基于文本回归位置的概率化地理编码
计算与语言
2021-07-02 v1 机器学习
摘要
文本数据是有关社会与政治事件详细信息的重要来源。自动化系统解析大量文本数据，以推断或提取描述参与者、行动、日期、时间和地点的结构化信息。这些子任务之一是地理编码：预测给定文本所描述的事件或地点相关的地理坐标。我们提出一种端到端概率模型用于文本数据地理编码。此外，我们收集了一个用于评估地理编码系统性能的新数据集。我们将称为ELECTRo-map的基于模型的方案与当前最先进的用于事件数据文本地理编码的开源系统进行比较。最后，我们讨论了端到端基于模型的地理编码的优势，包括有原则的的不确定性估计以及这些模型利用上下文信息的能力。
引用
@article{arxiv.2107.00080,
title = {Regressing Location on Text for Probabilistic Geocoding},
author = {Benjamin J. Radford},
journal= {arXiv preprint arXiv:2107.00080},
year = {2021}
}
备注
5 pages, 4 figures. Proceedings of the CASE Workshop at ACL-IJCNLP 2021