基于多视图对比预测的城市区域表示
机器学习
2023-12-18 v1 计算机视觉与模式识别
数据库
摘要
近年来，利用多模态数据（信息视图）学习城市区域表示以深入理解城市中各种社会经济特征的分布日益流行。然而，以往的方法通常在后续阶段融合多视图信息，难以学习跨不同视图的连贯且一致的表示。在本文中，我们构建了一个新的流程来学习跨不同视图的一致表示，并提出了用于城市区域嵌入的多视图对比预测模型，该模型利用了来自兴趣点（POI）和人类移动性数据的多种信息视图。具体而言，ReCP 包含两个主要模块：一个是视图内学习模块，利用对比学习和特征重建来捕获每个单一视图的独特信息；另一个是视图间学习模块，使用对比预测学习方案来感知两个视图之间的一致性。我们在两个下游任务上进行了全面实验以评估所提出的模型，即土地利用聚类和区域流行度预测。实验结果表明，我们的模型在城市区域表示学习方面显著优于最先进的基线方法。
引用
@article{arxiv.2312.09681,
title = {Urban Region Embedding via Multi-View Contrastive Prediction},
author = {Zechen Li and Weiming Huang and Kai Zhao and Min Yang and Yongshun Gong and Meng Chen},
journal= {arXiv preprint arXiv:2312.09681},
year = {2023}
}