論文の概要: Mordecai 3: A Neural Geoparser and Event Geocoder
- arxiv url: http://arxiv.org/abs/2303.13675v1
- Date: Thu, 23 Mar 2023 21:10:04 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-27 16:31:43.864003
- Title: Mordecai 3: A Neural Geoparser and Event Geocoder
- Title（参考訳）: Mordecai 3: ニューラルジオパーザとイベントジオコーダ
- Authors: Andrew Halterman
- Abstract要約: Mordecai3は、新しいエンドツーエンドのテキストジオパーザとイベントジオロケーションシステムである。
新しいニューラルランキングモデルを使用して、文書から抽出された地名をGeonames gatteerへのエントリに解決する。
また、テキストで報告されたイベントと、報告される場所名とをリンクするイベントジオコーディングも行う。
- 参考スコア（独自算出の注目度）: 5.71097144710995
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Mordecai3 is a new end-to-end text geoparser and event geolocation system.
The system performs toponym resolution using a new neural ranking model to
resolve a place name extracted from a document to its entry in the Geonames
gazetteer. It also performs event geocoding, the process of linking events
reported in text with the place names where they are reported to occur, using
an off-the-shelf question-answering model. The toponym resolution model is
trained on a diverse set of existing training data, along with several thousand
newly annotated examples. The paper describes the model, its training process,
and performance comparisons with existing geoparsers. The system is available
as an open source Python library, Mordecai 3, and replaces an earlier
geoparser, Mordecai v2, one of the most widely used text geoparsers (Halterman
2017).
- Abstract（参考訳）: Mordecai3は、新しいエンドツーエンドのテキストジオパーザとイベントジオロケーションシステムである。
このシステムは、新しいニューラルランキングモデルを用いて地名解決を行い、文書から抽出された場所名をジオネームのガゼッタに入力する。
イベントジオコーディング(英: Event Geocoding)は、テキストで報告されたイベントと、報告される場所名とを、既成の質問回答モデルを用いてリンクする処理である。
toponym resolutionモデルは、何千もの新しい注釈付きの例とともに、既存のさまざまなトレーニングデータに基づいてトレーニングされる。
本稿では,モデルとトレーニングプロセス,および既存のジオパーサとの比較について述べる。
このシステムはオープンソースのpythonライブラリであるmordecai 3として利用可能であり、最も広く使われているテキストジオパーサーの1つである以前のgeoparserであるmordecai v2を置き換える(halterman 2017)。
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) - SRAI: Towards Standardization of Geospatial AI [4.246621775040508]
Space Representations for Artificial Intelligence (srai)は、地理空間データを扱うためのPythonライブラリである。
このライブラリは地理空間データをダウンロードし、複数のアルゴリズムを使って特定の領域をマイクロリージョンに分割し、埋め込みモデルを訓練することができる。
Sraiは完全にオープンソースで、Apache 2.0ライセンス下で公開されている。
論文 参考訳（メタデータ） (2023-10-19T18:56:04Z) - GeoCLIP: Clip-Inspired Alignment between Locations and Images for
Effective Worldwide Geo-localization [61.10806364001535]
世界規模のジオローカライゼーションは、地球上のどこでも撮影された画像の正確な位置を特定することを目的としている。
既存のアプローチは、地球を離散的な地理的細胞に分割し、問題を分類タスクに変換する。
画像と対応するGPS位置のアライメントを強制する新しいCLIPにインスパイアされた画像-GPS検索手法であるGeoCLIPを提案する。
論文 参考訳（メタデータ） (2023-09-27T20:54:56Z) - 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) - Improving Toponym Resolution with Better Candidate Generation,
Transformer-based Reranking, and Two-Stage Resolution [30.855736793066406]
ジオコーディング(Geocoding)は、テキスト中の位置参照を地理空間意味論を符号化する構造化データに変換するタスクである。
我々はジオコーディングのための新しいアーキテクチャGeoNormを提案する。
提案手法は,複数データセット上での最先端性能を実現する。
論文 参考訳（メタデータ） (2023-05-18T21:52:48Z) - 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) - 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) - TorchGeo: deep learning with geospatial data [24.789143032205736]
我々はPyTorchディープラーニングエコシステムに地理空間データを統合するためのPythonライブラリであるTorchGeoを紹介した。
TorchGeoは、ベンチマークデータセット、一般的な地理空間データソースのための構成可能なデータセット、地理空間データのためのサンプル、マルチスペクトル画像で動作する変換を提供する。
トーチジオは、マルチスペクトル衛星画像のための事前訓練されたモデルを提供する最初の図書館でもある。
論文 参考訳（メタデータ） (2021-11-17T02:47:33Z) - Viewpoint Invariant Dense Matching for Visual Geolocalization [15.8038460597256]
本研究では,局所的特徴量に基づく画像マッチング手法を提案する。
我々の手法はGeoWarpと呼ばれ、高密度な特徴を抽出する過程において、視点シフトへの不変性を直接埋め込む。
GeoWarpは、既存の視覚的ジオローカライゼーションパイプラインに簡単に組み込むことができる、リグレードメソッドとして効率的に実装されている。
論文 参考訳（メタデータ） (2021-09-20T20:17:38Z) - Regressing Location on Text for Probabilistic Geocoding [0.0]
テキストデータのジオコーディングのためのエンドツーエンド確率モデルを提案する。
ELECTRo-mapと呼ばれるモデルベースのソリューションと,イベントデータのテキストをジオコーディングする最先端のオープンソースシステムを比較した。
論文 参考訳（メタデータ） (2021-06-30T20:04:55Z)
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。