- Многомерная оценка местоположения с помощью концентрации нормы для субгамма-векторов (arXiv)
Автор: Шивам Гупта, Джаспер Ч. Х. Ли, Эрик Прайс.
Аннотация: При оценке местоположения нам дается n выборок из известного распределения f, сдвинутого на неизвестный сдвиг λ, и мы хотим оценить λ как можно точнее. Асимптотически оценка максимального правдоподобия достигает границы ошибки Крамера-Рао N (0,1nI), где I - информация Фишера f. Однако n, необходимое для сходимости, зависит от f и может быть сколь угодно большим. Мы основываемся на теории, используя \emph{сглаженные} оценки, чтобы ограничить ошибку для конечного n с точки зрения Ir, информации Фишера r-сглаженного распределения. При n→∞, r→0 с явной скоростью, и это сходится к границе Крамера-Рао. Мы (1) улучшаем предыдущую работу для одномерного f, чтобы сходиться для постоянной вероятности отказа в дополнение к высокой вероятности, и (2) расширяем теорию до многомерных распределений. В процессе мы доказываем новую оценку нормы многомерной случайной величины, одномерные проекции которой являются субгаммой, что может представлять самостоятельный интерес.
2.MM-Locate-News: мультимодальная оценка местоположения фокуса в новостях (arXiv)
Автор: Голса Тахмасебзаде, Эрик Мюллер-Будак, Шерзод Хакимов, Ральф Эверт.
Аннотация: Потребление новостей значительно изменилось, так как Интернет стал самым влиятельным средством информации. Чтобы анализировать и контекстуализировать большое количество новостей, публикуемых каждый день, географическая направленность статьи является важным аспектом, чтобы обеспечить поиск новостей на основе контента. Существуют методы и наборы данных для оценки геолокации по тексту или фотографиям, но обычно они рассматриваются как отдельные задачи. Однако на фотографии могут отсутствовать географические подсказки, а текст может включать несколько местоположений, что затрудняет распознавание местоположения фокуса с использованием одной модальности. В этой статье представлен новый набор данных под названием Multimodal Focus Location of News (MM-Locate-News). Мы оцениваем современные методы на новом эталонном наборе данных и предлагаем новые модели для прогнозирования фокуса новостей с использованием как текстового, так и графического контента. Экспериментальные результаты показывают, что мультимодальная модель превосходит одномодальные модели.
