基于异构图神经网络的购物中心走廊使用概率预测

我们提出了一种基于图神经网络（GNN）的方法，用于预测购物中心走廊的使用概率。通过为购物中心的平面图创建走廊、商店和入口的矢量图层，将这些图层整合为图的节点和边。使用概率方法获取的目标数据用于监督式深度学习流程。我们还包括特定情境的潜在特征表示学习。对每条边（代表商店或走廊点之间归属某段走廊路径的连接部分）进行使用概率预测。为每个边创建特征，采用消息传递GNN层在该边节点的隐藏层特征向量取平均后拼接，其乘积得到的向量。将这些边特征传递给多层感知机（MLP）进行最终的使用概率预测。通过改变商店的使用类别和面积类别，生成每个购物中心的合成学习数据样本。当将不同购物中心纳入单个数据集时，我们还提出考虑图级别特征，以向模型提供每个购物中心的特定识别特征。