論文の概要: Georeferencing Non-Gazetteered Place Names using Biological Specimen Records
- arxiv url: http://arxiv.org/abs/2608.06884v1
- Date: Fri, 07 Aug 2026 07:15:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-10 16:21:25.384434
- Title: Georeferencing Non-Gazetteered Place Names using Biological Specimen Records
- Title（参考訳）: 生物標本記録を用いた地名のジオレファレンス
- Abstract要約: ニュージーランドのAllan Herbarium(英語版)のデジタルデータを用いて、非ガゼッタ地名(NGP)を識別する。
これらの地名は歴史的、垂直的、あるいは口語的であり、収集時の標本の位置を示すランドマークとして使用された。
異なる検体位置と空間的関係の異なる検体記録間で同じ地名の繰り返し発生を利用して,NGP位置の制約を導出する。
- 参考スコア（独自算出の注目度）: 1.9911463513783276
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Biological specimen records collected by natural history institutions constitute a rich source of temporal geographic knowledge, capturing biodiversity information about regional landscapes as they were recorded at different times. Using digitised data from the Allan Herbarium (New Zealand), this study identifies place names in these specimen locality descriptions that are absent from current gazetteers; we refer to these as non-gazetteer place names (NGPs). These place names are typically historical, vernacular, or colloquial and were used as landmarks to describe a specimen's location at the time of collection. We then investigate the problem of georeferencing the NGPs using only the limited information available in the specimen records. To resolve this, we leverage repeated occurrences of the same place name across specimen records with different specimen locations and spatial relation terms, extracting and inverting these relations to derive constraints on NGP locations. This approach is instantiated within deterministic, probabilistic, and LLM-based methods, enabling a comparative analysis of their strengths and limitations for text-based spatial inference. On a pseudo-NGP benchmark, probabilistic inference achieves the highest accuracy (median error 1.43 km; A@1 km 36%), while the LLM yields competitive but less precise estimates (median error 1.80 km; A@1 km 31%), indicating that, despite advances in LLMs, traditional modelling remains advantageous when high spatial precision is required.
- Abstract（参考訳）: 自然史機関が収集した生物標本記録は、地理的知識の豊富な源泉であり、異なる時期に記録された地域景観に関する生物多様性情報を捉えている。
ニュージーランドのAllan Herbarium(英語版)のデジタル化データを用いて、現在のガゼッタから欠落しているこれらの標本の局所性記述中の地名を同定し、非ガゼッタ地名(NGPs)と呼ぶ。
これらの地名は、典型的には歴史的、垂直的、あるいは口語的であり、収集時の標本の位置を示すランドマークとして使用された。
次に,NGPのジオレファレンスの問題について,標本記録に記載されている限られた情報のみを用いて検討する。
そこで本研究では,異なる検体位置と空間関係項を持つ検体記録間の同一の地名の繰り返し発生を利用して,これらの関係を抽出・逆転し,NGP位置の制約を導出する。
このアプローチは決定論的、確率的、LLMベースの手法でインスタンス化され、テキストベースの空間推論の強度と制限の比較分析を可能にする。
擬似NGPベンチマークでは、確率的推論が最高精度(中間誤差 1.43 km; A@1 km 36%)を達成する一方、LLMは競争力はあるものの精度が低い(中間誤差 1.80 km; A@1 km 31%)。
関連論文リスト
- TEMPLAR Wales: A georeferenced environmental and toponymic dataset of Welsh settlements [0.0]
TEMPLAR ウェールズ (TEMPLAR Wales) は、ウェールズ全土で3,757件の入植記録を持つ地球環境トポニーミーデータセットである。
この資源は再現可能な定住枠と決定論的語彙スクリーニングと居住レベルの環境特性を結びつけている。
1,294の集落にまたがる1,350の語彙検出が含まれており、ウェールズの地名24の凍った登録簿から生成された。
論文 参考訳（メタデータ） (2026-08-27T11:14:57Z) - Georeferencing complex relative locality descriptions with large language models [1.9911463513783276]
本稿では,局所性記述を自動的にジオレファレンスする大規模言語モデルの可能性について検討する。
最初に有効なプロンプトパターンを特定し,生物多様性データセット上での量子化低ランク適応(QLoRA)を用いてLLMを微調整した。
われわれのアプローチは、データセットを平均して、半径10km以内のレコードの65%を一定のトレーニングデータとして、既存のベースラインを上回っている。
論文 参考訳（メタデータ） (2025-12-16T09:27:02Z) - Geological Inference from Textual Data using Word Embeddings [0.0]
本研究では,地質資源の探索に自然言語処理(NLP)技術を用いる方法について検討する。
本稿では,GloVeモデルを用いて学習した単語埋め込みを用いて,対象キーワードと地質テキストのコーパス間の意味関係を抽出する。
ベンチマークでは,対象キーワードに最もセマンティックに関連のある10都市と,特定地の位置の近さを算出した。
論文 参考訳（メタデータ） (2025-04-10T06:46:38Z) - Feedforward Few-shot Species Range Estimation [61.60698161072356]
特定の種が地球上でどこで発見できるかを知ることは、生態学の研究と保全に不可欠である。
正確な射程推定は 知られている全ての種の 比較的小さな割合でしか 利用できない
我々は、限られたデータから種の範囲を正確に推定するという課題に対処するために、数発の種範囲推定の新しいアプローチを概説する。
論文 参考訳（メタデータ） (2025-02-20T19:13:29Z) - Combining Observational Data and Language for Species Range Estimation [63.65684199946094]
我々は,数百万の市民科学種の観察とウィキペディアのテキスト記述を組み合わせた新しいアプローチを提案する。
我々のフレームワークは、場所、種、テキスト記述を共通空間にマッピングし、テキスト記述からゼロショット範囲の推定を可能にする。
また,本手法は観測データと組み合わせることで,少ないデータでより正確な距離推定を行うことができる。
論文 参考訳（メタデータ） (2024-10-14T17:22:55Z) - Enhancing Worldwide Image Geolocation by Ensembling Satellite-Based Ground-Level Attribute Predictors [4.415977307120618]
本稿では,GPSなどの位置情報が存在しない場合の地上画像の位置を推定することの課題について検討する。
本稿では,推定位置分布の精度を計測する新しい指標であるリコール対エリア(Recall vs Area)を紹介する。
次に,複数の情報源からの情報を組み込んだグローバルな画像位置決め手法について検討する。
論文 参考訳（メタデータ） (2024-07-18T19:15:52Z) - 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) - Spatial Implicit Neural Representations for Global-Scale Species Mapping [72.92028508757281]
ある種が観察された場所の集合を考えると、その種がどこにいても存在しないかを予測するためのモデルを構築することが目的である。
従来の手法は、新たな大規模クラウドソースデータセットを活用するのに苦労している。
本研究では,47k種の地理的範囲を同時に推定するために,空間入射ニューラル表現(SINR)を用いる。
論文 参考訳（メタデータ） (2023-06-05T03:36:01Z) - 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) - 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) - Geographic Spines in the 2020 Census Disclosure Avoidance System [7.348066080730032]
2020年国勢調査開示回避システム(英: 2020 Census Disclosure Avoidance System、DAS)は、特定の階層的な地理的単位の集合に対する横断的な集計に独立したノイズを加える、正式な私的なメカニズムである。
本稿では,DAS内部での初期ノイズ測定が出力データベースの精度に与える影響について述べる。
論文 参考訳（メタデータ） (2022-03-30T20:14:08Z)
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。