論文の概要: Advancing Large Language Models for Spatiotemporal and Semantic Association Mining of Similar Environmental Events
- arxiv url: http://arxiv.org/abs/2411.12880v1
- Date: Tue, 19 Nov 2024 21:57:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-21 16:12:44.719610
- Title: Advancing Large Language Models for Spatiotemporal and Semantic Association Mining of Similar Environmental Events
- Title（参考訳）: 類似した環境事象の時空間的・意味的関連マイニングのための大規模言語モデルの改善
- Authors: Yuanyuan Tian, Wenwen Li, Lei Hu, Xiao Chen, Michael Brook, Michael Brubaker, Fan Zhang, Anna K. Liljedahl,
- Abstract要約: 本稿では,Large Language Models(LLMs)を利用した新しい検索検索フレームワークを提案する。
本稿では,空間的近接性,時間的関連性,意味的類似性,カテゴリー的類似性などの多面的基準を分類するGTR(Geo-Time Re- rank)戦略を提案する。
提案手法をローカル環境オブザーバ(LEO)ネットワークイベント4万件のデータセットに適用し,複数の最先端高密度検索モデル間で類似イベントを推奨する性能を実現する。
- 参考スコア（独自算出の注目度）: 10.15184389811683
- License:
- Abstract: Retrieval and recommendation are two essential tasks in modern search tools. This paper introduces a novel retrieval-reranking framework leveraging Large Language Models (LLMs) to enhance the spatiotemporal and semantic associated mining and recommendation of relevant unusual climate and environmental events described in news articles and web posts. This framework uses advanced natural language processing techniques to address the limitations of traditional manual curation methods in terms of high labor cost and lack of scalability. Specifically, we explore an optimized solution to employ cutting-edge embedding models for semantically analyzing spatiotemporal events (news) and propose a Geo-Time Re-ranking (GT-R) strategy that integrates multi-faceted criteria including spatial proximity, temporal association, semantic similarity, and category-instructed similarity to rank and identify similar spatiotemporal events. We apply the proposed framework to a dataset of four thousand Local Environmental Observer (LEO) Network events, achieving top performance in recommending similar events among multiple cutting-edge dense retrieval models. The search and recommendation pipeline can be applied to a wide range of similar data search tasks dealing with geospatial and temporal data. We hope that by linking relevant events, we can better aid the general public to gain an enhanced understanding of climate change and its impact on different communities.
- Abstract（参考訳）: 検索とレコメンデーションは、現代の検索ツールに欠かせない2つのタスクである。
本稿では,Large Language Models(LLMs)を活用した新たな検索格付けフレームワークを提案する。
このフレームワークは、高作業コストとスケーラビリティの欠如の観点から、従来の手作業によるキュレーション手法の限界に対処するために、高度な自然言語処理技術を使用する。
具体的には, 空間的近接性, 時間的関連性, 意味的類似性, カテゴリー的類似性などの多面的基準を統合したジオ・タイム・リグレード(GT-R)戦略を提案する。
提案手法を4万件のローカル環境オブザーバ(LEO)ネットワークイベントのデータセットに適用し,複数の最先端高密度検索モデル間の類似イベントを推奨する上で,最高性能を達成する。
探索とレコメンデーションパイプラインは、地理空間的および時間的データを扱う様々な類似したデータ検索タスクに適用できる。
我々は、関連する出来事をリンクすることで、気候変動とその異なるコミュニティへの影響に関する理解を深めるために、一般市民をより良く支援できることを期待している。
関連論文リスト
- Into the Unknown: Generating Geospatial Descriptions for New Environments [18.736071151303726]
レンデブー課題は、同心空間関係の推論を必要とする。
座標と組み合わせたオープンソース記述(例えばウィキペディア)を使用することで、トレーニングデータを提供するが、空間指向の限られたテキストに悩まされる。
新しい環境のための高品質な合成データを生成するための大規模拡張手法を提案する。
論文 参考訳（メタデータ） (2024-06-28T14:56:21Z) - Geode: A Zero-shot Geospatial Question-Answering Agent with Explicit Reasoning and Precise Spatio-Temporal Retrieval [0.0]
本研究では,ゼロショット地理空間的質問応答タスクを高精度に処理するための先駆的システムを提案する。
当社のアプローチは,現在の大規模言語モデルの限界に対処する上で,大幅な改善を図っている。
論文 参考訳（メタデータ） (2024-06-26T21:59:54Z) - Analyzing Temporal Complex Events with Large Language Models? A Benchmark towards Temporal, Long Context Understanding [57.62275091656578]
時間的複合イベント(TCE)として、長い期間にわたって多くのニュース記事から構成される複合イベントについて述べる。
本稿では,Large Language Models (LLMs) を用いて,TCE内のイベントチェーンを系統的に抽出し,解析する手法を提案する。
論文 参考訳（メタデータ） (2024-06-04T16:42:17Z) - SCTc-TE: A Comprehensive Formulation and Benchmark for Temporal Event Forecasting [63.01035584154509]
私たちは完全に自動化されたパイプラインを開発し、約0.6百万のニュース記事からMidEast-TEという大規模なデータセットを構築しました。
このデータセットは、2015年から2022年まで、主に中東地域での協力と紛争イベントに焦点を当てている。
そこで本稿では,SCTc-TE予測にローカルコンテキストとグローバルコンテキストの両方を活用可能なLoGoを提案する。
論文 参考訳（メタデータ） (2023-12-02T07:40:21Z) - Towards Natural Language-Guided Drones: GeoText-1652 Benchmark with Spatial Relation Matching [60.645802236700035]
自然言語コマンドを通じてドローンをナビゲートすることは、アクセス可能なマルチモーダルデータセットが不足しているため、依然として難しい。
我々は新しい自然言語誘導ジオローカライゼーションベンチマークGeoText-1652を紹介する。
このデータセットは、インタラクティブなヒューマンコンピュータプロセスを通じて体系的に構築される。
論文 参考訳（メタデータ） (2023-11-21T17:52:30Z) - CurriculumLoc: Enhancing Cross-Domain Geolocalization through
Multi-Stage Refinement [11.108860387261508]
ビジュアルジオローカライゼーションはコスト効率が高くスケーラブルなタスクであり、未知の場所で撮影された1つ以上のクエリイメージとジオタグ付き参照イメージのセットをマッチングする。
我々は,グローバルな意味認識と局所的幾何学的検証を備えたキーポイント検出と記述法であるCurriculumLocを開発した。
我々は、ALTOで62.6%と94.5%の新しいハイリコール@1スコアをそれぞれ2つの異なる距離で達成した。
論文 参考訳（メタデータ） (2023-11-20T08:40:01Z) - 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) - Exploring the Limits of Historical Information for Temporal Knowledge
Graph Extrapolation [59.417443739208146]
本稿では,歴史的コントラスト学習の新しい学習枠組みに基づくイベント予測モデルを提案する。
CENETは、最も潜在的なエンティティを識別するために、歴史的および非歴史的依存関係の両方を学ぶ。
提案したモデルを5つのベンチマークグラフで評価する。
論文 参考訳（メタデータ） (2023-08-29T03:26:38Z) - Tracking Objects and Activities with Attention for Temporal Sentence
Grounding [51.416914256782505]
時間文 (TSG) は、意味的に自然言語のクエリと一致した時間セグメントを、トリミングされていないセグメントでローカライズすることを目的としている。
本稿では,(A)マルチモーダル・検索空間を生成するクロスモーダル・ターゲット・ジェネレータと(B)マルチモーダル・ターゲットの動作を追跡し,クエリ関連セグメントを予測するテンポラル・センセント・トラッカーとを含む,新しいテンポラル・センセント・トラッカー・ネットワーク(TSTNet)を提案する。
論文 参考訳（メタデータ） (2023-02-21T16:42:52Z) - GEO-BLEU: Similarity Measure for Geospatial Sequences [16.752127721090226]
本稿では,地理空間配列のモデリングと生成において特に有用である新しい類似度尺度GEO-BLEUを提案する。
BLEUは機械翻訳研究で使われる最も一般的な手段の1つであり、n-gramという概念に空間的近接を導入している。
我々は,この測度を確立されたベースラインである動的時間ワープと比較し,実測地空間列に適用する。
論文 参考訳（メタデータ） (2021-12-14T03:50:19Z) - Clustering high dimensional meteorological scenarios: results and
performance index [2.4186361602373823]
本稿では,RTEによる気候シミュレーションにおいて,可能な気候シナリオをグループ化し,選択する問題について議論する。
使用されるデータは、フランスの地理的な場所のグリッド上に200の異なるシナリオの温度時系列からなる。
まず,クラスタ化に使用される距離の選択が,結果の意味に強い影響を与えていることを示す。
論文 参考訳（メタデータ） (2020-12-14T13:06:41Z)
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。