社区搜索签名作为以人为中心的地理空间建模的基础特征
机器学习
2024-10-31 v1
摘要
聚合的相对搜索频率提供了一种独特的复合信号，反映了人们的习惯、关切、兴趣、意图以及一般信息需求，这些因素在其他可得数据集中难以找到。时间搜索趋势已成功应用于诸多领域的时间序列建模，如传染病、失业率和零售销售。然而，大多数现有应用需要精选单个关键词、查询或查询聚类的专门数据集，并且需要将搜索数据与感兴趣结果变量进行时间对齐。我们提出了一种新颖的方法，用于生成以社区水平为基础的搜索兴趣的聚合且匿名的表示，用于地理空间建模。我们使用多个领域的空间数据集对这些特征进行基准测试。在人口大于 3000 的 zip 码中（覆盖连续美国人口的 95% 以上），我们用于预测 20% 持有留存县缺失值的模型在 21 个健康变量上的平均 R^2 分数为 0.74，在 6 个人口学和环境变量上为 0.80。我们的结果表明，这些搜索特征可用于空间预测，而无需严格的时间对齐，并且所得模型在空间插值和使用卫星图像特征的最先进方法中表现更佳。
引用
@article{arxiv.2410.22721,
title = {Community search signatures as foundation features for human-centered geospatial modeling},
author = {Mimi Sun and Chaitanya Kamath and Mohit Agarwal and Arbaaz Muslim and Hector Yee and David Schottlander and Shailesh Bavadekar and Niv Efron and Shravya Shetty and Gautam Prasad},
journal= {arXiv preprint arXiv:2410.22721},
year = {2024}
}
备注
8 pages, 8 figures, presented at the DMLR workshop at ICML 2024