通过使用维基百科文章中的超链接将多个位置表达式与坐标关联起来，我们构建了 WHLL（Wikipedia Hyperlink-based Location Linking）语料库，该语料库包含 130 万篇文章，每篇文章大约包含 7.8 个独特的位置表达式。实验结果表明，通过消除位置表达式的歧义性，仍然存在改进的空间。

Mar, 2024

地理位置是人道主义响应的关键要素，提供了弱势人口、持续事件和可用资源的概述。最新的自然语言处理发展可以帮助从大量人道主义领域产生的报告和文件中提取关键信息，但现有的信息提取工具的性能和偏见尚不清楚。本研究利用 Spacy 和 roBERTa 来进行人道主义文本的地理标记，提出了一个名为 FeatureRank 的地理编码方法，将候选位置与 GeoNames 数据库进行连接。发现人道主义领域的数据不仅提高了分类器的性能（F1 = 0.92），而且缓解了现有工具的偏见，错误偏向西方国家的位置。因此，我们得出结论：需要更多来自非西方文件的资源，以确保现成的 NER 系统适用于人道主义领域的部署。

Sep, 2023

提出了一种基于概率模型的文本数据地理编码方法 (ELECTRo-map)，用于推断或提取描述行为、日期、时间和位置等信息。本文还对比了该方法与当前开源系统的性能，探讨了端到端模型的优势，包括原则性不确定性估计和利用上下文信息的能力。

Jun, 2021

该研究提出了一个三部分新框架，包括任务定义、指标和评估数据，即通过语料库语言分析提出一个细粒度的地名实用分类学，讨论和审查任务的指标，并共享一个新的数据集 GeoWebNews 以提供测试 / 培训示例和启用我们贡献的即时使用； 除了细粒度 Geotagging 和 Toponym Resolution（地理编码），该数据集也适用于机器学习 NLP 模型的原型设计和评估

Oct, 2018

本文介绍了一种用于 Reddit 社交媒体平台地理定位推断的方法，设计了一种文本启发式模式用于生成 Reddit 用户的地理位置标签，进而进行训练并测试了几种在数据集和 Twitter 数据集上的地理定位模型，结果表明在同一领域训练和应用的地理定位模型比跨域的模型表现更好，尤其是在 Reddit 上，平台特定的兴趣组元数据可以用于提高推断效果。

Oct, 2018

分析大型语言模型对 Common Crawl 数据集的地理空间数据的利用率，发现 1/5 至 1/6 的文档中包含有经纬度和街道地址等地理空间信息，为进一步研究有关地理空间内容对大型语言模型的影响提供了定量的见解。

Jun, 2024

通过手动标注、众包及机器学习相结合的方式，本文创新性地建立了基于地理运动描述文本的语料库，以推动地理数据的计算处理和空间认知能力的探索。

Jan, 2022

本文提出一种新颖的方法，通过识别和匹配道路和交叉口，实现对空中图像进行自动地理定位，并且使用 OpenStreetMap 收集地面真实道路注释，在数个实验中体现了高精度的本地化效果，同时还表明检测到的道路和以前手动标记的地图之间的几何对准可以有效地用于改进道路检测结果。

May, 2016

该研究着重于文档级别的地理解析技术，提供了一个富有地理实体信息的旅行日志数据集，包括 200 个文档，12171 个提及，6339 个共指簇和 2551 个与地理数据库条目相关联的地理实体。

May, 2023

本文介绍了 Hebrew Geo-Location（HeGeL）语料库，它是用于采集字面意义上的地方描述和分析语言地理空间推断的，证明数据展示了丰富的地理空间推断使用，并需要一种新的环境表示。

Jul, 2023