置間のニュアンス関係を符号化するモデルワード2vecの能力を示す。
移動パターンを符号化する Word2vec のパワーは、移動の重力モデルと数学的に等価であることに起因している。
セマンティック構造を利用する手法を用いて、埋め込みが科学的なマイグレーションの基盤となるリッチな構造を学習できることを実証する。
論文 参考訳(メタデータ) (2020-12-04T18:58:41Z)
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。