利用对比学习进行社交帖子的少样本地理定位

社交地理定位是预测社交媒体帖子原始位置的重要问题。然而，由于需要大量训练数据和良好标注的标签，这项任务具有挑战性。新出现或不太受欢迎的位置标签不足进一步加剧了这些问题，导致数据集不平衡。在本文中，我们提出ContrastGeo，一种对比学习增强的少样本社交地理定位框架。具体地，引入推文-位置对比学习目标来对齐推文-位置对中的表示。为了捕捉推文和位置之间的相关性，进一步采用推文-位置匹配目标，并通过在线难负样本挖掘方法进行优化。我们还开发了三种融合策略和多种融合编码器，以更好地生成推文和位置的联合表示。在三个社交媒体数据集上的综合实验表明，ContrastGeo在少样本社交地理定位中优于多个最先进的基线。