論文の概要: Arukikata Travelogue Dataset with Geographic Entity Mention, Coreference, and Link Annotation

• arxiv url: http://arxiv.org/abs/2305.13844v1
• Date: Tue, 23 May 2023 09:07:42 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-24 17:37:50.854197
• Title: Arukikata Travelogue Dataset with Geographic Entity Mention, Coreference, and Link Annotation
• Title（参考訳）: 地理的エンティティ参照、コリファレンス、リンクアノテーションを備えたarukikata travelogueデータセット
• Authors: Shohei Higashiyama, Hiroki Ouchi, Hiroki Teranishi, Hiroyuki Otomo, Yusuke Ide, Aitaro Yamamoto, Hiroyuki Shindo, Yuki Matsuda, Shoko Wakamiya, Naoya Inoue, Ikuya Yamada, Taro Watanabe
• Abstract要約: 本研究では,地理的な関係性を考慮した文書レベルのジオパーシングに着目した。 本稿では,文書レベルのジオパーシングシステムを評価するために設計された日本語旅行用データセットについて述べる。
• 参考スコア（独自算出の注目度）: 25.3010708569682
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Geoparsing is a fundamental technique for analyzing geo-entity information in text. We focus on document-level geoparsing, which considers geographic relatedness among geo-entity mentions, and presents a Japanese travelogue dataset designed for evaluating document-level geoparsing systems. Our dataset comprises 200 travelogue documents with rich geo-entity information: 12,171 mentions, 6,339 coreference clusters, and 2,551 geo-entities linked to geo-database entries.
• Abstract（参考訳）: ジオパーシング(geoparsing)は、テキスト中のジオエンティティ情報を分析する基本的な手法である。 本稿では,地理的関連性を考慮した文書レベルのジオペアリングに着目し,文書レベルのジオペアリングシステムを評価するための日本のトラベローグデータセットを提案する。 我々のデータセットは、ジオデータベースエントリにリンクされた12,171の言及、6,339のコア参照クラスタ、2,551のジオエンティティを含む200の旅行情報からなる。

関連論文リスト

• Geometric Feature Enhanced Knowledge Graph Embedding and Spatial Reasoning [8.561588656662419]
  Geospatial Knowledge Graphs (GeoKGs) は地理と空間関係を相互にモデル化する。 一般的な知識グラフ埋め込み(KGE)技術のような、GeoKGからの採掘と推論のための既存の手法は、認識を欠いている。 本研究の目的は,新しい戦略を開発し,空間関係の幾何学的特徴を統合することで汎用KGEを強化することである。
  論文  参考訳（メタデータ） (2024-10-24T00:53:48Z)
• 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)
• 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)
• K2: A Foundation Language Model for Geoscience Knowledge Understanding and Utilization [105.89544876731942]
  大規模言語モデル(LLM)は自然言語処理の一般分野において大きな成功を収めている。 我々は、地球科学におけるLLM研究をさらに促進するために開発された一連の資源とともに、地球科学における最初のLLMであるK2を提示する。
  論文  参考訳（メタデータ） (2023-06-08T09:29:05Z)
• 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)
• Are We There Yet? Evaluating State-of-the-Art Neural Network based Geoparsers Using EUPEG as a Benchmarking Platform [2.8935588665357077]
  2019年6月、ジオパーシングコンペティション「Toponym Resolution in Scientific Papers」が開催された。 優勝チームは、優れたパフォーマンスを達成するニューラルネットワークベースのジオパーサーを開発した。 本研究は、最近開発されたベンチマークプラットフォームEUPEGを用いて、これらの最先端ジオパーサの体系的評価を行う。
  論文  参考訳（メタデータ） (2020-07-15T03:13:15Z)

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。