論文の概要: IPGeoAI: Transformer-Based Geolocation with LLM Semantic Fusion

• arxiv url: http://arxiv.org/abs/2609.04559v1
• Date: Thu, 03 Sep 2026 23:29:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-07 18:15:23.861933
• Title: IPGeoAI: Transformer-Based Geolocation with LLM Semantic Fusion
• Title（参考訳）: IPGeoAI:LLMセマンティックフュージョンを用いた変圧器を用いた測地
• Abstract要約: IPジオロケーションは、現代のデジタルエコシステムにとって重要なイネーブルである。 従来の手法は、現代のネットワークインフラストラクチャの複雑な非線形配置パターンを解決するのに苦労することが多い。 本稿では,新しいディープラーニングモデルアーキテクチャであるIPGeoAIを紹介する。
• 参考スコア（独自算出の注目度）: 1.8633639177454686
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate city-level IP Geolocation is an important enabler for the modern digital ecosystem, underpinning services ranging from local content delivery and targeting to digital rights enforcement. However, traditional heuristic and database-driven methods often struggle to resolve the complex, non-linear allocation patterns of modern network infrastructures, particularly within the exploding IPv6 address space and transient mobile networks. In this paper, we introduce IPGeoAI, a novel deep learning model architecture that reframes geolocation from a static lookup problem to a sequential modeling task. Our approach utilizes the Transformer Encoder to capture hierarchical dependencies inherent in IP subnet structures. We propose a method to resolve geographic ambiguity by integrating unstructured semantic context via a Zero-Shot LLM Feature Extraction pipeline. We utilize Large Language Models to transform raw, noisy Autonomous Systems (AS) descriptions into structured, domain-specific metadata (such as 'University' vs. 'ISP' or 'Global' vs. 'Local') via an offline pre-computation process. By fusing these semantic signals into the network via a Multi-Head Cross-Attention module, we bridge the gap between numerical network topology and real-world semantic identity. Extensive offline evaluation on a proprietary dataset spanning 200,000 cities demonstrates that IPGeoAI significantly outperforms a leading external vendor in city-level granularity. By adopting a hierarchical inference strategy that refines coarse-grained country signals, our model achieves a 6% improvement in city-level accuracy while extending coverage to 100% of the traffic. Furthermore, in large-scale online production tests, the model drove a statistically significant +0.35% improvement in our 1st-tier downstream use cases metric.
• Abstract（参考訳）: 正確な都市レベルのIPジオロケーションは、ローカルコンテンツ配信やターゲティング、デジタル権利執行といったサービスを支える、現代のデジタルエコシステムにとって重要な実現手段である。 しかし、従来のヒューリスティックでデータベース駆動の手法は、現代のネットワークインフラ、特に爆発的なIPv6アドレス空間と過渡的なモバイルネットワークの複雑な非線形配置パターンを解決するのに苦労することが多い。 本稿では,静的なルックアップ問題から逐次モデリングタスクに位置情報を再構成する新しいディープラーニングモデルアーキテクチャであるIPGeoAIを紹介する。 提案手法ではトランスフォーマーエンコーダを用いて,IPサブネット構造に固有の階層的依存関係をキャプチャする。 ゼロショットLLM特徴抽出パイプラインを介して非構造化意味文脈を統合することにより、地理的曖昧性を解決する手法を提案する。 大規模言語モデルを用いて、生のノイズの多い自律システム(AS)記述を、オフラインプリ計算プロセスを介して構造化されたドメイン固有のメタデータ('University' vs. 'ISP' や 'Global' vs. 'Local' など)に変換する。 これらセマンティック信号をマルチヘッド・クロス・アテンション・モジュールを介してネットワークに融合させることで,数値ネットワークトポロジと実世界のセマンティック・アイデンティティのギャップを埋める。 20万の都市にまたがるプロプライエタリなデータセットに対する大規模なオフライン評価は、IPGeoAIが都市レベルの粒度において、主要な外部ベンダーを著しく上回っていることを示している。 都市レベルの精度を6%向上させるとともに,トラフィックの100%までカバー範囲を広げる階層的推論戦略を採用することで,都市レベルの精度向上を実現している。 さらに、大規模なオンライン生産テストでは、このモデルが統計的に有意な+0.35%の改善をもたらしました。

関連論文リスト

• Location-Aware Language Models via Secondary Embeddings [4.784071359791487]
  本研究では,地空間認識を事前学習した埋め込みに注入するための,軽量でモデルに依存しないアプローチを提案する。 本手法は,位置名と対応する緯度と経度を組み合わせることで,地理的な構造を持つ入力表現を増強する。 実験により,標準NLPベンチマークにおいて同等の性能を維持しつつ,地理空間アライメントを大幅に改善した。
  論文  参考訳（メタデータ） (2026-08-31T22:48:37Z)
• Adaptive Learning Strategies for AoA-Based Outdoor Localization: A Comprehensive Framework [4.445694723459059]
  本稿では,2つの代替学習戦略からなるAoAベースのローカライゼーションのための適応フレームワークを提案する。 提案するフレームワークは,実大規模多重出力(mMIMO)データセットを用いて評価する。 その結果,オンライン学習を活用することで,ネットワーク運用中に高い精度のロバストなローカライゼーションを実現することが可能であることが示唆された。
  論文  参考訳（メタデータ） (2026-05-06T15:51:34Z)
• Enhancing Geometric Perception in VLMs via Translator-Guided Reinforcement Learning [52.075928878249066]
  視覚誘導モデル(VLM)は、基本的な図形要素の認識が限られているため、幾何学的推論に苦しむことが多い。 ドメイン固有の言語表現と組み合わせたダイアグラムインスタンスからなるベンチマークであるGeoPerceiveを紹介する。 翻訳者強化学習フレームワークGeoDPOを提案する。
  論文  参考訳（メタデータ） (2026-02-26T07:28:04Z)
• Wireless Traffic Prediction with Large Language Model [54.07581399989292]
  TIDESは、無線トラフィック予測のための空間時間相関をキャプチャする新しいフレームワークである。 TIDESは過剰なトレーニングオーバーヘッドを発生させることなく、ドメイン固有のパターンへの効率的な適応を実現する。 この結果から,将来の6Gシステムにおいて,空間認識をLCMベースの予測器に統合することが,スケーラブルでインテリジェントなネットワーク管理の鍵であることが示唆された。
  論文  参考訳（メタデータ） (2025-12-19T04:47:40Z)
• Cross-Domain Federated Semantic Communication with Global Representation Alignment and Domain-Aware Aggregation [102.51096131854848]
  本研究は,画像再構成作業における意味コミュニケーションシステムの訓練における領域シフトを考慮した最初の試みである。 提案手法は,SNRが1dBの3領域のPSNR値に対して,モデルコントラストFL(MOON)フレームワークを0.5倍に向上させる。
  論文  参考訳（メタデータ） (2025-11-30T03:19:59Z)
• MobCLIP: Learning General-purpose Geospatial Representation at Scale [0.7224497621488285]
  全国初の汎用位置情報エンコーダであるMobCLIPについて紹介する。 新たなCLIPベースのアーキテクチャを採用することで、1億以上のPOI、全国的なリモートセンシング画像、および10億のエッジモビリティグラフによる構造化された人口統計を調整できる。 我々は,MobCLIPが最先端モデルよりも平均35%優れた汎用予測性能を実現することを示した。
  論文  参考訳（メタデータ） (2025-06-02T04:14:03Z)
• SARN: Structurally-Aware Recurrent Network for Spatio-Temporal Disaggregation [8.636014676778682]
  オープンデータは、通常プライバシーポリシーに従うために、しばしば空間的に集約される。しかし、粗い、異質な集約は、下流のAI/MLシステムに対する一貫性のある学習と統合を複雑にする。 本稿では,空間的注意層をGRU(Gated Recurrent Unit)モデルに統合したSARN(Structurely-Aware Recurrent Network)を提案する。 履歴学習データに制限のあるシナリオでは、ある都市変数に事前学習したモデルを、数百のサンプルのみを用いて、他の都市変数に対して微調整できることを示す。
  論文  参考訳（メタデータ） (2023-06-09T21:01:29Z)
• LCPFormer: Towards Effective 3D Point Cloud Analysis via Local Context Propagation in Transformers [60.51925353387151]
  本稿では,近隣地域間のメッセージパッシングを活用するために,LCP (Local Context Propagation) という新しいモジュールを提案する。 隣接するローカル領域の重複点を仲介として使用した後、異なるローカルリージョンからの共有ポイントの特徴を再重み付けし、その後、次のレイヤに渡す。 提案手法は, 異なるタスクに適用可能であり, 3次元形状分類や高密度予測タスクを含むベンチマークにおいて, 様々なトランスフォーマーベースの手法より優れる。
  論文  参考訳（メタデータ） (2022-10-23T15:43:01Z)
• GNN-Geo: A Graph Neural Network-based Fine-grained IP geolocation Framework [26.918369615549803]
  ルールベースのきめ細かいIP位置情報法は、コンピュータネットワークでは一般化が難しい。 グラフニューラルネットワーク(GNN)を用いたIP位置情報フレームワークGNN-Geoを提案する。 提案したGNN-Geoは、最先端のルールベースおよび学習ベースラインよりも明らかに優れている。
  論文  参考訳（メタデータ） (2021-12-18T10:54:31Z)
• Global Aggregation then Local Distribution for Scene Parsing [99.1095068574454]
  提案手法は,エンドツーエンドのトレーニング可能なブロックとしてモジュール化され,既存のセマンティックセグメンテーションネットワークに容易に接続可能であることを示す。 私たちのアプローチでは、Cityscapes、ADE20K、Pascal Context、Camvid、COCO-stuffといった主要なセマンティックセグメンテーションベンチマークに基づいて、新しい最先端の技術を構築できます。
  論文  参考訳（メタデータ） (2021-07-28T03:46:57Z)
• Clustered Federated Learning via Generalized Total Variation Minimization [83.26141667853057]
  本研究では,分散ネットワーク構造を持つローカルデータセットの局所的(あるいはパーソナライズされた)モデルを学習するための最適化手法について検討する。 我々の主要な概念的貢献は、総変動最小化(GTV)としてフェデレーション学習を定式化することである。 私たちのアルゴリズムの主な貢献は、完全に分散化されたフェデレーション学習アルゴリズムです。
  論文  参考訳（メタデータ） (2021-05-26T18:07:19Z)
• Spatial Attention Pyramid Network for Unsupervised Domain Adaptation [66.75008386980869]
  教師なし領域適応は様々なコンピュータビジョンタスクにおいて重要である。 教師なし領域適応のための新しい空間注意ピラミッドネットワークを設計する。 我々の手法は最先端の手法に対して大きなマージンで好適に機能する。
  論文  参考訳（メタデータ） (2020-03-29T09:03:23Z)

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。