論文の概要: GeoSense-AI: Fast Location Inference from Crisis Microblogs

• arxiv url: http://arxiv.org/abs/2512.18225v1
• Date: Sat, 20 Dec 2025 05:46:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-23 18:54:32.238953
• Title: GeoSense-AI: Fast Location Inference from Crisis Microblogs
• Title（参考訳）: GeoSense-AI:危機マイクロブログからの高速位置推定
• Authors: Deepit Sapru,
• Abstract要約: GeoSense-AIは、ノイズの多いマイクロブログストリームからのリアルタイム位置情報のための応用AIパイプラインである。 システムは、レイテンシのオーダ・オブ・ラピッドスループットのために設計されている間、強いF1を達成する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents an applied AI pipeline for realtime geolocation from noisy microblog streams, unifying statistical hashtag segmentation, part-of-speech-driven proper-noun detection, dependency parsing around disaster lexicons, lightweight named-entity recognition, and gazetteer-grounded disambiguation to infer locations directly from text rather than sparse geotags. The approach operationalizes information extraction under streaming constraints, emphasizing low-latency NLP components and efficient validation against geographic knowledge bases to support situational awareness during emergencies. In head to head comparisons with widely used NER toolkits, the system attains strong F1 while being engineered for orders-of-magnitude faster throughput, enabling deployment in live crisis informatics settings. A production map interface demonstrates end-to-end AI functionality ingest, inference, and visualization--surfacing locational signals at scale for floods, outbreaks, and other fastmoving events. By prioritizing robustness to informal text and streaming efficiency, GeoSense-AI illustrates how domain-tuned NLP and knowledge grounding can elevate emergency response beyond conventional geo-tag reliance.
• Abstract（参考訳）: 本稿では,雑音の多いマイクロブログストリームからのリアルタイム位置情報,統計的ハッシュタグセグメンテーションの統一化,音声による固有名詞検出,災害レキシコン周辺の依存性解析,軽量な名義認識,テキストから直接位置を推測するガゼッタグラウンドの曖昧さについて述べる。 この手法は、ストリーミング制約下での情報抽出を運用し、低レイテンシのNLPコンポーネントを強調し、緊急時の状況認識を支援するために地理的知識ベースに対する効率的な検証を行う。 広く使われているNERツールキットと比較して、システムは桁違いの高速スループットのために設計されながら、強力なF1を実現し、ライブ危機情報設定へのデプロイを可能にした。 プロダクションマップインターフェースは、洪水やアウトブレイク、その他の動きの速いイベントに対して、大規模な位置信号の取り込み、推測、可視化といったエンドツーエンドのAI機能を示す。 非公式テキストとストリーミング効率にロバストさを優先することにより、GeoSense-AIは、ドメインチューニングされたNLPと知識基盤が、従来のジオタグ依存を超えた緊急応答をいかに高めるかを示す。

関連論文リスト

• ALIGN: A Vision-Language Framework for High-Accuracy Accident Location Inference through Geo-Spatial Neural Reasoning [0.0]
  低所得国や中所得国の多くは、正確な場所固有のクラッシュデータ不足に直面している。 既存のテキストベースのジオコーディングツールは、多言語および非構造化のニュース環境では性能が良くない。 本研究では,事故座標を推定するための空間推論をエミュレートする視覚言語フレームワークであるALIGNを紹介する。
  論文  参考訳（メタデータ） (2025-11-09T10:44:26Z)
• Empowering LLM Agents with Geospatial Awareness: Toward Grounded Reasoning for Wildfire Response [9.801192259936888]
  既存の統計的アプローチは意味的な文脈を欠くことが多く、イベント全体にわたって一般化し、限定的な解釈性を提供する。 地空間認識層(Geospatial Awareness Layer, GAL)を導入し, LLMエージェントを地球構造データに固定する。 GALは、外部ジオデータベースからインフラストラクチャ、人口統計、地形、気象情報を自動的に取得し、統合する。 このリッチなコンテキストにより、エージェントはエビデンスベースのリソース割り当てレコメンデーションを作成することができる。
  論文  参考訳（メタデータ） (2025-10-14T01:59:02Z)
• SNaRe: Domain-aware Data Generation for Low-Resource Event Detection [77.32937742071475]
  事象検出は、生物医学、法学、疫学のような高度に専門化された領域での推論を可能にするために重要である。 SNaReは、Scout、Narrator、Refinerの3つのコンポーネントから構成される、ドメイン対応の合成データ生成フレームワークである。 Scoutはラベルのないターゲットドメインデータからトリガーを抽出し、高品質なドメイン固有のトリガーリストをキュレートする。 これらのトリガに条件付けされたナレーターは、高品質なドメイン整列文を生成し、Refinerは追加のイベント参照を識別する。
  論文  参考訳（メタデータ） (2025-02-24T18:20:42Z)
• A Novel End-To-End Event Geolocation Method Leveraging Hyperbolic Space and Toponym Hierarchies [0.0]
  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。
  論文  参考訳（メタデータ） (2024-12-14T15:43:58Z)
• Swarm Intelligence in Geo-Localization: A Multi-Agent Large Vision-Language Model Collaborative Framework [51.26566634946208]
  smileGeoは、新しい視覚的ジオローカライゼーションフレームワークである。 エージェント間のコミュニケーションによって、SmithGeoはこれらのエージェントの固有の知識と、検索された情報を統合する。 その結果,本手法は現在の最先端手法よりも優れていた。
  論文  参考訳（メタデータ） (2024-08-21T03:31:30Z)
• 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)
• Typhoon Intensity Prediction with Vision Transformer [51.84456610977905]
  台風強度を正確に予測するために「台風強度変換器(Tint)」を導入する。 Tintは、層ごとにグローバルな受容野を持つ自己認識機構を使用する。 公開されている台風ベンチマークの実験は、Tintの有効性を検証する。
  論文  参考訳（メタデータ） (2023-11-28T03:11:33Z)
• Type Information Utilized Event Detection via Multi-Channel GNNs in Electrical Power Systems [27.132352561001753]
  電力システムにおけるイベント検出は、トリガーとイベントタイプを特定することを目的としており、関連する担当者が緊急対応を迅速に行うのに役立つ。 短い電気記録テキストの長さの制限は、深刻な情報空間を生じさせ、多くの電力系統のドメイン固有用語は、一般的なドメインテキストで事前訓練された言語モデルからの知識の伝達を困難にしている。 本稿では,MC-TEDと呼ばれる電力系統におけるイベント検出のためのタイプ情報を利用したマルチチャネルグラフニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2022-11-15T14:22:27Z)
• Adaptive Local-Component-aware Graph Convolutional Network for One-shot Skeleton-based Action Recognition [54.23513799338309]
  骨格に基づく行動認識のための適応的局所成分認識グラフ畳み込みネットワークを提案する。 我々の手法はグローバルな埋め込みよりも強力な表現を提供し、我々のモデルが最先端に到達するのに役立ちます。
  論文  参考訳（メタデータ） (2022-09-21T02:33:07Z)

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。