論文の概要: A Novel End-To-End Event Geolocation Method Leveraging Hyperbolic Space and Toponym Hierarchies
- arxiv url: http://arxiv.org/abs/2412.10870v1
- Date: Sat, 14 Dec 2024 15:43:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-17 13:58:45.648310
- Title: A Novel End-To-End Event Geolocation Method Leveraging Hyperbolic Space and Toponym Hierarchies
- Title(参考訳): 双曲空間とトポニム階層を利用した新しいエンドツーエンドイベントジオロケーション法
- Authors: Yaqiong Qiao, Guojun Huang,
- Abstract要約: ソーシャルデータに基づくイベントのタイムリーな検出とロケーションは、危機対応やリソース割り当てといったアプリケーションにとって重要な情報を提供することができる。
本稿では,双曲空間とトポニム階層を利用した新しいエンドツーエンドイベント位置情報手法(GTOP)を提案する。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: Timely detection and geolocation of events based on social data can provide critical information for applications such as crisis response and resource allocation. However, most existing methods are greatly affected by event detection errors, leading to insufficient geolocation accuracy. To this end, this paper proposes a novel end-to-end event geolocation method (GTOP) leveraging Hyperbolic space and toponym hierarchies. Specifically, the proposed method contains one event detection module and one geolocation module. The event detection module constructs a heterogeneous information networks based on social data, and then constructs a homogeneous message graph and combines it with the text and time feature of the message to learning initial features of nodes. Node features are updated in Hyperbolic space and then fed into a classifier for event detection. To reduce the geolocation error, this paper proposes a noise toponym filtering algorithm (HIST) based on the hierarchical structure of toponyms. HIST analyzes the hierarchical structure of toponyms mentioned in the event cluster, taking the highly frequent city-level locations as the coarse-grained locations for events. By comparing the hierarchical structure of the toponyms within the cluster against those of the coarse-grained locations of events, HIST filters out noisy toponyms. To further improve the geolocation accuracy, we propose a fine-grained pseudo toponyms generation algorithm (FIT) based on the output of HIST, and combine generated pseudo toponyms with filtered toponyms to locate events based on the geographic center points of the combined toponyms. Extensive experiments are conducted on the Chinese dataset constructed in this paper and another public English dataset. The experimental results show that the proposed method is superior to the state-of-the-art baselines.
- Abstract(参考訳): ソーシャルデータに基づくイベントのタイムリーな検出とロケーションは、危機対応やリソース割り当てといったアプリケーションにとって重要な情報を提供することができる。
しかし、既存のほとんどの手法は事象検出誤差に大きく影響されており、位置情報の精度は不十分である。
そこで本研究では,ハイパーボリック空間とトポニム階層を利用した新しいエンドツーエンドイベントジオロケーション手法(GTOP)を提案する。
具体的には,1つのイベント検出モジュールと1つの位置情報モジュールを含む。
イベント検出モジュールは、ソーシャルデータに基づいて異質な情報ネットワークを構築し、同質なメッセージグラフを構築し、メッセージのテキストと時間の特徴を組み合わせてノードの初期特徴を学習する。
ノード機能はHyperbolic空間で更新され、イベント検出のための分類器に入力される。
位置ずれを低減するために,階層構造に基づく雑音トポニムフィルタリングアルゴリズム(HIST)を提案する。
HISTはイベントクラスタで言及されているトポロニムの階層構造を分析し、頻繁な都市レベルの場所をイベントの粗い粒度の場所とみなす。
クラスタ内のトポニムの階層構造とイベントの粗い粒度の場所を比較することで、HISTはノイズの多いトポニムをフィルタリングする。
位置情報の精度をさらに向上するため,HISTの出力に基づく微粒な擬似トポニム生成アルゴリズム (FIT) を提案し, 生成された擬似トポニムとフィルタ付きトポニムを組み合わせて, 合成したトポニムの地理的中心点に基づくイベントの探索を行う。
本論文で構築した中国語のデータセットと、他の公的な英語のデータセットについて、広範囲にわたる実験を行った。
実験の結果,提案手法は最先端のベースラインよりも優れていることがわかった。
関連論文リスト
- HMCGeo: IP Region Prediction Based on Hierarchical Multi-label Classification [9.993613732452122]
位置ベースのサービスやサイバーセキュリティといったアプリケーションでは、粒度の細かいIPロケーションが重要な役割を果たす。
本稿では,HMCGeoというIP領域予測のための階層型マルチラベル分類フレームワークを提案する。
我々は,HMCGeoがすべての地理的粒度に対して優れた性能を示し,既存のIP位置情報法を著しく上回っていることを示す。
論文 参考訳(メタデータ) (2025-01-26T08:58:14Z) - Coupled Laplacian Eigenmaps for Locally-Aware 3D Rigid Point Cloud Matching [0.0]
局所構造を考慮したグラフラプラシアン固有写像に基づく新しい手法を提案する。
ラプラシアン固有写像の順序と符号のあいまいさに対処するために、結合ラプラシアンと呼ばれる新しい作用素を導入する。
これらの高次元空間間の類似性は、形状に一致するような局所的な意味のあるスコアを与えることを示す。
論文 参考訳(メタデータ) (2024-02-27T10:10:12Z) - CPR++: Object Localization via Single Coarse Point Supervision [55.8671776333499]
粗い点修正(CPR)は、アルゴリズムの観点からの意味的分散を緩和する最初の試みである。
CPRは、アノテートされた最初のポイントを置き換えるために、近隣地域のセマンティックセンターポイントを選択することで意味のばらつきを減らす。
CPR++は、スケール情報を取得し、グローバル領域における意味的分散をさらに低減することができる。
論文 参考訳(メタデータ) (2024-01-30T17:38:48Z) - SpatialRank: Urban Event Ranking with NDCG Optimization on
Spatiotemporal Data [55.609946936979036]
本研究ではSpatialRankという新しい空間イベントランキング手法を提案する。
本研究では,SpatialRankが犯罪や交通事故の最も危険性の高い場所を効果的に特定できることを示す。
論文 参考訳(メタデータ) (2023-09-30T06:20:21Z) - 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) - Constructing Indoor Region-based Radio Map without Location Labels [18.34037687586167]
本稿では、位置ラベルを使わずに受信信号強度(RSS)測定から地域ベースの無線マップを開発する。
構築は、屋内エリアの各地域を正確に1度訪問するデバイスから、盲目的に収集されたRSS測定データに基づいて行われる。
提案手法は, 重み付きセントロイド局在化(WCL)ベースラインと比較して, 領域の局所化誤差を約50%削減する。
論文 参考訳(メタデータ) (2023-08-31T14:27:36Z) - Region Prediction for Efficient Robot Localization on Large Maps [5.75614168271028]
そこで本研究では,位置認識のためのマップノードのサブセットを事前選択する手法を提案する。
領域ラベルはディープニューラルネットワークの予測対象となり、ナビゲーション中は、高い確率で予測される領域に関連するノードのみをマッチングとして考慮する。
論文 参考訳(メタデータ) (2023-03-01T07:42:48Z) - Surface Reconstruction from Point Clouds by Learning Predictive Context
Priors [68.12457459590921]
点雲からの表面の再構成は、3Dコンピュータビジョンにとって不可欠である。
推論時に各ポイントクラウドに対して予測的クエリを学習することで予測的コンテキスト優先を導入する。
一つの形状や複雑なシーンの表面再構成実験の結果, 広く使用されているベンチマークでは, 最先端のベンチマークよりも顕著な改善が見られた。
論文 参考訳(メタデータ) (2022-04-23T08:11:33Z) - Viewpoint Invariant Dense Matching for Visual Geolocalization [15.8038460597256]
本研究では,局所的特徴量に基づく画像マッチング手法を提案する。
我々の手法はGeoWarpと呼ばれ、高密度な特徴を抽出する過程において、視点シフトへの不変性を直接埋め込む。
GeoWarpは、既存の視覚的ジオローカライゼーションパイプラインに簡単に組み込むことができる、リグレードメソッドとして効率的に実装されている。
論文 参考訳(メタデータ) (2021-09-20T20:17:38Z) - Local Augmentation for Graph Neural Networks [78.48812244668017]
本稿では,局所的な部分グラフ構造によりノード特性を向上する局所拡張を提案する。
局所的な拡張に基づいて、プラグイン・アンド・プレイ方式で任意のGNNモデルに適用可能な、LA-GNNという新しいフレームワークをさらに設計する。
論文 参考訳(メタデータ) (2021-09-08T18:10:08Z) - Scope Head for Accurate Localization in Object Detection [135.9979405835606]
本研究では,各位置のアンカーを相互依存関係としてモデル化したScopeNetと呼ばれる新しい検出器を提案する。
我々の簡潔で効果的な設計により、提案したScopeNetはCOCOの最先端の成果を達成する。
論文 参考訳(メタデータ) (2020-05-11T04:00:09Z)
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。