Loading article…
地理情報システムにおいて、地名解決とは、地名、すなわち場所の言及と、同じ場所の明確な空間的足跡との関係処理である。 [1]
デジタル化されたテキスト コレクションに記載されている場所は、多くの分野の研究者にとって豊富なデータ ソースとなります。ただし、言語使用における地名は曖昧であり、現実世界の明確な指示対象を割り当てることが困難です。時間の経過と共に、確立された地理的名称が変化することがあります (「ビザンチウム」>「コンスタンティノープル」>「イスタンブール」など)。または、そのまま再利用されることもあります (英国イングランドの「ボストン」と米国マサチューセッツ州の「ボストン」など)。あるいは、変更が加えられて再利用されることもあります (「ヨーク」と「ニューヨーク」など)。文書内に存在する一連の場所名または地名を、対応する緯度/経度座標、ポリゴン、またはその他の空間フットプリントにマッピングするには、曖昧さ解消手順が必要です。地名解決アルゴリズムは、地名から空間フットプリントへのマッピングを自動的に実行する方法です。
地名解決のためのいくつかの方法では、名前と空間的な足跡との間の可能なマッピングの地名辞典が使用される。 [2]
解決プロセス
定義の「同じ場所の明確な空間的足跡」[1]は、実際には明確な場合もあれば、「それほど明確ではない」場合もあります。解決プロセスが発生する可能 性のある不確実性のコンテキストはいくつかあります。
- 証拠が地理的で不確実性がない場合。たとえば、写真の場所の国名を取得する場合、その場所は国境から 1000 km 離れた GPS 位置 (誤差 10 メートル) です。
- 証拠は地理的なものですが、不確実性がかなり高い場合。GPS 誤差が 100 メートルで、場所が国境から約 100 メートルの近くにあるという同様のシナリオを想像してください。
- 証拠がテキストのみの場合。旅行者が休暇から戻った後に旅行について語る手紙を想像してください。唯一の証拠は物語のテキストです。
- 証拠のソースが混在: 証拠は複数あるが、明確な証拠はない。
地理的証拠から
地名の解決は、特に略語が標準のジオコードとして使用されている場合、名前から略語への単純な変換になることがあります。
たとえば、公式の国名であるアフガニスタンをISO 国コードに変換する場合などです。AF
メディアとメタデータに注釈を付ける場合、地図と地理的証拠 (GPS など)を使用した変換は、地名、または地名を表す ジオコードを取得するための最も一般的な方法です。
文献証拠から
構造化されたデータベースレコードに通常格納される郵便番号のジオコーディングとは対照的に、地名解決は、通常、大規模な非構造化テキスト文書コレクションに適用され、そこに記載されている場所を地図に関連付けます。これらのテキスト文書の一部にジオタグが付けられている場合（たとえば、緯度と経度が自動的に追加されたマイクロブログ投稿など）、それらを使用して、任意の用語（たとえば「ケーブルカー」や「満潮」）のさまざまな地理的特異性を推測できます[3] 。
空間フットプリントを使用してメディア (画像、テキスト、ビデオなど) に注釈を付けるプロセスは、ジオタグとして知られています。テキスト ドキュメントに自動的にジオタグを付けるには、通常、地名認識(地理的位置へのテキスト参照の検出) と地名解決(地理的参照ごとに適切な位置解釈の選択)という手順が実行されます。
地名認識は、単に場所の実体を導き出すことを目的とする名前付きエンティティ認識の特殊なケースと考えることができます。ただし、名前付きエンティティ認識の結果は、手動で作成されたルールや統計的ルールを使用してさらに改善することができます。[4]
位置の解釈を得るために、解決モデルはGeoNamesやOpenStreetMapなどの地名辞典(つまり、位置の巨大なデータベース)を活用する傾向があります。地名を解決する単純なアプローチは、候補のリストから最も人口の多い解釈を選択することです。たとえば、次の抜粋をご覧ください。
ロンドンに住み働くトロント在住の男性、EU離脱後の英国での「将来は不透明」
— CBC
地名「トロント」と「ロンドン」は、それぞれカナダとイギリスに位置する最も一般的な解釈を指しているため、素朴なアプローチは実行可能であると思われますが、次のニュース記事では、
2025年までにトロントとロンドンを結ぶ高速鉄道
— CBC
このアプローチでは、地名ロンドンをカナダのオンタリオ州にある都市として正確に特定できません。したがって、人口が最も多い都市を選択することは、ローカライズされたコンテキストの地名には適していません。
さらに、地名解決は換喩を一般的には扱いません。とはいえ、認識段階で地名として識別される限り、解決技術によって換喩参照の曖昧さを解消できます。たとえば、次の抜粋をご覧ください。
カナダも大麻の飲酒運転を考慮して運転法規を改正している。
— エスクァイア
カナダは換喩を示し、「カナダ政府」を指します。ただし、一般的な名前付きエンティティ認識機能によって場所として識別できるため、地名リゾルバによって曖昧さを解消できます。
アプローチ
地名解決法は、一般的に教師ありモデルと教師なしモデルに分けられます。教師あり方法では通常、問題を学習タスクとして扱い、モデルは最初に文脈的特徴と非文脈的特徴を抽出し、次に分類器をラベル付きデータセットでトレーニングします。適応モデル[5]は、地名解決で提案されている主要なモデルの 1 つです。地名の各解釈について、モデルは地理的近接性や他の解釈との兄弟関係に基づいて文脈依存の特徴を導き出します。文脈関連の特徴に加えて、モデルは人口や観客の所在地などの文脈に依存しない特徴の恩恵を受けます。一方、教師なしモデルは注釈付きデータを保証しません。注釈付きコーパスが十分に大きくない場合、教師なしモデルは教師ありモデルよりも優れており、教師ありモデルは十分に一般化できない可能性があります。[6]
教師なしモデルは、文書に記載されている地名の相互作用をより有効に活用する傾向があります。コンテキスト階層融合[6]モデルは、文書の地理的範囲を推定し、近くの地名間のつながりを証拠として活用して地名を解決します。問題を競合のない集合被覆問題にマッピングすることにより、このモデルは首尾一貫した堅牢な解決を実現します。
さらに、Wikipediaや知識ベースの採用は地名解決に効果的であることが示されています。TopoCluster [7]は、Wikipediaの場所ページを組み込むことで単語の地理的意味をモデル化し、テキスト内の単語の空間的意味を使用して地名を明確にします。
地理解析
ジオパーシングは、場所のフリーテキスト記述 (「ジャララバードの北東 20 マイル」など) を、緯度-経度で表現される地理座標などの明確な地理識別子に変換する特殊な地名解決プロセスです。また、話し手が場所について言及している音声コンテンツなど、他の形式のメディアからの位置参照をジオパーシングすることもできます。地理座標を使用すると、フィーチャをマップ化して地理情報システムに入力できます。構造化されていないコンテンツから得られる地理座標の主な 2 つの用途は、マップ上にコンテンツの一部をプロットすることと、マップをフィルターとして使用してコンテンツを検索することです。
ジオパーシングは、ジオコーディングの域を超えています。ジオコーディングは、郵便番号や厳密にフォーマットされた数値座標など、明確に構造化された場所の参照を分析します。ジオパーシングは、シリアとイエメンの町を含む複数の場所の名前である「アル ハムラ」など、構造化されていない談話内の曖昧な参照を処理します。
ジオパーサーは、このプロセスを支援するソフトウェアまたは (Web) サービスです。例:
- GEOLocate 自動地理参照
- BioGeomancer – 半自動地理参照
- GEOnet Names Server – 米国および南極以外の地域の GIS 情報を自由に利用できます。国立地理空間情報局 (NGA) と米国地名委員会 (US BGN) によって毎月更新されます。
- 地名情報システム (GNIS) – 米国の約 200 万の物理的特徴、場所、ランドマークに関する情報を含む、無料で利用できるデータベース
- CLAVIN – CLAVIN (Cartographic Location And Vicinity INdexer) は、コンテキストベースの地理エンティティ解決を採用したドキュメントのジオタグ付けおよび地理解析用のオープン ソース ソフトウェア パッケージです。
- Geocode.xyz – Geocode.xyzは、テキストに記載されている地名と住所の両方を識別するウェブサービスです。[8]
- geoparsepy – geoparsepy は、OpenStreetMap データベースを使用してフリーテキストの場所の識別と曖昧さ解消をサポートする無料の Python 地理解析ライブラリです。
参考文献
- ^ ab Leidner, Jochen L. (2007). テキスト内の地名解決: 空間グラウンディングの注釈、評価、およびアプリケーション (PhD). エディンバラ大学. hdl :1842/1849.
- ^ ヒル、リンダ L. (2006)。ジオリファレンス：情報の地理的関連性。MIT プレス。ISBN 978-0262083546。
- ^ Berggren, Max; Karlgren, Jussi ; Östling, Robert; Parkvall, Mikael (2016). 「テキスト内の単語から著者の所在地を推測する」。Nordic Conference on Computational Linguistics の議事録。arXiv : 1612.06671。
- ^ Lieberman, Michael D.; Samet, Hanan (2011). ストリーミングニュースのための多面的な地名認識(PDF)。情報検索の研究開発に関する第34回国際ACM SIGIR会議の議事録。pp. 843–852。doi : 10.1145 /2009916.2010029。
- ^ Lieberman, Michael D.; Samet, Hanan (2012). ストリーミングニュースにおける地名解決のための適応型コンテキスト機能(PDF)。情報検索の研究開発に関する第35回国際ACM SIGIR会議の議事録。pp. 731–740。doi : 10.1145 /2348283.2348381。
- ^ ab Kamalloo , Ehsan; Rafiei, Davood (2018).地名解決のための一貫した教師なしモデル。2018年ワールドワイドウェブカンファレンスの議事録。pp. 1287–1296。arXiv : 1805.01952。doi : 10.1145 /3178876.3186027。
- ^ DeLozier, Grant; Baldridge, Jason; London, Loretta (2015)。地理単語プロファイルを使用した地名辞典に依存しない地名解決。第29回AAAI人工知能会議議事録。pp. 2382–2388。
- ^ 「Perl Advent Calendar 2016 - 膨大な量のテキスト用のジオパーサー」