PromptST：提示增强的时空多属性预测
人工智能
2023-09-19 v1
摘要
在信息爆炸时代，时空数据挖掘是城市管理的关键组成部分。考虑到需关注的诸多领域（如交通状态、人类活动与社会事件），同时预测多个时空属性可缓解监管压力并推动智慧城市建设。然而，由于不同属性间关系复杂，当前研究难以很好地处理时空多属性预测。关键挑战在于如何应对共性时空模式并处理其差异。本文中，我们提出一种有效的时空多属性预测方案 PromptST。我们设计了一种时空 Transformer 与参数共享训练方案，以应对不同时空属性间的共性知识；随后详述一种时空提示微调策略，以轻量方式拟合特定属性。通过预训练与提示微调阶段，我们的 PromptST 能够通过提示骨干模型拟合特定目标属性，同时保持已学习的共性知识，从而增强对特定时空特征的捕捉。在真实数据集上的大量实验验证了 PromptST 达到了最优性能。此外，我们还证明 PromptST 对未见的时空属性具有良好的可迁移性，为城市计算带来可观的应用潜力。实现代码已公开以便于复现。
引用
@article{arxiv.2309.09500,
title = {PromptST: Prompt-Enhanced Spatio-Temporal Multi-Attribute Prediction},
author = {Zijian Zhang and Xiangyu Zhao and Qidong Liu and Chunxu Zhang and Qian Ma and Wanyu Wang and Hongwei Zhao and Yiqi Wang and Zitao Liu},
journal= {arXiv preprint arXiv:2309.09500},
year = {2023}
}