基于 Transformer 的 POI 级社交帖子地理定位框架
信息检索
2022-11-03 v1 人工智能
摘要
社交帖子的 POI 级地理信息对许多基于位置的应用与服务至关重要。然而，社交媒体数据及其平台的多模态性、复杂性与多样性限制了推断此类细粒度位置及其后续应用的性能。为解决该问题，我们提出一个基于 Transformer 的通用框架，其构建于预训练语言模型之上并考虑非文本数据，用于 POI 级社交帖子地理定位。为此，输入被分类以处理不同的社交数据，并给出了特征表示的最优组合策略。此外，提出一种层级的统一表示以学习时间信息，并采用编码的拼接版本以更好地捕获特征级位置。在多个社交数据集上的实验结果表明，我们提出的框架的三个变体在准确率和距离误差指标上大幅优于多个最先进基线。
引用
@article{arxiv.2211.01336,
title = {A Transformer-based Framework for POI-level Social Post Geolocation},
author = {Menglin Li and Kwan Hui Lim and Teng Guo and Junhua Liu},
journal= {arXiv preprint arXiv:2211.01336},
year = {2022}
}
备注
Full papers are 12 pages in length plus additional 4 pages for references (turns to 18 pages in total after submitting to arxiv). One figure and 5 tables are contained. This paper was submitted to ECIR 2023 for review