دانلود مقاله انگلیسی رایگان:تجزیه جغرافیایی-معنایی: تجزیه و تحلیل ژئوپارسی با هوش مصنوعی با عبور از نمودارهای دانش معنایی - 2020
دانلود بهترین مقالات isi همراه با ترجمه فارسی
دانلود مقاله انگلیسی هوش مصنوعی رایگان
  • Geo-semantic-parsing: AI-powered geoparsing by traversing semantic knowledge graphs Geo-semantic-parsing: AI-powered geoparsing by traversing semantic knowledge graphs
    Geo-semantic-parsing: AI-powered geoparsing by traversing semantic knowledge graphs

    سال انتشار:

    2020


    عنوان انگلیسی مقاله:

    Geo-semantic-parsing: AI-powered geoparsing by traversing semantic knowledge graphs


    ترجمه فارسی عنوان مقاله:

    تجزیه جغرافیایی-معنایی: تجزیه و تحلیل ژئوپارسی با هوش مصنوعی با عبور از نمودارهای دانش معنایی


    منبع:

    Sciencedirect - Elsevier - Decision Support Systems, 136 (2020) 113346. doi:10.1016/j.dss.2020.113346


    نویسنده:

    Leonardo Nizzolia,b, Marco Avvenutia, Maurizio Tesconib, Stefano Crescib,⁎


    چکیده انگلیسی:

    Online social networks convey rich information about geospatial facets of reality. However in most cases, geographic information is not explicit and structured, thus preventing its exploitation in real-time applications. We address this limitation by introducing a novel geoparsing and geotagging technique called Geo-Semantic- Parsing (GSP). GSP identifies location references in free text and extracts the corresponding geographic coordinates. To reach this goal, we employ a semantic annotator to identify relevant portions of the input text and to link them to the corresponding entity in a knowledge graph. Then, we devise and experiment with several efficient strategies for traversing the knowledge graph, thus expanding the available set of information for the geoparsing task. Finally, we exploit all available information for learning a regression model that selects the best entity with which to geotag the input text. We evaluate GSP on a well-known reference dataset including almost 10 k event-related tweets, achieving F1=0.66. We extensively compare our results with those of 2 baselines and 3 state-of-the-art geoparsing techniques, achieving the best performance. On the same dataset, competitors obtain F1 ≤ 0.55. We conclude by providing in-depth analyses of our results, showing that the overall superior performance of GSP is mainly due to a large improvement in recall, with respect to existing techniques.
    Keywords: Geoparsing | Geotagging | Artificial intelligence | Knowledge graphs | Twitter


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 16
    حجم فایل: 2079 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi