GEO-BLEU：一种面向地理空间序列的相似度度量
机器学习
2022-11-02 v2
摘要
在近期地理空间研究中，对大规模人类移动数据建模与轨迹预测的重要性日益上升，这与自然语言处理中基于大规模语料库的文本生成进展相平行。尽管已有大量可行方法适用于地理空间序列建模本身，但在评估方面，特别是衡量生成轨迹与参考轨迹之间的相似性方面，似乎仍有改进空间。本文提出一种新颖的相似度度量 GEO-BLEU，其在地理空间序列建模与生成场景下尤为有用。顾名思义，该工作基于机器翻译研究中最常用的度量之一 BLEU，同时将空间邻近性引入 n-gram 的思想。我们将该度量与已有基线动态时间规整（dynamic time warping）进行比较，并将其应用于实际生成的地理空间序列。利用从超过 12,000 个案例中收集的关于地理空间序列间相似度的众包标注数据，我们从定量与定性两方面展示了所提方法的优越性。
引用
@article{arxiv.2112.07144,
title = {GEO-BLEU: Similarity Measure for Geospatial Sequences},
author = {Toru Shimizu and Kota Tsubouchi and Takahiro Yabe},
journal= {arXiv preprint arXiv:2112.07144},
year = {2022}
}