基于主题模型和降维的大规模基于基准的计算方法有效地设计文本空间化，t-SNE 在降维中的适用性得到验证。

Jul, 2023

本文讨论了使用主题建模技术处理大规模众包生成的用户故事的方法，经过比较，结合词嵌入和 Word Mover 距离的方法最为有效，可以将用户故事分成不同的类别。

Jul, 2020

该研究提出了一种方法，通过对句子和文档的主题进行深入理解，不仅分析数据中的词频，而且可以检测包括非常见词或新词在内的潜在主题，还使用了基于语义空间的异类词和相似性度量等新的评价指标，并通过与人工识别相似性度量的相关系数，在文本挖掘方面展现出优秀的性能结果。

Mar, 2023

通过对社交媒体中的地理标记帖子进行全球性分析，本文介绍了一种检测城市中意外行为和通过帖子分析情况的方法。该方法使用了基于密度的聚类技术和自然语言处理技术，利用简单的硬件资源在不到一小时的时间内分析了纽约市长达七个月的 Instagram 数据，并且可以轻松适应其他地理标记数据源。

Dec, 2023

通过统计分析以及利用 Apriori 算法找出犯罪热点、利用决策树分类器及朴素贝叶斯分类器预测潜在的犯罪类型，再结合人口统计数据对犯罪数据集进行分析，以识别可能影响社区安全的因素。通过该研究，可以提高人们对危险区域的认识，并帮助机构预测特定地点在特定时间内的犯罪行为。

Aug, 2015

利用大规模人类流动数据来构建一种可以预测不同类型犯罪在各行政区划内发生年度数量的模型，并提高预测的准确性，并且对主要犯罪类别的预测特征进行了深入分析，为城市政策或执法部门提供了有价值的信息。

Jun, 2018

决策者通常通过报告过程观察事件的发生情况。在城市政府中，例如，依靠居民报告来发现并解决城市基础设施问题，例如树木倒塌、地下室涝水或鼠害问题。在正无标记数据的情况下，没有办法区分已发生但未被报告的事件和真正未发生的事件 - 这是存在基本难题。我们展示了如何充分利用事件的空间相关性来克服这一挑战。我们的框架利用贝叶斯空间潜变量模型推断事件发生的概率，并将其应用于纽约市风暴引发的洪水报告中，进一步汇总多个风暴的结果。我们展示了一个考虑少报告和空间相关性的模型比其他模型更准确地预测未来的报告，并进一步产生了更公平的检查分配：其分配更好地反映了人口情况并为非白人，较低教育水平和低收入居民提供公平的服务。我们的工作为更加公平的积极政府服务奠定了基础，即使报告行为存在差异。

Dec, 2023

我们提出了一种新的基于 K 最近邻图的空间偏差的注意力计算方法 KNN-former，该方法限制实体的注意力仅在 K 最近邻图定义的局部半径内；我们还使用组合匹配来解决多对一映射的问题，此外，与现有方法相比，我们的方法在可训练参数的数量方面更加高效。虽然如此，在各种数据集上的实验证明，我们的方法在大多数实体类型上优于基线方法。许多现实世界的文档具有组合特性，可以作为归纳偏差来提高提取准确性，但现有数据集没有涵盖这些文档。为了促进未来对这些类型的文档的研究，我们发布了一个涵盖多样化模板和语言的新 ID 文档数据集，并对现有数据集进行了增强的注释。

May, 2024

通过一个新的自然语言处理任务，从新闻语料库中提取被警察杀害的人员的名字。我们提供了一个新收集的警察致死语料库，并提出一个使用基于 EM 的远程监督与逻辑回归和卷积神经网络分类器解决这个问题的模型。我们的模型性能优于两个现成的事件提取系统，有些情况下能够比一个主要手动收集的警察致死数据库更快地建议候选受害者姓名。

Jul, 2017

文档的定位特点和重要的本地特征。因此，我们提出了一种名为 JELLY 的简单而有效的联合嵌入方法，它在多位置（multi-LocaLitY）下同时学习文档和位置的编码器，能够更有效地识别文档空间重点。

Jun, 2023