谷歌研究推出ME-POIs：基于移动性的地点嵌入框架

近日，谷歌研究院与南加州大学的研究团队发布了一种名为ME-POIs的框架。该框架将人类移动性的聚合信息融入到基于文本的地方描述中，解决了语言模型只能描述地点是什么而无法说明其使用方式的问题。通过对比学习方法，每个地点拥有的可学习原型能够更好地反映用户访问行为的特点。在洛杉矶和休斯顿的数据集上进行的五项地图丰富任务测试显示，在35个模型-任务组合中有34个得到了改进，其中一项任务的F1分数提高了81.9%，另一项任务的平均绝对误差（MAE）减少了24.7%。ME-POIs框架通过将每个访问记录编码为上下文化的向量，并使用对比学习方法将其与地点原型对齐，从而更好地捕捉地点的实际用途和用户行为特点。此外，在洛杉矶数据集中，ME-POIs在多个任务上取得了显著的性能提升，包括81.9% F1分数的提高和24.7% MAE的减少。