Pontosabb helyadatokat biztosít a Google Research új rendszere

A ME-POIs keretrendszer minden egyes látogatást egy kontextualizált vektorként kódol, majd kontrasztív tanulással igazítja ezeket a vektorokat a helyszín (POI) egy tanulható prototípusához. Ez lehetővé teszi, hogy a modell megkülönböztesse például a gyors forgalmú és a hosszabb tartózkodást igénylő kávézókat. (MarkTechPost)

A Los Angeles-i és Houston-i adatokon végzett tesztek során a ME-POIs hozzáadása erős szöveges beágyazókhoz 35-ből 34 esetben javította a modell-feladat párosításokat Los Angelesben. A látogatói szándék becslésében akár 81,9%-os F1-pontszámot, a forgalom becslésében pedig 24,7%-os MAE-csökkenést értek el.

Modell architektúra és ritka adatok kezelése

A ME-POIs működése során a látogatásokat koordináták, érkezési és távozási idők hármasával kódolja. A Space2Vec és két Time2Vec enkóder kezeli ezeket az adatokat, megkülönböztetve az érkezés idejét és a tartózkodás időtartamát. A vektorok egy 4 rétegű, 8 fejes Transformer modellen haladnak át, hogy kontextualizált látogatói beágyazásokat hozzanak létre. A kontrasztív cél az, hogy a látogatói beágyazások közelebb kerüljenek a POI-juk prototípusához, miközben távolodnak más POI-k prototípusaitól.

A keretrendszer egyik fő kihívása a ritka adatok kezelése. Mivel a Los Angeles-i POI-k mindössze 9,07%-a, a Houston-i POI-k pedig 7,04%-az érte el a minimális látogatási küszöböt, a ME-POIs Gauss-magokat használ három sávszélességen (0,3 km, 1,0 km, 3,0 km), hogy a ritka helyszínekre is átvigye a látogatási mintázatokat. Ezt kiegészíti egy KL-divergencia terminológia, amely biztosítja, hogy a ritkán látogatott helyszínek beágyazásai is megbízhatóak legyenek.

Teljesítmény és elérhetőség

A kutatás egyik kiemelkedő eredménye, hogy a kizárólag mozgási adatokon képzett ME-POIs változat felülmúlta a Gemini szöveges beágyazásait az árkategória osztályozásában. Ez azt jelenti, hogy a helyek kollektív mozgási mintái bizonyos feladatok esetében többet mondanak, mint a helyeket leíró szavak. A keretrendszer nem igényel nagy számítási kapacitást: körülbelül 53,7 millió paraméterrel rendelkezik, és egyetlen NVIDIA Tesla V100 16GB GPU-n előzetesen betanították.

A tesztek során a ME-POIs jelentős javulást mutatott a nyitvatartási idők becslésében (16,2% F1-javulás az OpenAI-large modellel), a látogatói szándék meghatározásában (81,9% F1 a Gemini modellel), a végleges bezárások előrejelzésében (6,5% F1 az E5 modellel) és a forgalom becslésében (24,7% MAE-csökkenés a Gemini modellel). A Houston-i adatokon a GTR-T5 modell árkategória becslése 75,1%-kal javult. A Gemini modell teljesítménye a bezárások előrejelzésében 0,4%-kal csökkent.

A ME-POIs jelenleg nem letölthető szoftverként, hanem egy olyan keretrendszer, amelyet újra kell építeni. A valós idejű használathoz licencelt forgalmi adatokra vagy első féltől származó látogatási naplókra, valamint POI poligonokra van szükség. A Google Research közzétette a tanulmányt, de nyilvános kódot vagy súlyokat még nem adott ki. A kutatók a keretrendszert a SafeGraph és a Google Maps adataival tesztelték.