用于推文地理定位预测与哈希的端到端网络
计算与语言
2017-10-16 v1
摘要
我们提出一种端到端神经网络来预测推文的地理定位。该网络将若干原始 Twitter 元数据作为输入，例如推文消息及关联的用户账户信息。我们的模型与语言无关，且尽管特征工程极少，它仍具有可解释性，并能够学习指示位置的词语与时序模式。相较于最先进的系统，我们的模型以 2%–6% 的优势超越它们。此外，我们提出对该模型的扩展，以将网络学到的表示压缩为二进制编码。实验表明，与基准哈希算法相比，它生成了紧凑的编码。该模型的实现已公开发布。
引用
@article{arxiv.1710.04802,
title = {End-to-end Network for Twitter Geolocation Prediction and Hashing},
author = {Jey Han Lau and Lianhua Chi and Khoi-Nguyen Tran and Trevor Cohn},
journal= {arXiv preprint arXiv:1710.04802},
year = {2017}
}
备注
10 pages, in Proceedings of the 8th International Joint Conference on Natural Language Processing (IJCNLP 2017) (to appear)