面向实时视觉分析的推文城市级地理定位
社会与信息网络
2019-10-08 v1 机器学习
摘要
实时推文可提供关于演化事件与态势的有用信息。带有地理标签的推文尤其有用，因为它们指示了来源位置并提供了地理上下文。然而，仅有少量推文带有地理标签，限制了其在态势感知中的使用。在本文中，我们改进、优化并评估了一种最先进的深度学习模型用于城市级地理定位预测，并将其与为实时态势感知量身定制的视觉分析系统集成。我们提供了计算评估以证明我们的地理定位预测模型在交互式系统中的优越性与实用性。
引用
@article{arxiv.1910.02213,
title = {City-level Geolocation of Tweets for Real-time Visual Analytics},
author = {Luke S. Snyder and Morteza Karimzadeh and Ray Chen and David S. Ebert},
journal= {arXiv preprint arXiv:1910.02213},
year = {2019}
}
备注
4 pages, 2 tables, 1 figure, SIGSPATIAL GeoAI Workshop