論文の概要: Conflating point of interest (POI) data: A systematic review of matching methods

• arxiv url: http://arxiv.org/abs/2310.15320v1
• Date: Mon, 23 Oct 2023 19:38:31 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-25 21:51:03.885852
• Title: Conflating point of interest (POI) data: A systematic review of matching methods
• Title（参考訳）: Conflating Point of interest(POI)データ:マッチング手法の体系的レビュー
• Authors: Kai Sun, Yingjie Hu, Yue Ma, Ryan Zhenqi Zhou, Yunqiang Zhu
• Abstract要約: 関心のポイント(POI)データは、現実世界の場所のデジタル表現を提供する。 多くのPOIデータセットが開発されており、地理的カバレッジ、属性フォーカス、データ品質が異なることが多い。 研究者は、研究領域の場所をよりよく表現するために、2つ以上のPOIデータセットを分割する必要があるかもしれない。
• 参考スコア（独自算出の注目度）: 5.439489511940086
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Point of interest (POI) data provide digital representations of places in the real world, and have been increasingly used to understand human-place interactions, support urban management, and build smart cities. Many POI datasets have been developed, which often have different geographic coverages, attribute focuses, and data quality. From time to time, researchers may need to conflate two or more POI datasets in order to build a better representation of the places in the study areas. While various POI conflation methods have been developed, there lacks a systematic review, and consequently, it is difficult for researchers new to POI conflation to quickly grasp and use these existing methods. This paper fills such a gap. Following the protocol of Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA), we conduct a systematic review by searching through three bibliographic databases using reproducible syntax to identify related studies. We then focus on a main step of POI conflation, i.e., POI matching, and systematically summarize and categorize the identified methods. Current limitations and future opportunities are discussed afterwards. We hope that this review can provide some guidance for researchers interested in conflating POI datasets for their research.
• Abstract（参考訳）: 関心のポイント(POI)データは、現実世界の場所のデジタル表現を提供し、人間と場所の相互作用を理解し、都市管理を支援し、スマートな都市を構築するためにますます利用されている。 多くのPOIデータセットが開発されており、地理的カバレッジ、属性フォーカス、データ品質が異なることが多い。 時折、研究者は研究領域の場所をよりよく表現するために、2つ以上のpoiデータセットを共用する必要があるかもしれない。 様々なPOI Conflation法が開発されているが、体系的なレビューが欠如しており、その結果、POI conflationに慣れた研究者がこれらの既存手法を素早く把握し利用することは困難である。 この論文はそのような隙間を埋める。 PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) のプロトコルに従って,再現可能な構文を用いて3つの書誌データベースを探索し,関連研究の同定を行う。 続いて、POI Conflationの主なステップ、すなわち、POI マッチングに焦点を合わせ、特定されたメソッドを体系的に要約し分類する。 その後、現在の限界と今後の機会について論じる。 このレビューは、研究用のPOIデータセットの融合に関心のある研究者に、いくつかのガイダンスを提供することを期待しています。

関連論文リスト

• SPIQA: A Dataset for Multimodal Question Answering on Scientific Papers [43.18330795060871]
  SPIQAは、科学研究論文の文脈内で複雑な図形や表を解釈するために設計されたデータセットである。 データセット作成には自動および手動のキュレーションを使用します。 SPIQAは270Kの質問をトレーニング、検証、3つの異なる評価分割に分割する。
  論文  参考訳（メタデータ） (2024-07-12T16:37:59Z)
• A Comprehensive Survey on Underwater Image Enhancement Based on Deep Learning [51.7818820745221]
  水中画像強調(UIE)はコンピュータビジョン研究において重要な課題である。 多数のUIEアルゴリズムが開発されているにもかかわらず、網羅的で体系的なレビューはいまだに欠落している。
  論文  参考訳（メタデータ） (2024-05-30T04:46:40Z)
• Using Graph Neural Networks to Predict Local Culture [2.5870115809699783]
  本研究では, 周辺地域の内部特性に関する複数の情報ソースを結合し, 評価するグラフニューラルネットワーク(GNN)手法を提案する。 Yelpからパブリックな大規模データセットを探索することにより、近隣属性の予測における構造的連結性を考慮したアプローチの可能性を示す。
  論文  参考訳（メタデータ） (2024-02-27T21:43:14Z)
• A Survey on Data Selection for Language Models [148.300726396877]
  データ選択方法は、トレーニングデータセットに含まれるデータポイントを決定することを目的としている。 ディープラーニングは、主に実証的な証拠によって駆動され、大規模なデータに対する実験は高価である。 広範なデータ選択研究のリソースを持つ組織はほとんどない。
  論文  参考訳（メタデータ） (2024-02-26T18:54:35Z)
• 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)
• Self-supervised Graph-based Point-of-interest Recommendation [66.58064122520747]
  Next Point-of-Interest (POI)レコメンデーションは、ロケーションベースのeコマースにおいて重要なコンポーネントとなっている。 自己教師付きグラフ強化POIレコメンデーション(S2GRec)を次のPOIレコメンデーションのために提案する。 特に,グローバル・トランジション・グラフと局所軌道グラフの両方からの協調的な信号を組み込むために,グラフ強化セルフアテンテート・レイヤを考案した。
  論文  参考訳（メタデータ） (2022-10-22T17:29:34Z)
• Research Trends and Applications of Data Augmentation Algorithms [77.34726150561087]
  我々は,データ拡張アルゴリズムの適用分野,使用するアルゴリズムの種類,重要な研究動向,時間経過に伴う研究の進展,およびデータ拡張文学における研究ギャップを同定する。 我々は、読者がデータ拡張の可能性を理解し、将来の研究方向を特定し、データ拡張研究の中で質問を開くことを期待する。
  論文  参考訳（メタデータ） (2022-07-18T11:38:32Z)
• DeepShovel: An Online Collaborative Platform for Data Extraction in Geoscience Literature with AI Assistance [48.55345030503826]
  地質学者は、関連する結果やデータを発見、抽出、集約するために膨大な量の文献を読む必要がある。 DeepShovelは、彼らのニーズをサポートするAI支援データ抽出システムである。 14人の研究者によるユーザ評価の結果、DeepShovelは科学データベース構築のためのデータ抽出の効率を改善した。
  論文  参考訳（メタデータ） (2022-02-21T12:18:08Z)
• An End-to-end Point of Interest (POI) Conflation Framework [0.966840768820136]
  ポイント・オブ・関心(POI)データは、興味のある場所に関する意味情報の貴重な情報源として機能する。 本研究では,6段階からなる新しいエンドツーエンドのPOI Conflationフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-09-13T15:50:48Z)
• Evaluating the state-of-the-art in mapping research spaces: a Brazilian case study [0.0]
  最近の2つの研究は、科学者の出版記録から研究地図を作成する方法を提案している。 与えられたエンティティが新しいフィールドに入るかどうかを予測するモデルの能力を評価します。 これらのモデルがどのようにブラジルの文脈で科学のダイナミクスを特徴づけることができるかを示すケーススタディを実施します。
  論文  参考訳（メタデータ） (2021-04-07T18:14:41Z)

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。