经典特征嵌入助力基于BERT的人类移动性预测
人工智能
2025-10-24 v1
摘要
人类移动性预测对于灾难救援、城市规划和公共卫生至关重要。然而，现有模型要么仅对位置序列进行建模，要么仅将时间信息作为辅助输入，从而未能利用兴趣点（POI）提供的丰富语义上下文。为解决这一问题，我们通过引入导出的时间描述符和POI嵌入来丰富基于BERT的移动性模型，以更好地捕捉人类移动背后的语义。我们提出了STaBERT（语义-时间感知BERT），该模型在每个位置整合了POI和时间信息，以构建统一的、语义增强的移动性表示。实验结果表明，STaBERT显著提高了预测精度：对于单城市预测，GEO-BLEU分数从0.34提升至0.75；对于多城市预测，则从0.34提升至0.56。
引用
@article{arxiv.2510.20275,
title = {Classical Feature Embeddings Help in BERT-Based Human Mobility Prediction},
author = {Yunzhi Liu and Haokai Tan and Rushi Kanjaria and Lihuan Li and Flora D. Salim},
journal= {arXiv preprint arXiv:2510.20275},
year = {2025}
}
备注
This paper has been accepted by ACM SIGSPATIAL 2025 as a short paper