利用社交媒体数据、卫星影像与地理空间信息的可解释贫困制图
计算机与社会
2020-11-30 v1
摘要
获取准确、精细且最新的贫困数据,对人道主义组织识别脆弱地区以开展扶贫工作至关重要。近期研究表明,结合计算机视觉与卫星影像进行贫困估计已取得成效;然而,高分辨率影像的获取成本加之黑盒模型,可能成为许多发展组织采用的障碍。在本研究中,我们提出一种可解释且低成本的贫困估计方法,利用机器学习及易获取的数据源,包括社交媒体数据、低分辨率卫星影像和志愿地理信息。使用我们的方法,在菲律宾的财富估计中取得了为0.66,而使用卫星影像为0.63。最后,我们利用特征重要性分析从全局和局部识别贡献最大的特征,以帮助决策者深入理解贫困问题。
引用
@article{arxiv.2011.13563,
title = {Interpretable Poverty Mapping using Social Media Data, Satellite Images, and Geospatial Information},
author = {Chiara Ledesma and Oshean Lee Garonita and Lorenzo Jaime Flores and Isabelle Tingzon and Danielle Dalisay},
journal= {arXiv preprint arXiv:2011.13563},
year = {2020}
}
备注
Presented at NeurIPS 2020 Workshop on Machine Learning for the Developing World