城市区域预训练与提示：基于图的 метод

城市区域表示对于各种城市下游任务至关重要。然而，尽管方法层出不穷且取得了成功，但获取通用的城市区域知识并适应不同任务仍然具有挑战性。现有工作对关注城市区域中细粒度功能布局语义，限制了其跨区域捕获可转移知识的能力。此外，对不同下游任务所需的独特特征和关系处理不足，也可能阻碍有效的任务适应。在本文中，我们提出了基于图的城市区域预训练和提示框架（GURPP）用于区域表示学习。具体而言，我们首先构建城市区域图，并开发一种以子图为中心的城市区域预训练模型，以捕捉实体相互作用的异构性和可转移模式。该模型使用对比学习和多视图学习方法进行预训练，以获取知识丰富的区域嵌入。为进一步细化这些表示，我们设计了两种图基提示方法：一种是手动定义的提示，用于整合显式任务知识，一种是可学习的提示，用于发现隐藏知识，从而增强这些嵌入对不同任务的适应性。在各种城市区域预测任务和不同城市的广泛实验中，证明了我们框架的优越性能。