Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

Urban Region Pre-training and Prompting: A Graph-based Approach

Created by
  • Haebom

作者

Jiahui Jin, Yifan Song, Dong Kan, Haojia Zhu, Xiangguo Sun, Zhicheng Li, Xigang Sun, Jinghui Zhang

概要

本論文では、さまざまな都市関連サブタスクにとって重要な都市地域表現学習のための新しいフレームワークであるGRAPP（Graph-based Urban Region Pre-training and Prompting）を提案します。既存の研究は、都市部の微細な機能的レイアウトセマンティクスの考慮を欠いており、作業適応性が低下することを指摘し、GURPPは都市部地域のグラフを構成し、サブグラフ中心の事前学習モデルを介してエンティティ相互作用の異種かつ転移可能なパターンを捉えます。対照学習と多視点学習を使用して、豊富な知識を持つ地域埋め込みを事前学習し、手動で定義されたプロンプトと学習可能なプロンプトによって埋め込みの適応性を高めます。さまざまな都市地域の予測作業と都市の実験を通じて、GURPPの優れたパフォーマンスを実証します。

Takeaways、Limitations

•
Takeaways：
◦
都市部の微細な機能的レイアウトセマンティクスを考慮して、転移可能な知識を効果的に学習できる新しいフレームワークの提示。
◦
グラフベースの事前学習とプロンプトによる様々なサブタスクに対する適応性の向上
◦
対照学習と多視点学習を活用した豊富で強力な地域埋め込みの生成
◦
手動および学習可能なプロンプトを介して明示的および暗黙的な作業知識を統合します。
◦
様々な都市や仕事で優れた性能を実証。
•
Limitations：
◦
提案されたフレームワークの一般化性能に関するさらなる研究が必要です。
◦
さまざまなサイズと複雑さを持つ都市地域のロバースト性評価が必要です。
◦
手動で定義されたプロンプトの設計に対する主観性とLimitations考察が必要です。
◦
学習可能なプロンプトの学習プロセスと解釈の追加分析が必要です。
👍
Made with Slashpage