論文の概要: Geo-Semantic-Parsing: AI-powered geoparsing by traversing semantic knowledge graphs

• arxiv url: http://arxiv.org/abs/2503.01386v1
• Date: Mon, 03 Mar 2025 10:30:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-05 19:26:37.065167
• Title: Geo-Semantic-Parsing: AI-powered geoparsing by traversing semantic knowledge graphs
• Title（参考訳）: ジオ・セマンティック・パーシング(Geo-Semantic-Parsing):意味知識グラフのトラバースによるAIによるジオパーシング
• Authors: Leonardo Nizzoli, Marco Avvenuti, Maurizio Tesconi, Stefano Cresci,
• Abstract要約: ジオ・セマンティック・パーシング(Geo-Semantic-Parsing, GSP)と呼ばれる新しいジオパーシングとジオタグ技術を導入する。 GSPは自由テキストで位置参照を特定し、対応する座標を抽出する。 我々は、約10kのイベント関連ツイートを含むよく知られた参照データセット上で、GSPを評価する。
• 参考スコア（独自算出の注目度）: 0.7422344184734279
• License:
• Abstract: Online social networks convey rich information about geospatial facets of reality. However in most cases, geographic information is not explicit and structured, thus preventing its exploitation in real-time applications. We address this limitation by introducing a novel geoparsing and geotagging technique called Geo-Semantic-Parsing (GSP). GSP identifies location references in free text and extracts the corresponding geographic coordinates. To reach this goal, we employ a semantic annotator to identify relevant portions of the input text and to link them to the corresponding entity in a knowledge graph. Then, we devise and experiment with several efficient strategies for traversing the knowledge graph, thus expanding the available set of information for the geoparsing task. Finally, we exploit all available information for learning a regression model that selects the best entity with which to geotag the input text. We evaluate GSP on a well-known reference dataset including almost 10k event-related tweets, achieving $F1=0.66$. We extensively compare our results with those of 2 baselines and 3 state-of-the-art geoparsing techniques, achieving the best performance. On the same dataset, competitors obtain $F1 \leq 0.55$. We conclude by providing in-depth analyses of our results, showing that the overall superior performance of GSP is mainly due to a large improvement in recall, with respect to existing techniques.
• Abstract（参考訳）: オンラインソーシャルネットワークは、現実の地理空間的側面に関する豊富な情報を伝達する。 しかし、ほとんどの場合、地理情報は明確で構造化されていないため、リアルタイムアプリケーションにおけるその利用を妨げている。 ジオ・セマンティック・パーシング (Geo-Semantic-Parsing, GSP) と呼ばれる新しいジオパーシングとジオタグ技術を導入することで, この制限に対処する。 GSPは自由テキストで位置参照を特定し、対応する座標を抽出する。 この目的を達成するために、私たちは、入力テキストの関連部分を識別し、知識グラフ内の対応するエンティティにリンクするためにセマンティックアノテータを使用します。 そこで我々は,知識グラフをトラバースするための効率的な戦略を考案し,実験し,ジオパーシングタスクに利用可能な情報の集合を広げる。 最後に、入力テキストをジオタグする最適なエンティティを選択する回帰モデルを学ぶために、利用可能なすべての情報を利用する。 我々は、約10kのイベント関連ツイートを含むよく知られた参照データセットでGSPを評価し、F1=0.66$を達成した。 得られた結果と2つのベースラインと3つの最新ジオパーシング技術を比較し,最高の性能を実現した。 同じデータセットで、競合は$F1 \leq 0.55$を得る。 以上の結果から, GSPの総合的な優れた性能は, 主にリコールの大幅な改善によるものであることが示唆された。

関連論文リスト

• Geolocation with Real Human Gameplay Data: A Large-Scale Dataset and Human-Like Reasoning Framework [59.42946541163632]
  3つの重要なコンポーネントを持つ包括的位置決めフレームワークを導入する。 大規模データセットGeoComp、新しい推論手法GeoCoT、評価指標GeoEval。 また,GeoCoTは解釈可能性を高めつつ,位置情報の精度を最大25%向上させることを示した。
  論文  参考訳（メタデータ） (2025-02-19T14:21:25Z)
• The S2 Hierarchical Discrete Global Grid as a Nexus for Data Representation, Integration, and Querying Across Geospatial Knowledge Graphs [4.358099505067763]
  本稿では,KnowWhereGraphにおけるGoogleのS2幾何の実装について概説する。 最終的にこの研究は、スケーラブルなGeoKGを構築するためのDGGSフレームワーク、特にS2の可能性を示している。
  論文  参考訳（メタデータ） (2024-10-18T18:30:05Z)
• 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)
• 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)
• Are We There Yet? Evaluating State-of-the-Art Neural Network based Geoparsers Using EUPEG as a Benchmarking Platform [2.8935588665357077]
  2019年6月、ジオパーシングコンペティション「Toponym Resolution in Scientific Papers」が開催された。 優勝チームは、優れたパフォーマンスを達成するニューラルネットワークベースのジオパーサーを開発した。 本研究は、最近開発されたベンチマークプラットフォームEUPEGを用いて、これらの最先端ジオパーサの体系的評価を行う。
  論文  参考訳（メタデータ） (2020-07-15T03:13:15Z)

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。