Unibuckernel: Geolocating Jodels الألمانية السويسرية باستخدام التعلم الفرعي


الملخص بالعربية

في هذا العمل، نصف نهجنا معالجة مهمة تحديد الموقع الجغرافي لوسائل التواصل الاجتماعي المميز في حملة التقييم الفاديم 2021. نحن نركز على المراكب الفرعية الثانية، والتي تعتمد على مجموعة بيانات تشكلت حوالي 30 ألف جود ألماني سويسري. مهمة تحديد الهياكل هي حول التنبؤ بدقة خطوط الطول والعرض لعينات الاختبار. نحن نؤيد المهمة باعتبارها مشكلة في الانحدار المزدوج، وتستخدم المتعلم Meta XGBOOST مع القوة المشتركة لمجموعة متنوعة من نهج التعلم الآلي للتنبؤ بكل من خطوط الطول والعرض. تتراوح النماذج المدرجة في مجموعة فرقة لدينا من تقنيات الانحدار البسيطة، مثل الانحدار من متجه الدعم، إلى النماذج العصبية العميقة، مثل الشبكة العصبية المختلطة ومحول عصبي. لتقليل خطأ التنبؤ، نتعامل مع المشكلة من بعض وجهات نظر مختلفة والنظر في أنواع مختلفة من الميزات، من حرف منخفض المستوى N-Gram إلى Armbeddings رفيعة المستوى. أسفرت فرقة XGBoost عن الجمع بين قوة الطرق المذكورة أعلاه تحقق مسافة 23.6 كم على بيانات الاختبار، والتي تضعنا في المركز الثالث في الترتيب، في اختلاف قدرها 6.05 كم و 2.9 كم من التقديمات الأولى والأماكن الثانية، على التوالي.

المراجع المستخدمة

https://aclanthology.org/

تحميل البحث