論文の概要: Discovering Geo-dependent Stories by Combining Density-based Clustering and Thread-based Aggregation techniques

• arxiv url: http://arxiv.org/abs/2312.11076v1
• Date: Mon, 18 Dec 2023 10:17:12 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-20 20:29:51.999750
• Title: Discovering Geo-dependent Stories by Combining Density-based Clustering and Thread-based Aggregation techniques
• Title（参考訳）: 密度に基づくクラスタリングとスレッドに基づくアグリゲーション技術を組み合わせたジオ依存ストーリーの発見
• Authors: H\'ector Cerezo-Costas, Ana Fern\'andez Vilas, Manuela Mart\'in-Vicente, Rebeca P. D\'iaz-Redondo
• Abstract要約: 本稿では,ソーシャルメディアにおけるジオタグ付き投稿のグローバル分析を紹介する。 i)都市における予期せぬ行動の検出と、(ii)何が起こっているのかを推測するためのポストの分析を支援する。 われわれはこの手法を、ニューヨーク市のInstagram活動から7ヶ月にわたって得られたデータセットに適用した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Citizens are actively interacting with their surroundings, especially through social media. Not only do shared posts give important information about what is happening (from the users' perspective), but also the metadata linked to these posts offer relevant data, such as the GPS-location in Location-based Social Networks (LBSNs). In this paper we introduce a global analysis of the geo-tagged posts in social media which supports (i) the detection of unexpected behavior in the city and (ii) the analysis of the posts to infer what is happening. The former is obtained by applying density-based clustering techniques, whereas the latter is consequence of applying natural language processing. We have applied our methodology to a dataset obtained from Instagram activity in New York City for seven months obtaining promising results. The developed algorithms require very low resources, being able to analyze millions of data-points in commodity hardware in less than one hour without applying complex parallelization techniques. Furthermore, the solution can be easily adapted to other geo-tagged data sources without extra effort.
• Abstract（参考訳）: 市民は周囲、特にソーシャルメディアを通じて積極的に交流している。 共有投稿は、何が起きているのか(ユーザの視点から)の重要な情報を提供するだけでなく、これらの投稿にリンクされたメタデータは、位置情報ベースのソーシャルネットワーク(LBSN)におけるGPSロケーションのような関連データを提供する。 本稿では,ソーシャルメディアにおけるジオタグ付き投稿のグローバル分析を紹介する。 (i)都市における予期せぬ行動の検出と対応 (ii)何が起こっているのかを推測する投稿の分析。 前者は密度に基づくクラスタリング手法を適用し,後者は自然言語処理を適用した結果である。 提案手法を,ニューヨーク市におけるInstagramの活動から得られたデータセットに7ヶ月間適用し,有望な結果を得た。 開発されたアルゴリズムは非常に低リソースで、複雑な並列化技術を適用することなく、1時間以内で数百万のデータポイントを分析できる。 さらに、このソリューションは、余分な労力なしで、他のジオタグ付きデータソースに容易に適応できる。

関連論文リスト

• GeoMix: Towards Geometry-Aware Data Augmentation [76.09914619612812]
  Mixupは画像分類におけるラベル付き限られたデータによる課題の緩和にかなりの成功を収めている。 In-place graph editing を利用した簡易かつ解釈可能な混合手法 Geometric Mixup (GeoMix) を提案する。
  論文  参考訳（メタデータ） (2024-07-15T12:58:04Z)
• Where on Earth Do Users Say They Are?: Geo-Entity Linking for Noisy Multilingual User Input [2.516307239032451]
  本稿では,実世界の位置情報をラベル付きユーザ・インプット・ロケーション名から平均的な埋め込みとして表現する手法を提案する。 本稿では,グローバルおよび多言語ソーシャルメディアデータセット上でのジオエンタリティリンクの改善について述べる。
  論文  参考訳（メタデータ） (2024-04-29T15:18:33Z)
• 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)
• 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)
• 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)
• Geo-Information Harvesting from Social Media Data [22.061969480185482]
  オープンプラットフォームやソーシャルメディアからの大量の画像やテキストメッセージは、時間的に準セムのない、空間的に多視点のストリームを形成する。 データ可用性、分析可能なデータ準備、データ管理など、この分野における重要な側面に対処する。 本稿では,地理情報収集と地理応用の文脈において,ソーシャルメディアデータの倫理的考察について論じる。
  論文  参考訳（メタデータ） (2022-11-01T15:47:18Z)
• Semantic Segmentation of Vegetation in Remote Sensing Imagery Using Deep Learning [77.34726150561087]
  本稿では,公開されているリモートセンシングデータからなるマルチモーダル・大規模時間データセットを作成するためのアプローチを提案する。 我々は、異なる種類の植生を分離できる畳み込みニューラルネットワーク(CNN)モデルを使用する。
  論文  参考訳（メタデータ） (2022-09-28T18:51:59Z)
• FedLoc: Federated Learning Framework for Data-Driven Cooperative Localization and Location Data Processing [12.518673970373422]
  データ駆動学習モデルに基づく協調的ローカライゼーションと位置データ処理について考察する。 我々はまず,フェデレート学習の文脈における最先端のアルゴリズムについて検討する。 本稿では,標準,新刊,未公開の各作品から要約した様々な実用事例を紹介する。
  論文  参考訳（メタデータ） (2020-03-08T01:51:56Z)
• Geosocial Location Classification: Associating Type to Places Based on Geotagged Social-Media Posts [22.313111311130662]
  位置への関連付けは、地図を豊かにするために使用することができ、地理空間的応用の多さに役立てることができる。 本研究では, 建物などの立地形態をソーシャルメディアの投稿に基づいて把握し, 位置分類の課題について検討する。
  論文  参考訳（メタデータ） (2020-02-05T16:09:52Z)

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。