基于四叉树空间划分和Jaccard-Cosine词嵌入的内容感知推文位置推断
信息检索
2024-01-17 v1
摘要
从社交媒体平台上的用户文本推断位置是一个与公共安全相关的非平凡且具有挑战性的问题。我们提出了一种新颖的基于非均匀网格的方法，利用四叉树空间划分从Twitter消息中推断位置。该算法使用自然语言处理（NLP）进行语义理解，并结合余弦相似度和Jaccard相似度度量进行特征向量提取和降维。我们选择Twitter作为实验社交媒体平台，因为它具有流行性和传播世界各地近期事件新闻和故事的有效性。我们的方法是首个使用四叉树空间划分和NLP以混合词向量表示从推文中推断位置的方法。所提出的算法在基准数据集上取得了显著的分类精度，在正确预测161公里半径内的推文位置方面，比最先进的基于网格的纯内容位置推断方法高出24%，在中位误差距离上减少了300公里。
引用
@article{arxiv.2401.08506,
title = {Content-Aware Tweet Location Inference using Quadtree Spatial Partitioning and Jaccard-Cosine Word Embedding},
author = {Oluwaseun Ajao and Deepayan Bhowmik and Shahrzad Zargari},
journal= {arXiv preprint arXiv:2401.08506},
year = {2024}
}
备注
8 pages, 7 figures, 5 tables, International Conference on Advances in Social Networks Analysis and Mining (ASONAM 2018)