文献

J-GLOBAL ID：202202228172281137   整理番号：22A0930978

自然言語生成による人間モビリティ予測の翻訳【JST・京大機械翻訳】

Translating Human Mobility Forecasting through Natural Language Generation

著者 (4件)： Xue Hao (RMIT University, Melbourne, Australia) ,  Salim Flora D. (RMIT University, Melbourne, Australia) ,  Ren Yongli (RMIT University, Melbourne, Australia) ,  Clarke Charles L. A. (University of Waterloo, Waterloo, Canada)
資料名： ACM Proceedings  (ACM Proceedings)
号： WSDM ’22  ページ： 1224-1233  発行年： 2022年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 既存の人間の移動性予測モデルは,予測として数値を生成する入力として一連の数値を取り入れた時系列予測モデルの標準設計に従う。回帰問題としてこれを処理するのは,直接的であるように見えるが,各Place-of-Interest(POI)の意味的カテゴリー情報のような様々な文脈情報を組み込むことは,効果的な移動性予測モデルの設計において,必要なステップであり,しばしばボトルネックである。典型的な手法とは対照的に,翻訳問題として予測を処理し,言語生成パイプラインによる新しい予測を提案した。本論文は,シーケンスツーシーケンス方式で言語翻訳タスクとして,人間移動性予測問題に対処することを目指した。移動性対言語テンプレートを最初に導入して,自然言語文として数値移動度データを記述した。人間移動性予測翻訳タスクのコア直感は,入力移動記述文を将来の移動性記述に変換することであり,そこから予測目標を得ることができる。このパイプラインの下で,2分岐ネットワーク,SHIFT(移動ヒト移動度予測)を設計した。特に,それは,言語生成のための1つの主枝と,移動性パターンを直接学習するための1つの補助枝から成る。訓練の間,2つの枝をよりよく接続して訓練するための運動量モードを開発した。3つの実世界データセットに関する大規模な実験は,提案したSHIFTが有効であり,人間の移動性を予測する新しい革命的アプローチを提示することを示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *移動度 ,  運動量 ,  学習 ,  *言語 ,  ネットワーク ,  *翻訳【言語】 ,  ヒト ,  *自然言語 ,  モデル ,  文章 ,  予測モデル
準シソーラス用語： 文脈情報 ,  時系列予測 ,  移動性 ,  *言語生成 , 【Automatic Indexing@JST】

著者キーワード (3件)： 人間のモビリティ予測 ,  自然言語 ,  時間的予測

分類 (2件)： 自然語処理  (JE06000L) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 自然言語生成 ,  人間 ,  モビリティ ,  予測 ,  翻訳