論文の概要: A Topic Modeling Approach to Classifying Open Street Map Health Clinics and Schools in Sub-Saharan Africa

• arxiv url: http://arxiv.org/abs/2212.12084v1
• Date: Thu, 22 Dec 2022 23:56:43 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-26 16:52:20.814354
• Title: A Topic Modeling Approach to Classifying Open Street Map Health Clinics and Schools in Sub-Saharan Africa
• Title（参考訳）: サハラ以南のアフリカにおけるオープンストリートマップ医療施設と学校を分類するためのトピックモデリングアプローチ
• Authors: Joshua W. Anderson, Luis I\~naki Alberro Encina, Tina George Karippacheril, Jonathan Hersh, Cadence Stringer
• Abstract要約: OpenStreetMapには、建物やその他の構造に関する何百万もの記録がある。 これらのデータの多くは、複雑で構造化されていないテキストでロックされており、学校や診療所の分類には適していないように見える。 アフリカ10カ国の学校や医療クリニックの位置を抽出するために,OpenStreetMap構築データにスケーラブルで教師なしの学習手法を適用した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Data deprivation, or the lack of easily available and actionable information on the well-being of individuals, is a significant challenge for the developing world and an impediment to the design and operationalization of policies intended to alleviate poverty. In this paper we explore the suitability of data derived from OpenStreetMap to proxy for the location of two crucial public services: schools and health clinics. Thanks to the efforts of thousands of digital humanitarians, online mapping repositories such as OpenStreetMap contain millions of records on buildings and other structures, delineating both their location and often their use. Unfortunately much of this data is locked in complex, unstructured text rendering it seemingly unsuitable for classifying schools or clinics. We apply a scalable, unsupervised learning method to unlabeled OpenStreetMap building data to extract the location of schools and health clinics in ten countries in Africa. We find the topic modeling approach greatly improves performance versus reliance on structured keys alone. We validate our results by comparing schools and clinics identified by our OSM method versus those identified by the WHO, and describe OSM coverage gaps more broadly.
• Abstract（参考訳）: データ剥奪、または個人の幸福に関する容易かつ実行可能な情報の欠如は、発展途上国にとって重要な課題であり、貧困を緩和するための政策の設計と運用の障害である。 本稿では,学校と医療クリニックという2つの重要な公共サービスの位置を代行するために,OpenStreetMapから派生したデータの適合性を検討する。 何千人ものデジタル人道主義者の努力のおかげで、OpenStreetMapのようなオンラインマッピングリポジトリには、建物やその他の構造に関する数百万のレコードが含まれており、その場所と頻繁に使用される。 残念ながら、これらのデータの多くは複雑で構造化されていないテキストでロックされており、学校や診療所の分類には適していないように見える。 スケーラブルで教師なしの学習手法をopenstreetmapビルディングデータに適用し,アフリカの10か国における学校や診療所の位置を抽出した。 トピックモデリングアプローチは、構造化キーのみに依存するよりもパフォーマンスを大幅に改善する。 我々は,OSM法で同定された学校とクリニックとWHOで同定されたクリニックを比較検討し,より広い範囲でOSMカバレッジギャップを記述した。

関連論文リスト

• Extracting the U.S. building types from OpenStreetMap data [0.16060719742433224]
  この研究は、アメリカ合衆国全体をカバーする住宅・非住宅の分類を提供することで包括的なデータセットを作成する。 そこで我々は,ビルディングフットプリントと利用可能なOpenStreetMap情報に基づいて,ビルディングタイプを分類するための教師なし機械学習手法を提案し,活用する。 この検証は、非住宅の建物分類の高精度化と、住宅用建物の高いリコールを示す。
  論文  参考訳（メタデータ） (2024-09-09T15:05:27Z)
• Medical Unlearnable Examples: Securing Medical Data from Unauthorized Training via Sparsity-Aware Local Masking [24.850260039814774]
  商用AIモデルのトレーニングのような、認可されていない使用の恐れは、研究者が貴重なデータセットを共有するのを妨げる。 本研究では,画像全体ではなく重要な画素領域を選択的に摂動するSALM法を提案する。 実験により,SALMは,異なるモデルの不正なトレーニングを効果的に防止し,従来のSoTAデータ保護手法より優れていることが示された。
  論文  参考訳（メタデータ） (2024-03-15T02:35:36Z)
• Development and validation of a natural language processing algorithm to pseudonymize documents in the context of a clinical data warehouse [53.797797404164946]
  この研究は、この領域でツールやリソースを共有する際に直面する困難を浮き彫りにしている。 臨床文献のコーパスを12種類に分類した。 私たちは、ディープラーニングモデルと手動ルールの結果をマージして、ハイブリッドシステムを構築します。
  論文  参考訳（メタデータ） (2023-03-23T17:17:46Z)
• When Accuracy Meets Privacy: Two-Stage Federated Transfer Learning Framework in Classification of Medical Images on Limited Data: A COVID-19 Case Study [77.34726150561087]
  新型コロナウイルスのパンデミックが急速に広がり、世界の医療資源が不足している。 CNNは医療画像の解析に広く利用され、検証されている。
  論文  参考訳（メタデータ） (2022-03-24T02:09:41Z)
• Practical Challenges in Differentially-Private Federated Survival Analysis of Medical Data [57.19441629270029]
  本稿では,ニューラルネットワークの本質的特性を活用し,生存分析モデルの訓練過程を関連づける。 小さな医療データセットと少数のデータセンターの現実的な設定では、このノイズはモデルを収束させるのが難しくなります。 DPFed-post は,私的フェデレート学習方式に後処理の段階を追加する。
  論文  参考訳（メタデータ） (2022-02-08T10:03:24Z)
• Uncovering commercial activity in informal cities [0.0]
  街路ビュー画像を用いて「可視企業」と呼ぶものを検出するアルゴリズムを提案する。 コロンビアのメデランをケーススタディとして、このアプローチがこれまで見つからなかった経済活動の解明にどのように使用できるかを説明します。
  論文  参考訳（メタデータ） (2021-04-09T18:12:52Z)
• FLOP: Federated Learning on Medical Datasets using Partial Networks [84.54663831520853]
  新型コロナウイルスの感染拡大で医療資源が不足している。 新型コロナウイルスの診断を緩和するために、さまざまなデータ駆動型ディープラーニングモデルが開発されている。 患者のプライバシー上の懸念から、データそのものはまだ乏しい。 我々は、textbfPartial Networks (FLOP) を用いた、シンプルで効果的な textbfFederated textbfL textbfon Medical データセットを提案する。
  論文  参考訳（メタデータ） (2021-02-10T01:56:58Z)
• Deploying machine learning to assist digital humanitarians: making image annotation in OpenStreetMap more efficient [72.44260113860061]
  本稿では,OpenStreetMapにおけるボランティアの作業を支援し,最適化するためのインタラクティブな手法を提案する。 提案手法は,OSMのボランティアが検証・修正するために必要なデータ量を大幅に削減する。
  論文  参考訳（メタデータ） (2020-09-17T10:05:30Z)
• OpenStreetMap: Challenges and Opportunities in Machine Learning and Remote Sensing [66.23463054467653]
  本稿では,OpenStreetMapデータの改良と利用のための機械学習に基づく最近の手法について述べる。 私たちは、OSMがリモートセンシングデータの解釈方法を変え、機械学習とのシナジーが参加型マップ作成をスケールできると考えている。
  論文  参考訳（メタデータ） (2020-07-13T09:58:14Z)
• Road Mapping in Low Data Environments with OpenStreetMap [0.3162999570707049]
  道路の地理的分布の包括的かつ最新のマッピングは、広範な経済発展の指標として機能する可能性がある。 本研究は,OpenStreetMapのような高解像度衛星画像とクラウドソーシングリソースの,そのようなマッピング構築における可能性について検討する。
  論文  参考訳（メタデータ） (2020-06-14T19:39:57Z)

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。