@techreport{oai:ipsj.ixsq.nii.ac.jp:00211150,
 author = {平川, 冬尉 and 乾, 孝司},
 issue = {3},
 month = {May},
 note = {本稿では，文書ジオロケーション課題において，地理的な関係性を構造化した地理的知識グラフを取り込んだ深層学習モデルを提案する．提案手法では，まず，国内の住所および住所属性をもつ施設名のリストから地理的知識グラフを構築し，このグラフに対して TransE 法 [1] および TransE-GDR 法 [2] を適用することで地理的知識グラフの埋め込み表現を獲得する．そして，アテンション機構を用いることによって，地理的知識グラフの情報を文書中の各トークンの埋め込み表現と統合する．評価実験の結果，地理的知識グラフを取り込んだ提案手法は，従来手法に比べて高い推定精度を達成することを確認した．},
 title = {地理的知識グラフを取り込んだニューラル文書ジオロケーションモデル},
 year = {2021}
}