基于城市知识图谱的知识驱动选址
人工智能
2021-11-02 v1
摘要
选址为新店确定最优位置，对商业成功至关重要。尤其，人工智能与多源城市数据的广泛应用使智能选址颇具前景。然而，现有数据驱动方法严重依赖特征工程，面临业务泛化与复杂关系建模问题。为摆脱困境，本工作中我们借鉴知识图谱（KG）思想，提出一种用于选址的知识驱动模型，简称 KnowSite。具体而言，受 KG 中提炼知识与丰富语义的启发，我们首先构建捕获城市关键要素与语义关系的城市 KG（UrbanKG）。基于 UrbanKG，我们采用预训练技术获取语义表示，并将其输入编码器-解码器结构以进行选址决策。通过所开发的多关系消息传递与基于关系路径的注意力机制，KnowSite 成功揭示了各类业务与选址准则间的关系。在两份数据集上的大量实验表明，KnowSite 在代表性强基线之上实现了效果与可解释性的双重提升。
引用
@article{arxiv.2111.00787,
title = {Knowledge-driven Site Selection via Urban Knowledge Graph},
author = {Yu Liu and Jingtao Ding and Yong Li},
journal= {arXiv preprint arXiv:2111.00787},
year = {2021}
}