論文の概要: NLP-based Message Prioritisation for Opportunistic Routing: A Case Study of Nepal Earthquake Emergency Communication
- arxiv url: http://arxiv.org/abs/2610.37933v1
- Date: Tue, 27 Oct 2026 20:25:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-01 01:32:09.915005
- Title: NLP-based Message Prioritisation for Opportunistic Routing: A Case Study of Nepal Earthquake Emergency Communication
- Title（参考訳）: 機会的ルーティングのためのNLPに基づくメッセージ優先:ネパール地震緊急通信を事例として
- Abstract要約: 本論文は,自然言語処理に基づくセマンティックメッセージの優先順位付けが緊急災害メッセージの処理を改善するかどうかを考察する。
2015年のネパール地震をケーススタディとして使用している。
TF IDF with Logistic Regression and BERTは、ソーシャルメディアメッセージを9つの人道的カテゴリに分類するために使用され、P1からP4までの4つのルーティング優先順位にマップされる。
BERTはロジスティック回帰よりも高い優先度の精度とP1リコールを実現し、優先順位付けと重度優先エラーの低減を実現している。
- 参考スコア（独自算出の注目度）: 0.34376560669160394
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This dissertation investigates whether Natural Language Processing (NLP) based semantic message prioritisation can improve the treatment of urgent disaster messages in opportunistic emergency communication, using the 2015 Nepal earthquake as a case study. TF IDF with Logistic Regression and BERT are used to classify social media messages into nine humanitarian categories, which are mapped to four routing priorities from P1 to P4. These priorities are integrated into the ONE simulator within a controlled Kathmandu earthquake scenario using a modified Binary Spray and Wait router. BERT achieves higher priority accuracy and P1 recall than Logistic Regression, while reducing under prioritisation and severe priority errors. However, improved NLP performance does not produce uniform network gains. P1 delivery probability remains high and similar across routing conditions, and no consistent latency reduction is observed. The clearest difference appears under buffer pressure, where the BERT condition shows fewer observed ground truth P1 buffer losses than Logistic Regression. The results indicate that semantic prioritisation is most valuable when limited transmission and storage resources are contested, although it cannot overcome mobility and contact constraints in opportunistic networks.
- Abstract（参考訳）: 本論文は,2015年ネパール地震を事例として,自然言語処理(NLP)に基づく緊急災害メッセージの優先順位付けが,緊急災害メッセージの処理を改善できるかどうかを考察したものである。
TF IDF with Logistic Regression and BERTは、ソーシャルメディアメッセージを9つの人道的カテゴリに分類するために使用され、P1からP4までの4つのルーティング優先順位にマップされる。
これらの優先度は、修正されたバイナリスプレーとウェイトルータを用いて、制御されたカスマンズ地震シナリオ内のONEシミュレータに統合される。
BERTはロジスティック回帰よりも高い優先度の精度とP1リコールを実現し、優先順位付けと重度優先エラーの低減を実現している。
しかし、改良されたNLP性能はネットワークゲインを均一に生成しない。
P1デリバリー確率はルーティング条件全体にわたって高く類似しており、一貫した遅延減少は観測されない。
最も明確な差はバッファ圧力の下で現れ、BERT条件はロジスティック回帰よりも観測された真理P1バッファ損失が少ない。
その結果,移動性や接触性制約を克服できないが,限られた伝送資源と記憶資源が競合する場合には,セマンティック優先順位付けが最も重要であることが示された。
関連論文リスト
- Making Every Step Count: Spatio-Temporal Information Allocation for Imaging Inverse Problems [63.904793414062816]
スペクトルベーススケジューリング(SAS)と計測分割アテンション(MPA)の2つの補完的およびトレーニング不要なコンポーネントを紹介する。
SASは、利用可能なNFEを、スペクトルおよびlogSNR幾何に従ってフロータイムに分散し、セマンティック探索と詳細精細化のバランスを良くする。
MPAは情報を弱い制約のある領域へ誘導し、意味的および構造的忠実性を高める。
論文 参考訳（メタデータ） (2026-08-12T07:39:22Z) - GUIDED Network-Agnostic Feature Initialization for Spatial Transferability in GNN-based Models [46.28228608289378]
交通割り当て問題(Traffic Assignment Problem)は、交通計画の基本的だが計算に費用がかかる問題である。
本研究では,ネットワークに依存しない初期化層であるGeometrically Unconstrained Inductive Demand EmbeDdingを提案する。
このフレームワークは、ネットワークスケールに関係なく、入力空間を標準化する。
これは、貨物物流やマルチモーダルネットワーク最適化のような一般化された原点決定空間問題に対して、汎用的な青写真を提供する。
論文 参考訳（メタデータ） (2026-07-21T16:41:59Z) - Quantum percolation based dynamic propagation connectivity for critical-area identification in transport networks [14.492101931546765]
リンク中心パーコレーションとバイナリパーコレーションは、重要な設備や接続障害を特定する。
時間変化したリンク走行時間を連続伝播強度に変換する。
その後、候補地域を地域劣化実験により評価する。
論文 参考訳（メタデータ） (2026-06-29T12:52:47Z) - Hierarchical Forecast Reconciliation for Urban Rail Transit Demand Prediction under Operational Disruptions [4.330506300153804]
本稿では,共同ステーションレベルおよびODレベルのURT需要予測のための最初の階層的予測調整フレームワークを提案する。
ニューラルネットワークのFully Connected Reconcilerは、非コヒーレントベース予測からコヒーレント階層的予測への非線形マッピングを学習する。
その結果,和解は階層的コヒーレンスを確保しつつ,OD予測精度を常に向上させることがわかった。
論文 参考訳（メタデータ） (2026-06-05T08:41:18Z) - PRISM: Prior Rectification and Uncertainty-Aware Structure Modeling for Diffusion-Based Text Image Super-Resolution [51.96078493242164]
PRISMは単一ステップ拡散ベースのText-SRフレームワークである。
PRISMはミリ秒レベルの推論で最先端の性能を達成する。
論文 参考訳（メタデータ） (2026-05-13T05:31:06Z) - ST-ResGAT: Explainable Spatio-Temporal Graph Neural Network for Road Condition Prediction and Priority-Driven Maintenance [5.876489372173655]
気候にやさしい道路網は、反応性のある固定修理から予測的で意思決定可能なメンテナンスへとパラダイムシフトする必要がある。
本稿では,時空間残差グラフ注意ネットワークST-ResGATを紹介する。
残グラフアテンション符号化とGNN時間アグリゲーションを融合し、舗装劣化を予測する。
論文 参考訳（メタデータ） (2026-03-14T20:24:32Z) - Prioritizing Gradient Sign Over Modulus: An Importance-Aware Framework for Wireless Federated Learning [72.18619424901249]
Sign-Prioritized FL (SP-FL) は、不均一なリソース割り当てを通じて重要な勾配情報の送信を優先するフレームワークである。
本稿では,Newton-Raphson 法と逐次凸近似 (SCA) を用いて,この問題を解決するための交互最適化アルゴリズムを提案する。
シミュレーションの結果,特に資源制約シナリオにおけるSP-FLの優位性が確認された。
論文 参考訳（メタデータ） (2026-03-11T13:41:02Z) - A Disentangled Representation Learning Framework for Low-altitude Network Coverage Prediction [42.71119573226285]
低高度経済の拡大は、空路設計における低高度ネットワーク被覆(LANC)予測の重要性を浮き彫りにした。
専門知識に基づく特徴圧縮と非絡み合い表現学習を組み合わせた二重戦略を導入する。
実験により,本フレームワークの有効性が確認され,最高のベースラインアルゴリズムと比較して7%の誤差が減少した。
論文 参考訳（メタデータ） (2025-07-13T05:31:35Z) - Compressed Regression over Adaptive Networks [58.79251288443156]
分散エージェントのネットワークによって達成可能な性能を導出し,通信制約や回帰問題を解消し,適応的に解決する。
エージェントによって最適化に必要なパラメータをオンラインで学習できる最適化アロケーション戦略を考案する。
論文 参考訳（メタデータ） (2023-04-07T13:41:08Z) - Sample-Efficient Optimisation with Probabilistic Transformer Surrogates [66.98962321504085]
本稿では,ベイズ最適化における最先端確率変換器の適用可能性について検討する。
トレーニング手順と損失定義から生じる2つの欠点を観察し、ブラックボックス最適化のプロキシとして直接デプロイすることを妨げる。
1)非一様分散点を前処理するBO調整トレーニング,2)予測性能を向上させるために最適な定常点をフィルタする新しい近似後正則整定器トレードオフ精度と入力感度を導入する。
論文 参考訳（メタデータ） (2022-05-27T11:13:17Z)
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。