利用语言基础模型进行人类移动性预测
机器学习
2022-09-16 v2 人工智能
摘要
在本文中，我们提出了一种新颖的流程，利用语言基础模型进行时间序列模式挖掘，例如用于人类移动性预测任务。例如，在预测兴趣点（POI）客流量的任务中，通常从历史日志中提取访问次数，仅使用数值数据来预测访客流量。在本研究中，我们直接在包含数值和上下文语义信息等各类信息的自然语言输入上执行预测任务。我们引入了特定的提示，将数值时间序列转换为句子，从而可以直接应用现有的语言模型。我们设计了一个 AuxMobLCast 流程，用于预测每个 POI 的访客数量，将辅助 POI 类别分类任务与编码器-解码器架构相集成。本研究为所提出的 AuxMobLCast 流程在移动性预测任务中发现序列模式的有效性提供了经验证据。在三个真实世界数据集上评估的结果表明，预训练的语言基础模型在预测时间序列方面也具有良好的性能。本研究可为人类移动性预测提供前瞻性见解并引领新的研究方向。
引用
@article{arxiv.2209.05479,
title = {Leveraging Language Foundation Models for Human Mobility Forecasting},
author = {Hao Xue and Bhanu Prakash Voutharoja and Flora D. Salim},
journal= {arXiv preprint arXiv:2209.05479},
year = {2022}
}
备注
Accepted at ACM SIGSPATIAL 2022