融合人类移动的POI表示：学习何为地点及其用途
机器学习
2026-03-06 v2 人工智能
摘要
最近的地理空间基础模型进展突显，学习面向真实世界地点的通用表示尤为重要，尤其是人类活动集中处的兴趣点（POI）。然而，现有方法主要关注基于静态文本元数据的地点身份，或学习与轨迹上下文相关的表示，这些表示捕获的是移动规律，而非实际用途（即POI的功能）。我们认为，POI功能是缺失但至关重要的信号，用于通用POI表示。我们提出Mobility-Embedded POIs（ME-POIs），一种框架，通过融合大规模人类移动数据，增强从语言模型派生的POI嵌入，以学习基于POI的、与上下文无关的表示，奠基于真实世界的使用情况。ME-POIs 将单个访问表示为具有时序上下文的嵌入，并通过对比学习将其与可学习的POI表示对齐，以捕获跨用户和跨时间的使用模式。为解决长尾稀疏问题，我们提出一种新机制，在多个空间尺度上从附近频繁访问的POI处传播时间访问模式。我们在五个新提出的地图丰富任务上评估ME-POIs，测试其捕获地点身份和功能的能力。在所有任务中，仅用ME-POIs增强的文本嵌入 consistently 优于文本-only和移动-only基线。值得注意的是，仅在移动数据上训练的ME-POIs在某些任务上甚至可以超越文本-only模型，凸显POI功能是准确且通用的POI表示的关键组成部分。
引用
@article{arxiv.2601.21149,
title = {Mobility-Embedded POIs: Learning What A Place Is and How It Is Used from Human Movement},
author = {Maria Despoina Siampou and Shushman Choudhury and Shang-Ling Hsu and Neha Arora and Cyrus Shahabi},
journal= {arXiv preprint arXiv:2601.21149},
year = {2026}
}