Not logged in.

Contribution Details

Type Master's Thesis
Scope Discipline-based scholarship
Title Spatial Proximity as Similarity in Geographic Space: Using Topic Modeling to Detect Spatially Related Entities and Context
Organization Unit
  • Taya Goubran
  • Marc Novel
  • English
Institution University of Zurich
Faculty Faculty of Business, Economics and Informatics
Date August 2016
Abstract Text In a time with endless and easily accessible data, valuable information is hidden in the unstructured format of text. Here, an unsupervised topic model is used is detect geospatial proximity from online user text reviews. By tuning the model parameters and using different dataset, the generated topics have shown different degrees of abstraction in terms of geographical proximity. Hotels assigned to the same topics share geographical similarities. The location of the areas formed by those hotel corresponds to the topic keywords and its size is proportional to the topic weight. The combination of keywords and weight provides insight into contextual similarities.
Zusammenfassung In einer Zeit mit unendlichen und leicht zugänglichen Daten, liegt oft wertvolle Information versteckt in unstrukturierte Text. Hier wird ein unüberwachtes Modell für Themenerkennung verwendet um geographische und räumliche Ähnlichkeiten aus online Benutzerbewertungen zu extrahieren. Durch die Verwendung von unterschiedlichen Datensätzen und Modellparametern sind mehrere Abstraktionsstufen bezüglich geographischen Ähnlichkeiten ermittelt worden. Hotels, die die gleiche Themen zugeteilt sind, weisen geographische Ähnlichkeiten auf. Die Lage der Hotels entsprechen deren zugeteilten Themen und das Themagewicht ist proportional zur ihrer geographischen und semantischen Bedeutung. Die Betrachtung der Thema-Wörter und deren Gewicht verschafft Einsicht in kontextuelle Ähnlichkeiten.
PDF File Download
Export BibTeX