論文の概要: Improving Toponym Resolution with Better Candidate Generation, Transformer-based Reranking, and Two-Stage Resolution

• arxiv url: http://arxiv.org/abs/2305.11315v1
• Date: Thu, 18 May 2023 21:52:48 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-22 17:09:07.027637
• Title: Improving Toponym Resolution with Better Candidate Generation, Transformer-based Reranking, and Two-Stage Resolution
• Title（参考訳）: 候補生成、トランスフォーマーベースのリランキング、および2段階の解像度を改良したtoponym resolutionの改善
• Authors: Zeyu Zhang and Steven Bethard
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 30.855736793066406
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Geocoding is the task of converting location mentions in text into structured data that encodes the geospatial semantics. We propose a new architecture for geocoding, GeoNorm. GeoNorm first uses information retrieval techniques to generate a list of candidate entries from the geospatial ontology. Then it reranks the candidate entries using a transformer-based neural network that incorporates information from the ontology such as the entry's population. This generate-and-rerank process is applied twice: first to resolve the less ambiguous countries, states, and counties, and second to resolve the remaining location mentions, using the identified countries, states, and counties as context. Our proposed toponym resolution framework achieves state-of-the-art performance on multiple datasets. Code and models are available at \url{https://github.com/clulab/geonorm}.
• Abstract（参考訳）: ジオコーディングは、テキスト中の位置参照を地理空間意味論をエンコード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。 GeoNormはまず、地理空間オントロジーから候補項目のリストを生成するために情報検索技術を使用する。 その後、トランスフォーマーベースのニューラルネットワークを使用して候補エントリをリランクし、エントリの人口などのオントロジーからの情報を組み込む。 この生成と参照のプロセスは、まず、曖昧でない国、州、郡を解決し、次に、特定された国、州、郡をコンテキストとして、残りの場所の言及を解決します。 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。 コードとモデルは \url{https://github.com/clulab/geonorm} で利用可能である。

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)
• 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)
• 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)
• Mordecai 3: A Neural Geoparser and Event Geocoder [5.71097144710995]
  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。
  論文  参考訳（メタデータ） (2023-03-23T21:10:04Z)
• 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)
• Transformer Based Geocoding [0.0]
  我々は,自由テキストからの位置情報をシーケンス・ツー・シーケンス問題として予測する問題を定式化する。 我々は、自由テキストを入力として、位置情報を出力として、T5エンコーダ・デコーダ変換モデルを訓練することで、ジオコーディングモデルを得る。
  論文  参考訳（メタデータ） (2023-01-02T10:13:32Z)
• Accurate 3-DoF Camera Geo-Localization via Ground-to-Satellite Image Matching [102.39635336450262]
  地上で取得したクエリ画像とジオタグ付き衛星画像の大規模データベースとをマッチングすることにより、地上から衛星画像のジオローカライズの問題に対処する。 我々の新しい手法は、衛星画像のピクセルサイズの精度まで、クエリー画像のきめ細かい位置を達成できる。
  論文  参考訳（メタデータ） (2022-03-26T20:10:38Z)
• A Review of Location Encoding for GeoAI: Methods and Applications [14.279748049042665]
  より広い地球科学における人工知能モデルに対する一般的なニーズは、様々な種類の空間データを表現し、エンコードすることである。 1つの基本的なステップは、単一のポイント位置を埋め込み空間にエンコードすることである。 この埋め込みは、サポートベクターマシンやニューラルネットワークのような下流機械学習モデルに好適である。
  論文  参考訳（メタデータ） (2021-11-07T05:25:49Z)
• Hierarchical Attention Fusion for Geo-Localization [7.544917072241684]
  地理的ローカライゼーションのためのマルチスケール特徴を用いた階層型アテンション融合ネットワークを提案する。 畳み込みニューラルネットワーク(cnn)から階層的特徴マップを抽出し,抽出した特徴を画像表現に有機的に融合する。 学習は適応重みを用いて自己監督され,各階層レベルから特徴強調の注意を制御できる。
  論文  参考訳（メタデータ） (2021-02-18T07:07:03Z)

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。