論文の概要: Artificial Intelligence Studies in Cartography: A Review and Synthesis
of Methods, Applications, and Ethics
- arxiv url: http://arxiv.org/abs/2312.07901v1
- Date: Wed, 13 Dec 2023 05:15:57 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-14 16:33:49.825689
- Title: Artificial Intelligence Studies in Cartography: A Review and Synthesis
of Methods, Applications, and Ethics
- Title（参考訳）: カルトグラフィーにおける人工知能研究 : 方法、応用、倫理のレビューと合成
- Authors: Yuhao Kang and Song Gao and Robert E. Roth
- Abstract要約: 我々はGeoAIと地図学を統合した研究の体系的な内容分析と物語合成を行う。
データソース,データフォーマット,マップ評価,および6つの現代GeoAIモデルなどの地図作成のためのGeoAI手法の次元を同定する。
地図学におけるGeoAIの統合に対処する必要がある5つの倫理的課題を提起する。
- 参考スコア（独自算出の注目度）: 4.665390376528911
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The past decade has witnessed the rapid development of geospatial artificial
intelligence (GeoAI) primarily due to the ground-breaking achievements in deep
learning and machine learning. A growing number of scholars from cartography
have demonstrated successfully that GeoAI can accelerate previously complex
cartographic design tasks and even enable cartographic creativity in new ways.
Despite the promise of GeoAI, researchers and practitioners have growing
concerns about the ethical issues of GeoAI for cartography. In this paper, we
conducted a systematic content analysis and narrative synthesis of research
studies integrating GeoAI and cartography to summarize current research and
development trends regarding the usage of GeoAI for cartographic design. Based
on this review and synthesis, we first identify dimensions of GeoAI methods for
cartography such as data sources, data formats, map evaluations, and six
contemporary GeoAI models, each of which serves a variety of cartographic
tasks. These models include decision trees, knowledge graph and semantic web
technologies, deep convolutional neural networks, generative adversarial
networks, graph neural networks, and reinforcement learning. Further, we
summarize seven cartographic design applications where GeoAI have been
effectively employed: generalization, symbolization, typography, map reading,
map interpretation, map analysis, and map production. We also raise five
potential ethical challenges that need to be addressed in the integration of
GeoAI for cartography: commodification, responsibility, privacy, bias, and
(together) transparency, explainability, and provenance. We conclude by
identifying four potential research directions for future cartographic research
with GeoAI: GeoAI-enabled active cartographic symbolism, human-in-the-loop
GeoAI for cartography, GeoAI-based mapping-as-a-service, and generative GeoAI
for cartography.
- Abstract（参考訳）: 過去10年間、地空間人工知能(GeoAI)の急速な発展は、主にディープラーニングと機械学習における画期的な成果のために見られた。
地図学の研究者は、GeoAIが以前複雑な地図デザインタスクを加速し、新しい方法で地図作成を可能にすることを実証している。
GeoAIの約束にもかかわらず、研究者や実践者は、地図学におけるGeoAIの倫理的問題に懸念を抱いている。
本稿では,GeoAIと地図学を統合した研究の体系的内容分析と物語合成を行い,地図設計におけるGeoAIの利用に関する現在の研究動向をまとめた。
このレビューと合成に基づいて,まず,地図作成のさまざまな役割を果たすデータソース,データフォーマット,地図評価,および6つの現代ジオアイモデルなど,地図作成のためのジオア手法の次元を同定した。
これらのモデルには、決定木、知識グラフとセマンティックウェブ技術、深層畳み込みニューラルネットワーク、生成的敵ネットワーク、グラフニューラルネットワーク、強化学習が含まれる。
さらに,GeoAIが効果的に採用されている地図設計アプリケーションとして,一般化,シンボル化,タイポグラフィ,地図読影,地図解釈,地図解析,地図生成の7つをまとめた。
また、地図作成のためのGeoAIの統合において対処すべき潜在的な倫理的課題として、コモディフィケーション、責任、プライバシ、バイアス、透明性、説明可能性、証明の5つを挙げています。
今後,GeoAIによる地図研究の4つの可能性を探るため,GeoAI対応アクティブな地図シンボル,Human-in-the-loop GeoAI for cartography,GeoAI-based mapping-as-a-service,生成型GeoAI for cartographyについて検討した。
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) - GeoAI Reproducibility and Replicability: a computational and spatial perspective [3.46924652750064]
本稿では,このトピックを計算的,空間的両面から詳細に分析することを目的とする。
まず,GeoAI研究を再現するための主要な目標,すなわち検証(再現性),類似あるいは新しい問題の解法(再現性)の学習と適応,研究成果の一般化可能性(再現性)について検討する。
次に、GeoAI研究におけるR&Rの欠如の原因となる要因について、(1)トレーニングデータの選択と使用、(2)GeoAIモデル設計、トレーニング、デプロイメント、推論プロセスに存在する不確実性について論じる。
論文 参考訳（メタデータ） (2024-04-15T19:43:16Z) - AceMap: Knowledge Discovery through Academic Graph [90.12694363549483]
AceMapは学術グラフによる知識発見のために設計された学術システムである。
本稿では,AceMapデータベースを構築するための高度なデータベース構築手法を提案する。
AceMapは、学術的アイデアの進化をトレースするなど、高度な分析機能を提供する。
論文 参考訳（メタデータ） (2024-03-05T01:17:56Z) - GeoGalactica: A Scientific Large Language Model in Geoscience [95.15911521220052]
大規模言語モデル(LLM)は、自然言語処理(NLP)における幅広いタスクを解く一般的な知識と能力で大きな成功を収めている。
我々は、LLMを地学に特化させ、さらに、地学の膨大なテキストでモデルを事前訓練し、また、カスタム収集した指導チューニングデータセットで得られたモデルを教師付き微調整(SFT)する。
我々はGeoGalacticaを65億のトークンを含む地球科学関連のテキストコーパスで訓練し、最大の地球科学固有のテキストコーパスとして保存する。
次に、100万対の命令チューニングでモデルを微調整する。
論文 参考訳（メタデータ） (2023-12-31T09:22:54Z) - GeoAI in Social Science [0.9527350779226282]
GeoAI(Geospatial AI、地理空間的人工知能)は、人工知能(AI)、地理空間的ビッグデータ、そして膨大なコンピューティングパワーを活用して、高度な自動化と知能の問題を解決するエキサイティングな新しい分野である。
本稿では、社会科学研究におけるAIの進歩を概観し、GeoAIを用いて重要なデータと知識ギャップを埋める重要な進歩について述べる。
論文 参考訳（メタデータ） (2023-12-19T20:23:18Z) - 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) - 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) - Narrative Cartography with Knowledge Graphs [10.715484138543069]
ナレッジグラフ(KG)を用いたナラティブカルトグラフィーの考え方を提案する。
データ取得と統合の課題に取り組むため、我々はKGベースのGeoEnrichmentツールボックスセットを開発した。
このツールの助けを借りて、KGから取得したデータはGIS形式で直接実体化される。
論文 参考訳（メタデータ） (2021-12-02T04:01:17Z)
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。