用于城市区域嵌入的多图融合网络
人工智能
2022-05-10 v2
摘要
从人类移动数据中学习城市区域的嵌入可以揭示区域的功能，进而支持诸如犯罪预测等相关但不同的任务。人类移动数据包含丰富且大量的信息，这为跨领域任务生成了全面的区域嵌入。在本文中，我们提出了多图融合网络(MGFN)以实现跨领域预测任务。首先，我们通过移动图融合模块将具有时空相似性的图作为移动模式进行整合。然后，在移动模式联合学习模块中，我们设计了多级交叉注意力机制，基于模式内和模式间的信息从多种移动模式中学习全面的嵌入。最后，我们在真实的城市数据集上进行了广泛的实验。实验结果表明，所提出的 MGFN 优于最先进的方法，最高提升达 12.35%。
引用
@article{arxiv.2201.09760,
title = {Multi-Graph Fusion Networks for Urban Region Embedding},
author = {Shangbin Wu and Xu Yan and Xiaoliang Fan and Shirui Pan and Shichao Zhu and Chuanpan Zheng and Ming Cheng and Cheng Wang},
journal= {arXiv preprint arXiv:2201.09760},
year = {2022}
}