論文の概要: Where did you tweet from? Inferring the origin locations of tweets based on contextual information

• arxiv url: http://arxiv.org/abs/2211.16506v1
• Date: Fri, 18 Nov 2022 01:33:01 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-04 14:33:15.571194
• Title: Where did you tweet from? Inferring the origin locations of tweets based on contextual information
• Title（参考訳）: どこからツイートしたの? 文脈情報に基づくツイートの起源位置推定
• Authors: Rabindra Lamsal, Aaron Harwood, Maria Rodriguez Read
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.2320417845168326
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Public conversations on Twitter comprise many pertinent topics including disasters, protests, politics, propaganda, sports, climate change, epidemics/pandemic outbreaks, etc., that can have both regional and global aspects. Spatial discourse analysis rely on geographical data. However, today less than 1% of tweets are geotagged; in both cases--point location or bounding place information. A major issue with tweets is that Twitter users can be at location A and exchange conversations specific to location B, which we call the Location A/B problem. The problem is considered solved if location entities can be classified as either origin locations (Location As) or non-origin locations (Location Bs). In this work, we propose a simple yet effective framework--the True Origin Model--to address the problem that uses machine-level natural language understanding to identify tweets that conceivably contain their origin location information. The model achieves promising accuracy at country (80%), state (67%), city (58%), county (56%) and district (64%) levels with support from a Location Extraction Model as basic as the CoNLL-2003-based RoBERTa. We employ a tweet contexualizer (locBERT) which is one of the core components of the proposed model, to investigate multiple tweets' distributions for understanding Twitter users' tweeting behavior in terms of mentioning origin and non-origin locations. We also highlight a major concern with the currently regarded gold standard test set (ground truth) methodology, introduce a new data set, and identify further research avenues for advancing the area.
• Abstract（参考訳）: 災害、抗議活動、政治、プロパガンダ、スポーツ、気候変動、疫病/パンデミックアウトブレイクなど、地域的・グローバル的な側面を持つ多くのトピックがTwitter上で公開されている。 空間談話分析は地理データに依存する。 しかし、現在ツイートの1%未満がジオタグされている。 ツイートの大きな問題は、twitterユーザーがロケーションaにいて、ロケーションa/b問題と呼ばれるロケーションb特有の会話を交換できることだ。 この問題は、位置実体が原位置(位置As)または非オリジン位置(位置Bs)に分類できる場合に解決される。 そこで本研究では,機械レベルでの自然言語理解を用いて,原点情報を含むツイートを識別する問題に対処する,シンプルで効果的なフレームワークであるTrue Origin Modelを提案する。 このモデルは国 (80%) 、州 (67%)、都市 (58%)、郡 (56%)、地区 (64%) で有望な精度を達成し、2003年ベースのロバータと同様に位置抽出モデルから支援されている。 提案モデルのコアコンポーネントの一つであるtweet contexualizer (locbert) を用いて,複数のツイートの分布を調査し,twitterユーザのツイート行動を理解する。 我々はまた、現在見られているゴールドスタンダードテストセット(地上真実)方法論に対する大きな懸念を強調し、新しいデータセットを導入し、その領域を前進させるためのさらなる研究方法を特定する。

関連論文リスト

• CityGuessr: City-Level Video Geo-Localization on a Global Scale [54.371452373726584]
  本稿では, 都市, 州, 国, 大陸を階層的に予測することを目的とした, グローバルな地平化の新たな課題を提案する。 この問題を解決するためのモデルをトレーニングするために、世界中をカバーした大規模なビデオデータセットは存在しない。 我々は、世界中の166都市から68,269の動画からなる新しいデータセット、CityGuessr68kを紹介した。
  論文  参考訳（メタデータ） (2024-11-10T03:20:00Z)
• Your Car Tells Me Where You Drove: A Novel Path Inference Attack via CAN Bus and OBD-II Data [57.22545280370174]
  On Path Diagnostic - Intrusion & Inference (OPD-II) は物理カーモデルとマップマッチングアルゴリズムを利用した新しい経路推論攻撃である。 我々は4台の異なる車両と41トラックの道路および交通シナリオに対する攻撃を実行した。
  論文  参考訳（メタデータ） (2024-06-30T04:21:46Z)
• 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)
• ContCommRTD: A Distributed Content-based Misinformation-aware Community Detection System for Real-Time Disaster Reporting [0.5156484100374059]
  本稿では,危険関連事象とその進化について,ほぼリアルタイムに情報を提供する新しい分散システムを提案する。 我々の分散災害報告システムは、世界規模のツイート間の社会的関係を解析する。 フェイクニュースを検知する新たな深層学習モデルを提案する。
  論文  参考訳（メタデータ） (2023-01-30T15:28:47Z)
• RATE: Overcoming Noise and Sparsity of Textual Features in Real-Time Location Estimation [18.6505004991784]
  ソーシャルメディア利用者のリアルタイム位置推定は空間的応用に不可欠である。 ツイートテキストは位置推定において最もよく使われる機能であるが、以前の作品のほとんどはノイズやテキストの特徴の幅に悩まされていた。 トピックモデリングをビルディングブロックとして使用し、地理的トピックの変動や語彙の変動を特徴付けることにより、ベクトルの「ワンホット」が直接使用されないようにする。
  論文  参考訳（メタデータ） (2021-11-12T00:57:42Z)
• Identification of Fine-Grained Location Mentions in Crisis Tweets [7.627299398469962]
  ツイート危機データセットを2つ集め、特定の位置タイプで手動でアノテートします。 第1のデータセットには、さまざまな危機イベントからのツイートが含まれており、第2のデータセットには、世界的な新型コロナウイルス(COVID-19)パンデミックからのツイートが含まれている。 ドメイン内およびドメイン間の両方の設定において、これらのデータセットのシーケンスタグ付けのための最先端ディープラーニングモデルの性能について検討する。
  論文  参考訳（メタデータ） (2021-11-11T17:48:03Z)
• 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)
• Zero-Shot Multi-View Indoor Localization via Graph Location Networks [66.05980368549928]
  屋内ローカライゼーションは、位置ベースアプリケーションにおける基本的な問題である。 本稿では,インフラストラクチャフリーで多視点画像に基づく屋内ローカライゼーションを実現するために,新しいニューラルネットワークアーキテクチャであるGraph Location Networks(GLN)を提案する。 GLNは、メッセージパッシングネットワークを通じて画像から抽出されたロバストな位置表現に基づいて位置予測を行う。 新たにゼロショット屋内ローカライズ設定を導入し,提案したGLNを専用ゼロショットバージョンに拡張することで,その課題に対処する。
  論文  参考訳（メタデータ） (2020-08-06T07:36:55Z)
• 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。