通过异构图对比学习联合学习地图实体表示
机器学习
2024-02-12 v1
摘要
电子地图在地理信息系统中发挥着至关重要的作用，服务于各种城市管理场景和日常生活服务。开发有效的地图实体表示学习（MERL）方法对于从电子地图中提取嵌入信息并将地图实体转换为用于下游应用的表示向量至关重要。然而，现有的 MERL 方法通常只关注某一特定类别的地图实体，如兴趣点（POIs）、路段或地块，这对于现实世界中多样化的基于地图的应用来说是不够的，并且可能会丢失不同类型实体之间相互作用的潜在结构和语义信息。此外，使用由不同模型为不同地图实体生成的表示可能会引入不一致性。受此启发，我们提出了一种名为 HOME-GCL 的新方法，用于学习多类别地图实体的表示。我们的方法利用了一个异构图地图实体图（HOME 图），将路段和地块整合到一个统一的框架中。随后，我们专门设计了一个具有地块 - 路段联合特征编码和异构图变换器的 HOME 编码器，将路段和地块转换为表示向量。此外，我们引入了两种类型的对比学习任务，即实体内任务和实体间任务，以自监督方式训练编码器。在涵盖基于路段、基于地块和基于轨迹任务的三个大规模数据集上的大量实验证明了我们的方法的优越性。据我们所知，HOME-GCL 是首次尝试使用统一模型联合学习路段和地块表示的方法。
引用
@article{arxiv.2402.06135,
title = {Jointly Learning Representations for Map Entities via Heterogeneous Graph Contrastive Learning},
author = {Jiawei Jiang and Yifan Yang and Jingyuan Wang and Junjie Wu},
journal= {arXiv preprint arXiv:2402.06135},
year = {2024}
}
备注
14 pages, 6 figures