基于卷积混合密度网络的地理定位密度估计
计算与语言
2017-05-09 v1
摘要
如今，与Twitter相关的地理信息对于细粒度应用至关重要。然而，Twitter上可用的地理信息数量很少，这使得许多应用的开展具有挑战性。在这种情况下，估计推文的位置成为本研究的一个重要目标。与大多数将预定义区域作为分类任务来估计的先前研究不同，本研究采用概率分布来表示推文更丰富的信息，不仅包括位置，还包括其模糊性。为实现此建模，我们提出了卷积混合密度网络（CMDN），其利用文本数据来估计混合模型的参数。实验获得的结果表明，CMDN在预测精确坐标的方法中取得了最高的预测性能。它还提供了每条推文位置模糊性的定量表示，可有效地用于提取可靠的位置估计。
引用
@article{arxiv.1705.02750,
title = {Density Estimation for Geolocation via Convolutional Mixture Density Network},
author = {Hayate Iso and Shoko Wakamiya and Eiji Aramaki},
journal= {arXiv preprint arXiv:1705.02750},
year = {2017}
}
备注
8 pages