UniTE：面向预训练时空轨迹嵌入的调查与统一管线
机器学习
2024-11-13 v2
摘要
时空轨迹是由带时间戳的位置序列构成，能够实现多种分析，从而支撑重要的实际应用。将轨迹映射到向量（即嵌入）后，后续分析便变得可能，因此嵌入的质量至关重要。针对预训练嵌入的方法（即利用无标记轨迹进行通用嵌入训练），已展现出在不同任务中广泛适用的前景，从而引发广泛关注。然而，本领域的研究进展面临两个关键挑战：缺乏对现有方法的全面概览，导致几项相关方法未得到充分认识；缺乏统一管线，使新方法的开发和方法分析变得复杂。我们提出了 UniTE，一个包括调查与统一管线的框架。为此，我们列出了现有用于预训练轨迹嵌入的方法，这些方法要么显式地，要么隐式地采用了预训练技术。进一步，我们提出了一个统一且模块化的管线，配备公开可用的底层代码，简化了构建和评估时空轨迹嵌入预训练方法的流程。此外，我们贡献了在真实数据集上使用所提出管线进行的若干实验结果。管线的实现已公开于 https://github.com/Logan-Lin/UniTE。
引用
@article{arxiv.2407.12550,
title = {UniTE: A Survey and Unified Pipeline for Pre-training Spatiotemporal Trajectory Embeddings},
author = {Yan Lin and Zeyu Zhou and Yicheng Liu and Haochen Lv and Haomin Wen and Tianyi Li and Yushuai Li and Christian S. Jensen and Shengnan Guo and Youfang Lin and Huaiyu Wan},
journal= {arXiv preprint arXiv:2407.12550},
year = {2024}
}