論文の概要: Geospatial AI, Dataverse Metadata, and the Study of Place-Based Government

• arxiv url: http://arxiv.org/abs/2609.11674v1
• Date: Thu, 10 Sep 2026 15:08:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-11 23:53:35.412382
• Title: Geospatial AI, Dataverse Metadata, and the Study of Place-Based Government
• Title（参考訳）: 地理空間AIとデータリバースメタデータと場所ベース政府の研究
• Abstract要約: リポジトリの公開データとメタデータから知識グラフを構築します。 102,650のデータセットのうち43,991 人 (42.9%) が少なくとも1つの地理空間場を持っている。 保守的なキーワード検索は、地理的にタグ付けされたデータセット7,654を直接ポリシー関連であると識別する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Harvard Dataverse hosts over 150,000 research datasets, but the geographic information those datasets carry is entered as free text by depositors and has never been assembled into a searchable structure. We construct a knowledge graph from the repository's public data and metadata, organizing 102,650 datasets within a 215,985-node network of 528,003 edges linking datasets to keywords, publications, subjects, journals, and locations. Of those datasets, 43,991 (42.9 percent) carry at least one geospatial field, geographic coverage, geographic unit, or a bounding box and 96.9 percent of all nodes sit in a single connected component, so datasets remain reachable from one another even when their geospatial metadata share nothing in common. A conservative keyword search identifies 7,654 geospatially tagged datasets (17.4 percent) as directly policy-relevant, with elections and legislatures the largest cluster, followed by government administration, health policy, transportation, and education. Five datasets illustrate how this metadata behaves across policy domains and spatial scales, and an extended use case shows how community language models, stance detection with geographic aggregation, and partisan language bridging tools can attach discourse to place. The central obstacle is place resolution: the same location appears as many disconnected nodes. We argue that the graph provides a concrete setting for developing AI-driven metadata enrichment and entity resolution, and we document its coverage skew toward American, city-level data.
• Abstract（参考訳）: Harvard Dataverseは15万以上の研究データセットをホストしているが、それらのデータセットが持つ地理的情報は、預金者によって無料のテキストとして入力され、検索可能な構造に組み立てられていない。 我々は、リポジトリの公開データとメタデータから知識グラフを構築し、データセットをキーワード、出版物、主題、ジャーナル、ロケーションにリンクする528,003のエッジからなる215,985ノードネットワーク内で102,650のデータセットを編成する。 これらのデータセットのうち43,991(42.9%)は、少なくとも1つの地理空間、地理的範囲、地理的単位、または境界ボックスを持ち、全てのノードの96.9%は単一の接続されたコンポーネントに置かれている。 保守的なキーワード検索では、7,654個の地理的にタグ付けされたデータセット (17.4%) が直接政策関連であり、選挙や議会が最大の集団であり、次いで行政、健康政策、交通、教育が続く。 5つのデータセットは、このメタデータがポリシードメインや空間スケールでどのように振る舞うかを示し、拡張されたユースケースは、コミュニティ言語モデル、地理的集約によるスタンス検出、そしてパルチザン言語ブリッジツールが、どのように言論を組み込むことができるかを示している。 中心となる障害は場所分解であり、同じ位置が多くの切断されたノードとして現れる。 このグラフは、AIによるメタデータのリッチ化とエンティティの解決のための具体的設定を提供する、と我々は主張する。

関連論文リスト

• Geospatial Metadata Improves Discoverability by Connecting Datasets Across Scientific Disciplines [0.0]
  Harvard Dataverseのデータセットを使って、小さな言語モデルをトレーニングし、微調整します。 メタデータが不足しているデータセットは、下流からの引用が少なく、他のデータセットへの解決可能な接続も少ないことが分かりました。
  論文  参考訳（メタデータ） (2026-09-15T01:40:36Z)
• World-POI: Global Point-of-Interest Data Enriched from Foursquare and OpenStreetMap as Tabular and Graph Data [1.2107297090229685]
  最近Foursquareは1億以上の関心点(POI)を持つグローバルデータセットをリリースした。 対照的に、OpenStreetMap (OSM) は、詳細なメタデータと頻繁な更新を伴う、リッチでユーザ対応のPOIデータセットを提供する。 両データセットの長所を統合する方法論を提案する。
  論文  参考訳（メタデータ） (2025-10-24T11:12:41Z)
• 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)
• EarthView: A Large Scale Remote Sensing Dataset for Self-Supervision [72.84868704100595]
  本稿では,地球モニタリングタスクにおける深層学習アプリケーションを強化することを目的とした,リモートセンシングデータの自己監督を目的としたデータセットを提案する。 このデータセットは15テラピクセルのグローバルリモートセンシングデータにまたがっており、NEON、Sentinel、Satellogicによる1mの空間解像度データの新たなリリースなど、さまざまなソースの画像を組み合わせている。 このデータセットは、リモートセンシングデータの異なる課題に取り組むために開発されたMasked Autoencoderである。
  論文  参考訳（メタデータ） (2025-01-14T13:42:22Z)
• Quantifying Geospatial in the Common Crawl Corpus [0.07499722271664144]
  本稿では,最近のCommon Crawlリリースにおける地理空間データの有効性について,強力な言語モデルであるGemini 1.5を用いて検討する。 CC の Web ドキュメントの 18.7% には座標やアドレスなどの地理空間情報が含まれていると見積もっている。
  論文  参考訳（メタデータ） (2024-06-07T14:16:37Z)
• Where on Earth Do Users Say They Are?: Geo-Entity Linking for Noisy Multilingual User Input [2.516307239032451]
  本稿では,実世界の位置情報をラベル付きユーザ・インプット・ロケーション名から平均的な埋め込みとして表現する手法を提案する。 本稿では,グローバルおよび多言語ソーシャルメディアデータセット上でのジオエンタリティリンクの改善について述べる。
  論文  参考訳（メタデータ） (2024-04-29T15:18:33Z)
• Discovering Geo-dependent Stories by Combining Density-based Clustering and Thread-based Aggregation techniques [0.0]
  本稿では,ソーシャルメディアにおけるジオタグ付き投稿のグローバル分析を紹介する。 i)都市における予期せぬ行動の検出と、(ii)何が起こっているのかを推測するためのポストの分析を支援する。 われわれはこの手法を、ニューヨーク市のInstagram活動から7ヶ月にわたって得られたデータセットに適用した。
  論文  参考訳（メタデータ） (2023-12-18T10:17:12Z)
• 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)
• UKnow: A Unified Knowledge Protocol with Multimodal Knowledge Graph Datasets for Reasoning and Vision-Language Pre-Training [48.184673241046134]
  この研究はUKnowと呼ばれる統一知識プロトコルを提示し、データの観点から知識に基づく研究を促進する。 データ知識は、インイメージ、インテキスト、クロスイメージ、クロステキスト、イメージテキストの5つのタイプに分類される。 UKnowプロトコルに従って、我々は、大規模なマルチモーダル知識グラフデータセットである、公開国際ニュースから収集する。
  論文  参考訳（メタデータ） (2023-02-14T08:27:42Z)
• GeoDE: a Geographically Diverse Evaluation Dataset for Object Recognition [31.345584733507547]
  GeoDEは地理的に多様なデータセットであり、40のクラスと6つの世界領域から61,940の画像がある。 完全なデータセットとコードはhttps://geodiverse-data-collection.cs.princeton.eduで公開しています。
  論文  参考訳（メタデータ） (2023-01-05T18:21:50Z)
• Robust Self-Tuning Data Association for Geo-Referencing Using Lane Markings [44.4879068879732]
  本稿では,データアソシエーションにおけるあいまいさを解消するための完全なパイプラインを提案する。 その中核は、測定のエントロピーに応じて探索領域に適応する堅牢な自己調整データアソシエーションである。 ドイツ・カールスルーエ市周辺の都市・農村のシナリオを実データとして評価した。
  論文  参考訳（メタデータ） (2022-07-28T12:29:39Z)
• Sketch and Scale: Geo-distributed tSNE and UMAP [75.44887265789056]
  地理的に分散したデータセット上で機械学習分析を実行することは、急速に発生する問題である。 私たちはSketch and Scale(SnS)という新しいフレームワークを紹介します。 これはCount Sketchデータ構造を利用して、エッジノード上のデータを圧縮し、マスターノード上の縮小サイズスケッチを集約し、サマリ上でバニラtSNEまたはUMAPを実行する。 我々は、この技術が完全に並列で、線形に時間にスケールし、メモリに対数的に分散し、通信し、世界中の複数のデータセンターにまたがる数百万、数十億のデータポイントでデータセットを解析できることを示す。
  論文  参考訳（メタデータ） (2020-11-11T22:32:21Z)
• Open Graph Benchmark: Datasets for Machine Learning on Graphs [86.96887552203479]
  スケーラブルで堅牢で再現可能なグラフ機械学習(ML)の研究を容易にするために,Open Graph Benchmark(OGB)を提案する。 OGBデータセットは大規模で、複数の重要なグラフMLタスクを含み、さまざまなドメインをカバーする。 各データセットに対して,有意義なアプリケーション固有のデータ分割と評価指標を用いた統一評価プロトコルを提供する。
  論文  参考訳（メタデータ） (2020-05-02T03:09:50Z)

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。