To overcome this location sparsity

To overcome this location sparsity problem, we propose in this paper to predict a user’s location based purely on the content of the user’s tweets, even in the absence of any other geospatial cues. Our intuition is that a user’s tweets may encode some location-specific content – either specific place names or certain words or phrases more likely to be associated with certain locations than others (e.g., “howdy” for people from Texas). In this way, we can fill-the-gap for the 74% of Twitter users lacking city-level granular location information. By augmenting the massive human-powered sensing capabilities of Twitter and related microblogging services with content-derived location information, this framework can overcome the sparsity of geo-enabled features in these services and bring augmented scope and breadth to emerging location-based personalized information services.

ผลลัพธ์ (ไทย) 1:

Overcome ปัญหานี้ sparsity สถาน เรานำเสนอในเอกสารนี้เพื่อทำนายตำแหน่งของผู้ใช้ตามเนื้อหาของผู้ใช้ทวี แม้ในการแสดงสัญญาณเชิงพื้นที่อื่น ๆ สัญชาตญาณของเราอยู่ที่การทวีตของผู้ใช้อาจเข้ารหัสบางเนื้อหาเฉพาะที่ตั้งชื่อตำแหน่งเฉพาะ หรือบางคำ หรือวลีมากมักจะเกี่ยวข้องกับบางพื้นที่กว่าคนอื่น ๆ (เช่น, "หมอตำแย" คนจากเท็กซัส) ด้วยวิธีนี้ เราสามารถเติมช่องว่างสำหรับ 74% ของผู้ใช้ Twitter ที่ขาดข้อมูลตำแหน่งเม็ดระดับเมือง โดยเพิ่มขนาดที่ใหญ่ สามารถของ Twitter และบริการ microblogging ที่เกี่ยวข้องกับข้อมูลเนื้อหาที่ได้รับตำแหน่งที่ตั้ง การตรวจจับมนุษย์เปิดกรอบนี้สามารถเอาชนะ sparsity คุณลักษณะที่เปิดใช้งานทางภูมิศาสตร์ในบริการเหล่านี้ แล้วนำออกเมนต์ขอบเขตและความกว้างใหม่บริการอ้างอิงตำแหน่งข้อมูลส่วนบุคคล

ผลลัพธ์ (ไทย) 2:

ที่จะเอาชนะปัญหา sparsity สถานที่แห่งนี้เราจึงนำเสนอในบทความนี้จะทำนายตำแหน่งของผู้ใช้ตามหมดจดในเนื้อหาของทวิตเตอร์ของผู้ใช้แม้ในกรณีที่ไม่มีการชี้นำเชิงพื้นที่อื่น ๆ สัญชาตญาณของเราคือว่าทวิตเตอร์ของผู้ใช้อาจเข้ารหัสสถานที่เฉพาะเนื้อหาบาง - ทั้งชื่อเฉพาะสถานที่หรือบางคำหรือวลีที่มีแนวโน้มที่จะเชื่อมโยงกับบางสถานที่กว่าคนอื่น ๆ (เช่น "หมอตำแย" สำหรับผู้คนจากเท็กซัส) ด้วยวิธีนี้เราสามารถกรอกข้อมูลลงในช่องว่างสำหรับ 74% ของผู้ใช้ทวิตเตอร์ขาดระดับเมืองข้อมูลสถานที่เม็ด โดย augmenting มนุษย์ขับเคลื่อนความสามารถในการตรวจจับขนาดใหญ่ของทวิตเตอร์และบริการไมโครบล็อกที่เกี่ยวข้องกับข้อมูลสถานที่เนื้อหาที่ได้มาจากกรอบนี้สามารถเอาชนะ sparsity ของคุณสมบัติทางภูมิศาสตร์ที่เปิดใช้งานในการให้บริการเหล่านี้และนำขอบเขต Augmented และความกว้างที่จะเกิดขึ้นใหม่ตามสถานที่ให้บริการข้อมูลส่วนบุคคล .