論文の概要: GeoGLUE: A GeoGraphic Language Understanding Evaluation Benchmark
- arxiv url: http://arxiv.org/abs/2305.06545v1
- Date: Thu, 11 May 2023 03:21:56 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-12 16:07:06.020726
- Title: GeoGLUE: A GeoGraphic Language Understanding Evaluation Benchmark
- Title（参考訳）: geoglue:地理的言語理解評価ベンチマーク
- Authors: Dongyang Li, Ruixue Ding, Qiang Zhang, Zheng Li, Boli Chen, Pengjun
Xie, Yao Xu, Xin Li, Ning Guo, Fei Huang and Xiaofeng He
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 56.08664336835741
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With a fast developing pace of geographic applications, automatable and
intelligent models are essential to be designed to handle the large volume of
information. However, few researchers focus on geographic natural language
processing, and there has never been a benchmark to build a unified standard.
In this work, we propose a GeoGraphic Language Understanding Evaluation
benchmark, named GeoGLUE. We collect data from open-released geographic
resources and introduce six natural language understanding tasks, including
geographic textual similarity on recall, geographic textual similarity on
rerank, geographic elements tagging, geographic composition analysis,
geographic where what cut, and geographic entity alignment. We also pro vide
evaluation experiments and analysis of general baselines, indicating the
effectiveness and significance of the GeoGLUE benchmark.
- Abstract（参考訳）: 地理的アプリケーションの開発が急速に進んでいるため、自動化可能かつインテリジェントなモデルは大量の情報を扱うように設計されている。
しかし、地理的自然言語処理にフォーカスする研究者はほとんどおらず、統一標準を構築するためのベンチマークは存在していない。
本研究では,GeoGLUEと呼ばれるGeoGraphic Language Understanding Evaluationベンチマークを提案する。
本研究は,オープンソースの地理資源から収集し,リコール時の地理的テクスト的類似性,リランクにおける地理的テクスト的類似性,地理的要素のタグ付け,地理的構成分析,何カットか,地理的エンティティアライメントなど6つの自然言語理解タスクを導入する。
また,一般ベースラインの評価実験と分析を行い,geoglueベンチマークの有効性と意義を示した。
関連論文リスト
- GeoReasoner: Reasoning On Geospatially Grounded Context For Natural Language Understanding [0.32885740436059047]
GeoReasonerは、地理的に接地された自然言語を推論できる言語モデルである。
まず、Large Language Modelsを利用して、言語推論と距離情報に基づく総合的な位置記述を生成する。
また、方向と距離の情報を擬似文として扱うことで空間埋め込みに符号化する。
論文 参考訳（メタデータ） (2024-08-21T06:35:21Z) - Learning Geospatial Region Embedding with Heterogeneous Graph [16.864563545518124]
様々な下流タスクに対する包括的領域埋め込みを学習するための有効なヘテロジニアスグラフ構造であるGeoHGを提案する。
具体的には、地理的領域分割とPOI(point-of-interest)統合による衛星画像表現学習を、表現的地域内特徴のために調整する。
GeoHGは情報的空間依存性と社会環境特性を強力なヘテロジニアスグラフに統合し、高次の地域間関係の明示的なモデリングを促進する。
論文 参考訳（メタデータ） (2024-05-23T03:19:02Z) - Geospatial Knowledge Graphs [3.0638648756719222]
地理空間知識グラフは地理空間情報の表現と推論のための新しいパラダイムとして登場した。
このエントリではまず、知識グラフにおける重要な概念と、関連する標準化とツールを紹介します。
その後、地理・環境科学における知識グラフの応用に踏み切った。
論文 参考訳（メタデータ） (2024-05-13T11:45:22Z) - GeoLM: Empowering Language Models for Geospatially Grounded Language
Understanding [45.36562604939258]
本稿では,自然言語におけるジオテリティーの理解を深める言語モデルGeoLMを紹介する。
また、GeoLMは、トポノニム認識、トポノニムリンク、関係抽出、ジオエンタリティタイピングをサポートする有望な能力を示すことを示した。
論文 参考訳（メタデータ） (2023-10-23T01:20:01Z) - 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) - GeoNet: Benchmarking Unsupervised Adaptation across Geographies [71.23141626803287]
地理的ロバスト性の問題について検討し、3つの主要な貢献を行う。
まず,地理的適応のための大規模データセットGeoNetを紹介する。
第2に、シーンコンテキストにおける大きな変化から、ドメインシフトの主な原因が生じるという仮説を立てる。
第3に、最先端の教師なしドメイン適応アルゴリズムとアーキテクチャを広範囲に評価する。
論文 参考訳（メタデータ） (2023-03-27T17:59:34Z) - 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)
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。