基于人机协作的推文细粒度地理定位预测
机器学习
2021-06-28 v1 计算与语言
社会与信息网络
摘要
Twitter 是分析人们对各类话题观点的有用资源。这些话题常与其推文发布所在的位置相关或关联。例如，餐馆老板可能需要知道其目标客户在何处就餐，并结合与食物相关帖子的情感；政策规划者可能需要针对城市特定区域、县或州，分析市民对犯罪、安全、拥堵等相关问题的意见。尽管前景广阔，爬取的推文帖子中仅有不到 带有地理定位标签。这使得对非地理标签推文进行准确的位置预测，对多领域数据分析至关重要。在本研究中，我们利用数百万条 Twitter 帖子与终端用户的领域专长，使用自然语言处理（NLP）技术构建了一组深度神经网络模型，以邻域、邮政编码以及经纬度等多种粒度预测非地理标签推文帖子的地理位置。通过多次神经架构实验与协作式人机工作流设计，我们正在进行中的地理定位检测工作展现出 promising 结果，使终端用户能够关联所选变量与位置信息之间的关系。
引用
@article{arxiv.2106.13411,
title = {Fine-grained Geolocation Prediction of Tweets with Human Machine Collaboration},
author = {Florina Dutt and Subhajit Das},
journal= {arXiv preprint arXiv:2106.13411},
year = {2021}
}
备注
7 pages