論文の概要: Spatial Entity Resolution between Restaurant Locations and Transportation Destinations in Southeast Asia

• arxiv url: http://arxiv.org/abs/2401.08537v1
• Date: Tue, 16 Jan 2024 17:59:54 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-18 18:50:02.076668
• Title: Spatial Entity Resolution between Restaurant Locations and Transportation Destinations in Southeast Asia
• Title（参考訳）: 東南アジアにおけるレストラン立地と交通規制の空間的実体化
• Authors: Emily Gao, Dominic Widdows
• Abstract要約: 本稿では,POI(Points-of-Interest)とGrabFood(GrabFood)のデータベースから同一の場所エンティティを認識することを試みる。 POI-restaurant Matchはシンガポール、フィリピン、インドネシア、マレーシアで別々に実施された。 実験により、これらの国のレストランの35%以上で、一致するPOIが見つかることが示されている。
• 参考スコア（独自算出の注目度）: 0.054390204258189995
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As a tech company, Grab has expanded from transportation to food delivery, aiming to serve Southeast Asia with hyperlocalized applications. Information about places as transportation destinations can help to improve our knowledge about places as restaurants, so long as the spatial entity resolution problem between these datasets can be solved. In this project, we attempted to recognize identical place entities from databases of Points-of-Interest (POI) and GrabFood restaurants, using their spatial and textual attributes, i.e., latitude, longitude, place name, and street address. Distance metrics were calculated for these attributes and fed to tree-based classifiers. POI-restaurant matching was conducted separately for Singapore, Philippines, Indonesia, and Malaysia. Experimental estimates demonstrate that a matching POI can be found for over 35% of restaurants in these countries. As part of these estimates, test datasets were manually created, and RandomForest, AdaBoost, Gradient Boosting, and XGBoost perform well, with most accuracy, precision, and recall scores close to or higher than 90% for matched vs. unmatched classification. To the authors' knowledge, there are no previous published scientific papers devoted to matching of spatial entities for the Southeast Asia region.
• Abstract（参考訳）: テック企業としてgrabは、輸送から食品配達まで拡大し、東南アジアにハイパーローカライズされたアプリケーションを提供することを目指している。 交通機関としての場所に関する情報は、これらのデータセット間の空間的実体解決の問題が解決できる限り、レストランとしての場所についての知識を改善するのに役立つ。 本研究は,空間的・テキスト的属性(緯度,経度,地名,住所など)を用いて,POI(Points-of-Interest)およびGrabFoodレストランのデータベースから同一の場所エンティティを認識することを試みた。 これらの属性に対して距離指標を算出し,木に基づく分類器に供給した。 POI-restaurant Matchはシンガポール、フィリピン、インドネシア、マレーシアで別々に実施された。 実験により、これらの国のレストランの35%以上で、一致するPOIが見つかることが示されている。 これらの推定の一部として、テストデータセットは手動で作成され、randomforest、adaboost、gradient boosting、xgboostは、最も正確さ、正確さ、リコールスコアが一致した分類と一致しない分類で90%以上である。 著者の知る限り、東南アジア地域の空間的実体のマッチングを専門とする科学論文は、これまでは発表されていない。

関連論文リスト

• RAFA-Net: Region Attention Network For Food Items And Agricultural Stress Recognition [18.77864122988639]
  本研究では、入力画像内の異なる領域間の相関関係を構築することにより、長距離依存をモデル化する領域アテンションスキームを提案する。 提案する食品の地域意識ネットワークとRAFA-Netと呼ばれる農業ストレス認識手法は,3つの食品データセットを用いて実験されている。 RAFA-Netの上位1つのアキュラシーは、それぞれUECFood-100、UECFood-256、MAFood-121データセットで91.69%、91.56%、96.97%である。
  論文  参考訳（メタデータ） (2024-10-16T16:28:08Z)
• 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)
• 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)
• A Coarse-to-Fine Approach for Urban Land Use Mapping Based on Multisource Geospatial Data [4.2968261363970095]
  本稿では,パーセルレベルの都市土地利用マッピングのための機械学習に基づくアプローチを提案する。 まず、道路網から生成された区画に基づいて、都市をビルトアップと非ビルトアップに分割する。 次に,異なる地域におけるパーセルの分類戦略を採用し,最終的に分類結果を統合された土地利用地図に組み合わせた。
  論文  参考訳（メタデータ） (2022-08-18T13:30:56Z)
• Mining Discriminative Food Regions for Accurate Food Recognition [16.78437844398436]
  本稿では,入力画像の分類の精度を一次ネットワークが維持する新しいネットワークアーキテクチャを提案する。 補助ネットワークは、識別食品地域を敵対的にマイニングし、地域ネットワークは、その結果のマイニング地域を分類する。 提案アーキテクチャは、PAR-Netと表現され、エンドツーエンドのトレーニングが可能で、オンライン方式で識別領域をハイライトする。
  論文  参考訳（メタデータ） (2022-07-08T05:09:24Z)
• ISIA Food-500: A Dataset for Large-Scale Food Recognition via Stacked Global-Local Attention Network [50.7720194859196]
  ウィキペディアのリストから500のカテゴリと399,726の画像を含むデータセットISIA Food-500を紹介する。 このデータセットは、既存の一般的なベンチマークデータセットをカテゴリカバレッジとデータボリュームで上回る。 食品認識のための2つのサブネットワークからなるグローバルローカルアテンションネットワークを提案する。
  論文  参考訳（メタデータ） (2020-08-13T02:48:27Z)
• Rethinking Localization Map: Towards Accurate Object Perception with Self-Enhancement Maps [78.2581910688094]
  本研究は, カテゴリーラベルのみを監督として, 正確な対象位置分布マップと対象境界を抽出する, 新たな自己強調手法を提案する。 特に、提案されたセルフエンハンスメントマップは、ILSVRC上で54.88%の最先端のローカライゼーション精度を達成する。
  論文  参考訳（メタデータ） (2020-06-09T12:35:55Z)
• From Topic Networks to Distributed Cognitive Maps: Zipfian Topic Universes in the Area of Volunteered Geographic Information [59.0235296929395]
  本研究では,テキストの話題レベルに関する地理情報のエンコードとネットワーク化について検討する。 本研究は,オンラインコミュニケーションにおいて地理的な場所が位置するテーマ宇宙のZipfian組織を示す。 互いに近いかどうかに関わらず、場所はトピックの宇宙における類似の作業にまたがる隣の場所にある。
  論文  参考訳（メタデータ） (2020-02-04T18:31:25Z)

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。