マルチグラフ表現学習フレームワークによる都市領域プロファイリング【JST・京大機械翻訳】

Luo Y.; Chung F.; Chen K.

プレプリント

J-GLOBAL ID：202202210532083558 整理番号：22P0284686

マルチグラフ表現学習フレームワークによる都市領域プロファイリング【JST・京大機械翻訳】

Urban Region Profiling via A Multi-Graph Representation Learning Framework

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年02月04日プレプリントサーバーでの情報更新日： 2022年02月04日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

都市地域プロファイリングは,都市分析に有益であった。既存の研究は,マルチソース都市データから都市地域表現を学ぶ大きな努力をしているが,まだ3つの制限がある。(1)ほとんどの関連方法は,局所レベルの地理的文脈信号と領域内情報を見落としている間,大域的レベルの地域間関係にのみ集中した。(2)ほとんどの以前の研究は,マルチグラフ相関を深く融合できる効果的だが統合融合モジュールを開発することに失敗した。(3)最先端の方法は,高い分散社会経済的属性を持つ地域でよく機能しない。これらの課題に対処するために,都市地域プロファイリングのための領域2Vecと呼ばれるマルチグラフ代表的学習フレームワークを提案した。特に,人間移動性が地域間関係のためにコード化されていることを除いて,地理近隣は地理的文脈情報を捕えるために導入され,一方,POI側面情報は知識グラフによって領域内情報を表現するために採用される。次に,グラフを用いて,領域間のアクセシビリティ,近傍,および機能性相関を捉えた。多重グラフの識別特性を考慮するために,符号器デコーダマルチグラフ融合モジュールを,包括的表現を共同学習するためにさらに提案した。実世界データセットに関する実験は,領域2Vecが3つのアプリケーションで採用でき,すべての最先端のベースラインより優れていることを示した。特に,地域2Vecは,高い分散社会経済的属性を持つ地域における以前の研究よりも優れた性能を有する。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

図形・画像処理一般 , 都市計画の調査分析,分析手法 , 人工知能 , パターン認識

, , , , ,

前のページに戻る