海报

基于地名匹配的地理候选人深度学习方法

作者:

玛丽奥娜·科尔阿达努伊,

卡斯拉侯赛尼,

凯瑟琳麦克多诺,

阿默里克劳斯,

丹尼尔 van Strien公司、和

费德里科南尼作者信息和声明

SIGSPATIAL’20：第28届地理信息系统进展国际会议记录

2020年11月

页385-388

https://doi.org/10.1145/3397536.3422236

出版:2020年11月13日出版历史

获取访问权限

摘要

为了提供对文本数据的高级语义访问，需要识别地名并将其解析为现实世界中的引用。地名的高度变异往往阻碍了这一进程。候选词选择的任务是确定可由先前公认的地名引用的潜在实体。虽然传统上很少受到关注，但候选选择对下游任务（即实体分辨率）有重大影响，尤其是在噪声或非标准文本中。本文介绍了一种利用最先进的神经网络体系结构，通过地名匹配进行候选人选择的深度学习方法。我们基于多个数据集进行了固有地名匹配评估，这些数据集涵盖了各种具有挑战性的场景（跨语言和区域差异，以及OCR错误），并评估了其在英语和西班牙语地理候选人选择中的表现。

工具书类

[1]

萨阿德·阿洛蒂比和马克·桑德森。2014.分析地理查询改写：一项探索性研究。《信息科学与技术协会杂志》（2014）。

数字图书馆

[2]

詹姆斯·巴特勒、克里斯托弗·唐纳森、乔安娜·泰勒和伊恩·格雷戈里。2017.Alts、Abbreviations和AKAs:历史命名变异和自动命名实体识别。《地图与地理图书馆杂志》（2017）。

[3]

程志远（Zhiyuan Cheng）、詹姆斯·卡弗利（James Caverley）和李京敏（Kyumin Lee）。2010.你在哪里发推特：一种基于内容的推特用户地理定位方法。程序中。CIKM的。

数字图书馆

[4]

玛丽奥娜·科尔·阿尔达努伊（Mariona Coll Ardanuy）、卡莎拉·侯赛尼（Kasra Hosseini）、凯瑟琳·麦克多诺（Katherine McDonough）、艾米丽·克劳斯（Amrey Krause）、丹尼尔·范·斯特里恩（Daniel van Strien）和费德里科·南尼（Federico Nanni）。2020年。DeezyMatch：通过地名匹配选择地理候选人的深度学习方法。在arXiv:2009.08114中。

[5]

Grant DeLozier、Jason Baldridge和Loretta London。2015.使用地理词配置文件的地名册独立地名解析。在AAAI。

数字图书馆

[6]

甘庆庆（Qingqing Gan）、乔什·阿滕贝格（Josh Attenberg）、亚历山大·马克维茨（Alexander Markowetz）和托尔斯滕·苏尔（Torsten Suel）。2008.搜索引擎日志中的地理查询分析。程序中。LOCWEB的。

数字图书馆

[7]

伊恩·格雷戈里（Ian Gregory）、克里斯托弗·唐纳森（Christopher Donaldson）、帕特里夏·穆里埃塔·弗洛雷斯（Patricia Murrieta-Flores）和保罗·雷森（Paul Rayson）。2015年，《地理测绘、地理信息系统和文本分析：空间人文研究的当前发展》。(2015).

[8]

Ben Hachey、Will Radford、Joel Nothman、Matthew Honnibal和James R Curran。2013.评估实体与维基百科的链接。人工智能（2013）。

数字图书馆

[9]

Kasra Hosseini、Federico Nanni和Mariona Coll Ardanuy。2020年。DeezyMatch：模糊字符串匹配的灵活深度学习方法。在EMNLP中：系统演示（已接受）。

[10]

杰夫·约翰逊（Jeff Johnson）、马蒂杰斯·杜泽（Matthijs Douze）和埃尔夫·杰古（Herve Jegou）。2019.使用GPU进行数十亿规模的相似性搜索。IEEE大数据汇刊（2019年）。

[11]

Phong Le和Ivan Titov。2019.与自动噪声检测相连接的实体远程学习。程序中。ACL的。

[12]

安东尼·莫拉纳（Anthony Morana）、托马斯·莫雷尔（Thomas Morel）、比拉尔·贝加维（Bilal Berjawi）和法比安·杜恰图（Fabien Duchateau）。2014.Geobench：用于构建空间实体匹配基准的地理空间集成工具。SIGSPATIAL的。

数字图书馆

[13]

罗斯·S·珀夫斯（Ross S.Purves）、保罗·克劳夫（Paul Clough）、克里斯托弗·琼斯（Christopher B.Jones）、马克·霍尔（Mark H.Hall）和凡妮莎·默多克（Vanessa Murdock）。【未注明日期】。地理信息检索：文本空间搜索的进展和挑战。第十二章，第二章，第164-318节。https://doi.org/10.1561/1500000034

[14]

Gianluca Quercini、Hanan Samet、Jagan Sankaranarayanan和Michael D Lieberman。2010年，使用当地词汇确定新闻来源的空间读者范围。程序中。SIGSPATIAL的。

数字图书馆

[15]

加布里埃尔·里奇亚（Gabriel Recchia）和马克斯·卢维斯（Max M Louwerse）。2013年，地名匹配字符串相似性度量的比较。在COMP@SIGSPATIAL。54--61.

数字图书馆

[16]

斯蒂芬·罗勒（Stephen Roller）、迈克尔·斯佩里奥苏（Michael Speriosu）、萨拉特·拉尔帕利（Sarat Rallapalli）、本杰明·温格（Benjamin Wing）和杰森·鲍德里奇（Jason Baldridge）。2012.在自适应网格上使用语言模型监督基于文本的地理定位。EMNLP的。

数字图书馆

[17]

鲁伊·桑托斯（Rui Santos）、帕特里夏·穆里埃塔·弗洛雷斯（Patricia Murrieta-Flores）、帕维尔·卡拉多（Pável Calado）和布鲁诺·马丁斯（Bruno Martins）。2018年，通过深度神经网络进行地名匹配。《国际地理信息科学杂志》（2018）。

[18]

鲁伊·桑托斯（Rui Santos）、帕特里夏·穆里埃塔·弗洛雷斯（Patricia Murrieta-Flores）和布鲁诺·马丁斯（Bruno Martins）。2018.学习组合多个字符串相似性度量，以实现有效的地名匹配。国际数字地球杂志（2018）。

[19]

迈克尔·斯皮里奥苏（Michael Speriosu）和杰森·鲍德里奇（Jason Baldridge）。2013.使用间接监督的文本驱动地名解析。程序中。ACL的。1466--1476.

[20]

Derek Tam、Nicholas Monath、Ari Kobren、Aaron Traylor、Rajarshi Das和Andrew McCallum。2019.字符串相似性学习字符表示的基于传输的最佳对齐。arXiv预印本arXiv:1907.10165（2019）。

引用人

Konyratbayeva Z公司Konyratbayev O公司Abdualyuly B公司Doszhan R公司马赫穆特G(2024)拓扑系统中二元对立的民族主义分析塞莫提卡2023-0054年12月10日在线发布日期：2024年4月30日
https://doi.org/10.1515/sem-2023-0054
张Z贝萨德S(2024)地理编码综述：地名解析的算法和数据集语言资源与评价2007年10月10日/10579-024-09730-2在线发布日期：2024年6月10日
https://doi.org/10.1007/s10579-024-09730-2
太阳S邓J(2024)中国历史报纸地理时空信息的提取与可视化智慧、健康、Win-Win10.1007/978-3-031-57850-2_2(12-19)在线发布日期：2024年4月10日
https://doi.org/10.1007/978-3-031-57850-2_2
显示更多引用者

索引术语

基于地名匹配的地理候选人深度学习方法
1. 计算方法
  1. 人工智能
    1. 自然语言处理
      1. 信息提取
2. 信息系统
  1. 信息系统应用
    1. 数字图书馆和档案馆

建议

地理信息检索中的地名歧义
SIGIR’09：第32届国际ACM SIGIR信息检索研究与开发会议记录

本研究的目的是研究地名歧义在地理信息检索（GIR）任务中的影响。我们在GIR系统方面的经验表明，地名歧义可能是导致不能。。。
阅读更多信息
使用域相关候选选择方法自动生成数据链接
ISWC’11：第十届语义网国际会议论文集——第一卷

链接数据面临的一个挑战是在不同数据源中的实例（例如，人员、地理位置、出版物等）之间建立高质量的owl:sameAs链接。传统的解决实体共指问题的方法并没有。。。
阅读更多信息
基于近似字符串匹配的精确地名匹配测度

近似字符串匹配ASM是一个具有挑战性的问题，其目的是匹配代表同一对象的不同字符串表达式。本文对地名匹配这一新的研究领域进行了详细的实验研究。。。
阅读更多信息

评论

信息和贡献者

问询处

发布于

封面图片ACM会议

SIGSPATIAL’20：第28届地理信息系统进展国际会议记录

2020年11月

687页

国际标准图书编号：9781450380195

内政部：10.1145/3397536

版权所有©2020所有者/作者。

如果复制品不是为了盈利或商业利益而制作或分发的，并且复制品的第一页载有本通知和完整引文，则允许免费制作本作品的部分或全部数字或硬拷贝以供个人或课堂使用。必须尊重本作品第三方组件的版权。对于所有其他用途，请联系所有者/作者。

赞助商

SIGSPATIAL:ACM空间信息特别兴趣小组

出版商

计算机协会

美国纽约州纽约市

出版历史

出版：2020年11月13日

检查更新

作者标记

限定符

海报
研究
参考有限公司

会议

SIGSPATIAL’20

主办单位：

SIGSPATIAL公司

SIGSPATIAL’20:第28届地理信息系统进步国际会议

2020年11月3日至6日

华盛顿州，美国西雅图

接受率

1116份提交文件的总体接受率为220，20%

贡献者

其他指标

查看文章度量

文献计量学和引文

文献计量学

文章指标

5
引文总数
查看引文
121
总下载次数

下载次数（过去12个月）18
下载次数（最近6周）三

其他指标

查看作者指标

引文

引用人

Konyratbayeva Z公司Konyratbayev O公司Abdualyuly B公司Doszhan R公司马赫穆特G(2024)拓扑系统中二元对立的民族主义分析塞莫提卡2023-0054年12月10日在线发布日期：2024年4月30日
https://doi.org/10.1515/sem-2023-0054
张Z贝萨德S(2024)地理编码综述：地名解析的算法和数据集语言资源与评价2007年10月10日/10579-024-09730-2在线发布日期：2024年6月10日
https://doi.org/10.1007/s10579-024-09730-2
太阳S邓J(2024)中国历史报纸地理时空信息的提取与可视化智慧、健康、Win-Win10.1007/978-3-031-57850-2_2(12-19)在线发布日期：2024年4月10日
https://doi.org/10.1007/978-3-031-57850-2_2
李杰肖恩(2023)计算制图识别：使用机器学习从图像中识别地图、地理区域和投影美国地理学家协会年鉴10.1080/24694452.2023.2166010113:5(1243-1267)在线发布日期：2023年3月2日
https://doi.org/10.1080/24694452.2023.2166010
侯赛尼K威尔逊DBeelen K公司麦克多诺K(2022)地图阅读器第六届ACM SIGSPATIAL国际地理空间人文研讨会会议记录10.1145/3557919.3565812(8-19)在线发布日期：2022年11月1日
https://dl.acm.org/doi/10.1145/3557919.3565812

视图选项

获取访问权限

登录选项

请检查您是否可以通过登录凭据或您的机构访问此文章以获得完全访问权限。

完全访问权限

获取此出版物

查看选项

PDF格式

以PDF文件查看或下载。

电子阅读器

使用联机查看电子阅读器.

电子阅读器

媒体

数字

其他

桌子