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

• Item type: Journal(1)
• 公開日: 2022-12-15
• タイトル: 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
• タイトル / 言語: en
• タイトル: A Neural Document Geolocation Model Using Geographical Knowledge Graph
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: [一般論文] ジオロケーション，地理的知識グラフ
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_6501
• 資源タイプ: journal article
• ID登録: 10.20729/00222743
• ID登録 / ID登録タイプ: JaLC
• 著者所属: 筑波大学大学院システム情報工学研究群情報理工学位プログラム／現在，富士通株式会社
• 著者所属: 筑波大学大学院システム情報工学研究群情報理工学位プログラム
• 著者所属(英): en
• 著者所属(英): Graduate School of Science and Technology Degree Programs in Systems and Information Engineering Master's Program, University of Tsukuba / Presently with Fujitsu Limited
• 著者所属(英): en
• 著者所属(英): Graduate School of Science and Technology Degree Programs in Systems and Information Engineering Master's Program, University of Tsukuba
• 著者名: 平川, 冬尉; 乾, 孝司
• 著者名(英): Toi, Hirakawa; Takashi, Inui
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 本論文では，文書ジオロケーション（Document Geolocation, DG）課題において，既存推定モデルに地理的知識グラフを取り込む手法を提案し，その有効性を検証する．DG課題では深層学習に基づく既存モデルがいくつか提案されているが，いずれのモデルも十分な地理的知識を持ち合わせていないという共通の問題点がある．そこで本研究では，推定対象を日本国内としたうえで，まず，国内の住所リストと施設名リストから地理的知識グラフを構築し，そこから地理的知識グラフの埋め込み表現を獲得する．そして，この知識の埋め込み表現をアテンション処理を適用するによって，既存モデルに取り込む．日本語Twitter投稿文書データを用いた評価実験の結果，地理的知識グラフを取り込んだ提案モデルは，そうでない既存モデルよりもDG課題に有効であり，特に，文書全体に対する単純なアテンションに比べて文書内の構成要素を単位としたトークン単位のアテンション処理が性能向上に寄与することを確認した．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: In this paper, we propose a method to incorporate a geographical knowledge graph into the previous estimation model for Document Geolocation (DG) task and evaluate its effectiveness. Several DG models based on deep-learning architectures have been proposed, but these do not have sufficient geographical knowledge. Therefore, we first construct a Geographical Knowledge Graph (GeoKG) from a list of addresses and facility names in Japan and then obtain knowledge embedding of the GeoKG. Then, we incorporate this knowledge embedding representation into the existing model by applying the attention mechanism. Compared to the previous models, the proposed models using GeoKG show improvement in performance for DG task with Japanese Twitter datasets. In particular, we confirmed that token-based attention, a component of the proposed model, contributes to performance improvement compared to simple document-based attention.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN00116647
• 書誌情報: 情報処理学会論文誌; 巻 63, 号 12, p. 1870-1883, 発行日 2022-12-15
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7764
• 公開者 / 言語: ja
• 公開者 / 出版者: 情報処理学会