論文の概要: Geo-knowledge-guided GPT models improve the extraction of location descriptions from disaster-related social media messages

• arxiv url: http://arxiv.org/abs/2310.09340v1
• Date: Fri, 13 Oct 2023 18:09:21 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-17 22:22:52.283590
• Title: Geo-knowledge-guided GPT models improve the extraction of location descriptions from disaster-related social media messages
• Title（参考訳）: 地理知識誘導型GPTモデルによる災害関連ソーシャルメディアメッセージからの位置情報記述の抽出
• Authors: Yingjie Hu, Gengchen Mai, Chris Cundy, Kristy Choi, Ni Lao, Wei Liu, Gaurish Lakhanpal, Ryan Zhenqi Zhou, Kenneth Joseph
• Abstract要約: 位置記述のジオ知識と生成事前学習変換器(GPT)モデルとを融合する手法を提案する。 その結果,災害関連ソーシャルメディアメッセージから位置情報を正確に抽出できる地理知識誘導型GPTモデルが得られた。
• 参考スコア（独自算出の注目度）: 18.39470021424765
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Social media messages posted by people during natural disasters often contain important location descriptions, such as the locations of victims. Recent research has shown that many of these location descriptions go beyond simple place names, such as city names and street names, and are difficult to extract using typical named entity recognition (NER) tools. While advanced machine learning models could be trained, they require large labeled training datasets that can be time-consuming and labor-intensive to create. In this work, we propose a method that fuses geo-knowledge of location descriptions and a Generative Pre-trained Transformer (GPT) model, such as ChatGPT and GPT-4. The result is a geo-knowledge-guided GPT model that can accurately extract location descriptions from disaster-related social media messages. Also, only 22 training examples encoding geo-knowledge are used in our method. We conduct experiments to compare this method with nine alternative approaches on a dataset of tweets from Hurricane Harvey. Our method demonstrates an over 40% improvement over typically used NER approaches. The experiment results also show that geo-knowledge is indispensable for guiding the behavior of GPT models. The extracted location descriptions can help disaster responders reach victims more quickly and may even save lives.
• Abstract（参考訳）: 自然災害時に人々が投稿したソーシャルメディアのメッセージには、被害者の場所などの重要な位置説明が含まれていることが多い。 近年の研究では、これらの位置記述の多くは都市名や通り名といった単純な地名以上のものであり、典型的名前付きエンティティ認識(ner)ツールを用いると抽出が困難であることが示されている。 高度な機械学習モデルをトレーニングすることは可能だが、作成に要する時間と労力を要する大きなラベル付きトレーニングデータセットが必要になる。 本研究では、位置記述のジオ知識と、ChatGPTやGPT-4のような生成前変換器(GPT)モデルを融合する手法を提案する。 その結果,災害関連ソーシャルメディアから位置情報を正確に抽出できる地理知識誘導型GPTモデルが得られた。 また,geo-knowledgeをエンコードするトレーニング例は22例のみである。 この手法をハリケーン・ハーベイのツイートのデータセット上で9つの代替手法と比較する実験を行った。 本手法は,一般的なnerアプローチよりも40%以上改善することを示す。 また, GPTモデルの振舞いを導くためにはジオ知識が不可欠であることを示す。 抽出された場所の説明は、災害対応者がより早く犠牲者にたどり着くのに役立つ。

関連論文リスト

• Geo-FuB: A Method for Constructing an Operator-Function Knowledge Base for Geospatial Code Generation Tasks Using Large Language Models [0.5242869847419834]
  本研究では,地理空間記述のセマンティクスを活用して,そのような知識基盤を構築するためのフレームワークを提案する。 サンプルの知識ベースであるGeo-FuBは154,075のGoogle Earth Engineスクリプトで構築されており、GitHubで公開されている。
  論文  参考訳（メタデータ） (2024-10-28T12:50:27Z)
• GeoLLM: Extracting Geospatial Knowledge from Large Language Models [49.20315582673223]
  大規模言語モデルから地理空間的知識を効果的に抽出する新しい手法であるGeoLLMを提案する。 我々は、人口密度や経済生活の計測など、国際社会への関心の中心となる複数の課題にまたがるアプローチの有用性を実証する。 実験の結果, LLMは試料効率が高く, 地理空間情報に富み, 世界中のロバストであることがわかった。
  論文  参考訳（メタデータ） (2023-10-10T00:03:23Z)
• 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)
• GeoGPT: Understanding and Processing Geospatial Tasks through An Autonomous GPT [6.618846295332767]
  GISの意思決定者は、空間的タスクを解決するために、一連の空間的アルゴリズムと演算を組み合わせる必要がある。 我々は,地理空間データ収集,処理,解析を自律的に行うことのできるGeoGPTと呼ばれる新しいフレームワークを開発した。
  論文  参考訳（メタデータ） (2023-07-16T03:03:59Z)
• TopoBERT: Plug and Play Toponym Recognition Module Harnessing Fine-tuned BERT [11.446721140340575]
  TopoBERTは,一次元畳み込みニューラルネットワーク(CNN1D)と変換器による双方向表現(BERT)に基づくトポニム認識モジュールである。 TopoBERTは、他の5つのベースラインモデルと比較して最先端のパフォーマンスを達成し、追加のトレーニングなしで様々なトポニム認識タスクに適用することができる。
  論文  参考訳（メタデータ） (2023-01-31T13:44:34Z)
• A General Purpose Neural Architecture for Geospatial Systems [142.43454584836812]
  本稿では,空間的帰納バイアスを持つ汎用ニューラルアーキテクチャ(GPNA)の構築に向けたロードマップを示す。 このようなモデルがコミュニティのメンバー間の協力をいかに促進するかを考察する。
  論文  参考訳（メタデータ） (2022-11-04T09:58:57Z)
• Location reference recognition from texts: A survey and comparison [9.36819544451632]
  まず、地理情報検索、災害管理、災害監視、交通管理、空間人文科学、観光管理、犯罪管理の7つの典型的な応用分野を概説する。 次に、世界中の39,736個の位置参照を含む異なるタイプのテキストを持つ26の公開データセットに基づいて、最も広く使われている位置参照認識のための27の精度と計算効率を徹底的に評価した。
  論文  参考訳（メタデータ） (2022-07-04T19:25:15Z)
• LocUNet: Fast Urban Positioning Using Radio Maps and Deep Learning [59.17191114000146]
  LocUNet: 基地局(BSs)からの受信信号強度(RSS)のみに基づく深層学習手法 提案手法では,BSsからのRSSを,クラウド上に存在する可能性のある中央処理ユニット(CPU)にローカライズする。 推定されたBSのパスロスラジオマップを用いて、LocUNetは最先端の精度でユーザをローカライズし、無線マップの不正確性に対して高い堅牢性を享受する。
  論文  参考訳（メタデータ） (2022-02-01T20:27:46Z)
• AutoGeoLabel: Automated Label Generation for Geospatial Machine Learning [69.47585818994959]
  リモートセンシングデータのためのラベルの自動生成のためのビッグデータ処理パイプラインを評価する。 我々は,大規模データプラットフォームであるIBM PAIRSを用いて,密集都市部でそのようなラベルを動的に生成する。
  論文  参考訳（メタデータ） (2022-01-31T20:02:22Z)
• GANmapper: geographical content filling [0.0]
  本稿では,GAN(Generative Adversarial Network)を用いた空間データ生成手法を提案する。 当社のコントリビューションでは、粗大で広く利用可能な地理空間データを使用して、構築された環境のより細かいスケールで、あまり利用できない機能のマップを作成しています。 我々は、土地利用データと道路ネットワークを入力として、建物のフットプリントを生成し、世界中の9都市で実験を行う。
  論文  参考訳（メタデータ） (2021-08-07T05:50:54Z)
• Real-time Outdoor Localization Using Radio Maps: A Deep Learning Approach [59.17191114000146]
  LocUNet: ローカライゼーションタスクのための畳み込み、エンドツーエンドのトレーニングニューラルネットワーク(NN)。 我々は,LocUNetがユーザを最先端の精度でローカライズし,無線マップ推定における不正確性が高いことを示す。
  論文  参考訳（メタデータ） (2021-06-23T17:27:04Z)

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。