Demo2Vec：结合人口统计信息学习区域嵌入
机器学习
2024-09-26 v1 计算机与社会
摘要
人口统计数据（如收入、教育水平和就业率）包含城市区域的有价值信息，然而很少有研究整合人口统计信息来生成区域嵌入。在本研究中，我们展示了简单且易于获取的人口统计数据如何提升 SOTA 区域嵌入的质量，并在三个常见城市任务（即签到预测、犯罪率预测和房价预测）中于城市地区提供更好的预测性能。我们发现现有的基于 KL 散度的预训练方法可能偏向于流动性信息，并提议使用 Jensen-Shannon 散度作为多视图表示学习更合适的损失函数。来自纽约和芝加哥的实验结果表明，流动性+收入是最佳的预训练数据组合，其预测性能比现有模型最多提升 10.22%。考虑到在许多发展中城市难以获取流动性大数据，我们建议将地理邻近性+收入作为区域嵌入预训练的一种简单但有效的数据组合。
引用
@article{arxiv.2409.16837,
title = {Demo2Vec: Learning Region Embedding with Demographic Information},
author = {Ya Wen and Yulun Zhou},
journal= {arXiv preprint arXiv:2409.16837},
year = {2024}
}