framework for estimating a Twitter

framework for estimating a Twitter user’s city-level location based purely on the content of the user’s tweets, even in the absence of any other geospatial cues. The content-based approach relies on two key refinements: (i) a classification component for automatically identifying words in tweets with a strong local geo-scope; and (ii) a lattice-based neighborhood smoothing model for refining a user’s location estimate. We have seen how the location estimator can place 51% of Twitter users within 100 miles of their actual location.

ผลลัพธ์ (ไทย) 1:

กรอบสำหรับการประเมินสถานที่ระดับเมืองของผู้ใช้ Twitter ตามเนื้อหาของผู้ใช้ทวี แม้ในการแสดงสัญญาณเชิงพื้นที่อื่น ๆ วิธีใช้เนื้อหาอาศัยการปรับแต่งคีย์ที่สอง: (i) ส่วนประกอบประเภทสำหรับคำทวีที่ระบุโดยอัตโนมัติกับแบบแข็งท้องถิ่นภูมิศาสตร์ขอบเขต และประเมินรูปแบบให้เรียบย่าน (ii) ใช้ตาข่ายสำหรับปรับตำแหน่งของผู้ใช้ เราได้เห็นวิธีการประเมินตำแหน่งสามารถวาง 51% ของผู้ใช้ Twitter ในตำแหน่งจริงของ 100 ไมล์

ผลลัพธ์ (ไทย) 2:

กรอบการทำงานสำหรับการประเมินตำแหน่งระดับเมืองผู้ใช้ทวิตเตอร์ของตามหมดจดในเนื้อหาของทวิตเตอร์ของผู้ใช้แม้ในกรณีที่ไม่มีการชี้นำเชิงพื้นที่อื่น ๆ วิธีการตามเนื้อหาอาศัยสองการปรับแต่งที่สำคัญ: (i) เป็นองค์ประกอบการจัดหมวดหมู่สำหรับการระบุคำโดยอัตโนมัติในทวิตเตอร์ที่มีในท้องถิ่นที่แข็งแกร่งทางภูมิศาสตร์ขอบเขต; และ (ii) ตาข่ายตามย่านรูปแบบเรียบสำหรับการปรับแต่งประมาณการตำแหน่งของผู้ใช้ เราได้เห็นวิธีการประมาณการสถานที่สามารถวาง 51% ของผู้ใช้ทวิตเตอร์ภายใน 100 ไมล์จากสถานที่จริงของพวกเขา

ผลลัพธ์ (ไทย) 3:

กรอบการประเมินของผู้ใช้ Twitter เมืองระดับสถานที่ตามหมดจดในเนื้อหาของข้อความของผู้ใช้ แม้ในกรณีที่ไม่มีสัญญาณใด ๆทางกฎหมายอื่น ๆ ส่วนเนื้อหาวิธีการอาศัยการกลั่นกรองหลักสอง : ( i ) การระบุส่วนประกอบโดยอัตโนมัติคำที่ทวีตกับขอบเขตภูมิศาสตร์ท้องถิ่นที่เข้มแข็ง และ ( 2 ) ตาข่ายย่านเรียบ ใช้รูปแบบสำหรับการกลั่นประมาณตำแหน่งของผู้ใช้ เราได้เห็นวิธีการสถานที่ประมาณ 51% ของผู้ใช้ Twitter สามารถสถานที่ในรัศมี 100 ไมล์จากสถานที่จริง