Dynamic Named Entity Recognition model to distinguish authors’ positions relative to mentioned locations
Notice bibliographique
Résumé
When sending a tweet, Twitter authors refer either to their current locations (in-situ location) or to distant (remote locations). Although essential for several spatial analysis tasks, distinguishing between in-situ and remote location entities poses significant challenges due to the ambiguity of natural language, informal and unstructured tweets, and dynamic location entities. To address these challenges, we developed a Dynamic Named Entity Recognition (DNER) model to differentiate between the two types of location entities in Twitter data. We investigated three annotation approaches and set up an annotation guideline based on strict grammatical rules on a decision tree. Using our custom-trained DNER model, we validated the effectiveness of our model on a validation dataset representative of the most prominent Twitter sources. Although to a marginal extent, our results show the model's effectiveness in distinguishing between in-situ and remote location mentions. Posts generated via native Twitter applications (Twitter for Android, iPhone and iPad) returned 64% and 32%, respectively, for the in-situ and remote locations within the bounding box of the geocoded locations. For Instagram posts, the returned percentages were 87% and 77%, respectively, for the in-situ and remote locations. We conclude that the DNER model is more effective on native applications than on Instagram-generated posts. • A Dynamic Named Entity Recognition (DNER) model performs better on data from native Twitter applications than on Instagram-generated posts. • Decision trees aid in annotating highly ambiguous posts • Group-based annotations are effective for consistent and diverse results in complex NER tasks. • Data composition affects model and validation results
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,004 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,004 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».