論文の概要: Learning Geospatial Region Embedding with Heterogeneous Graph

• arxiv url: http://arxiv.org/abs/2405.14135v1
• Date: Thu, 23 May 2024 03:19:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-05-24 19:15:00.595854
• Title: Learning Geospatial Region Embedding with Heterogeneous Graph
• Title（参考訳）: 不均一グラフを用いた地理空間領域の学習
• Authors: Xingchen Zou, Jiani Huang, Xixuan Hao, Yuhao Yang, Haomin Wen, Yibo Yan, Chao Huang, Yuxuan Liang,
• Abstract要約: 様々な下流タスクに対する包括的領域埋め込みを学習するための有効なヘテロジニアスグラフ構造であるGeoHGを提案する。 具体的には、地理的領域分割とPOI(point-of-interest)統合による衛星画像表現学習を、表現的地域内特徴のために調整する。 GeoHGは情報的空間依存性と社会環境特性を強力なヘテロジニアスグラフに統合し、高次の地域間関係の明示的なモデリングを促進する。
• 参考スコア（独自算出の注目度）: 16.864563545518124
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Learning effective geospatial embeddings is crucial for a series of geospatial applications such as city analytics and earth monitoring. However, learning comprehensive region representations presents two significant challenges: first, the deficiency of effective intra-region feature representation; and second, the difficulty of learning from intricate inter-region dependencies. In this paper, we present GeoHG, an effective heterogeneous graph structure for learning comprehensive region embeddings for various downstream tasks. Specifically, we tailor satellite image representation learning through geo-entity segmentation and point-of-interest (POI) integration for expressive intra-regional features. Furthermore, GeoHG unifies informative spatial interdependencies and socio-environmental attributes into a powerful heterogeneous graph to encourage explicit modeling of higher-order inter-regional relationships. The intra-regional features and inter-regional correlations are seamlessly integrated by a model-agnostic graph learning framework for diverse downstream tasks. Extensive experiments demonstrate the effectiveness of GeoHG in geo-prediction tasks compared to existing methods, even under extreme data scarcity (with just 5% of training data). With interpretable region representations, GeoHG exhibits strong generalization capabilities across regions. We will release code and data upon paper notification.
• Abstract（参考訳）: 効果的な地理空間埋め込みの学習は、都市分析や地球モニタリングなど、一連の地理空間的応用に不可欠である。 しかし、包括的領域表現の学習は、第一に、効果的な領域内特徴表現の欠如、第二に、複雑な領域間の依存関係から学ぶことの難しさの2つの重要な課題を示す。 本稿では,様々な下流タスクに対する包括的領域埋め込みを学習するための有効なヘテロジニアスグラフ構造であるGeoHGを提案する。 具体的には、地理的領域分割とPOI(point-of-interest)統合による衛星画像表現学習を、表現的地域内特徴のために調整する。 さらに、GeoHGは情報的空間依存性と社会環境特性を強力なヘテロジニアスグラフに統合し、高次の地域間関係の明示的なモデリングを促進する。 地域内特徴と地域間相関は、様々な下流タスクのためのモデルに依存しないグラフ学習フレームワークによってシームレスに統合される。 過剰なデータ不足下でも(トレーニングデータの5%しか持たない)、GeoHGが既存の方法と比較してジオプレディションタスクにおける有効性を示す実験が広く行われている。 解釈可能な領域表現により、GeoHGは領域間で強力な一般化能力を示す。 コードとデータは、紙の通知で公開します。

関連論文リスト

• G-OSR: A Comprehensive Benchmark for Graph Open-Set Recognition [54.45837774534411]
  ノードレベルとグラフレベルの両方でグラフオープンセット認識(GOSR)手法を評価するベンチマークである textbfG-OSR を導入する。 結果は、現在のGOSR手法の一般化可能性と限界に関する重要な洞察を与える。
  論文  参考訳（メタデータ） (2025-03-01T13:02:47Z)
• An Interpretable Implicit-Based Approach for Modeling Local Spatial Effects: A Case Study of Global Gross Primary Productivity [9.352810748734157]
  地球科学では、観測されていない要因は非定常分布を示し、特徴と対象の関係が空間的不均一性を示す。 地理的機械学習タスクでは、従来の統計学習手法は空間的不均一性を捉えるのに苦労することが多い。 我々は、深層ニューラルネットワークを用いた空間差と並行して、異なる場所で共通する特徴を同時にモデル化する、新しい視点を提案する。
  論文  参考訳（メタデータ） (2025-02-10T05:44:54Z)
• RegionGCN: Spatial-Heterogeneity-Aware Graph Convolutional Networks [8.132751508556078]
  本研究では,地域レベルでの空間的プロセスの不均一性を個人レベルでではなく,地域レベルでモデル化することを提案する。 本研究では,2016年アメリカ合衆国大統領選挙における郡レベルの投票率の空間的予測に,地域GCNという空間的不均一性を考慮したグラフ畳み込みネットワークを適用した。
  論文  参考訳（メタデータ） (2025-01-29T12:09:01Z)
• GeoConformal prediction: a model-agnostic framework of measuring the uncertainty of spatial prediction [1.8127783865655926]
  ジオコンフォーマル予測(GeoConformal Prediction)と呼ばれるモデルに依存しない不確実性評価手法を提案する。 空間回帰と空間予測の2つの古典的空間予測事例に適用する。 また,GeoConformalは,地理知識探索だけでなく,将来的なGeoAIモデルの設計の指導にも有用であることがわかった。
  論文  参考訳（メタデータ） (2024-12-05T18:40:06Z)
• GeoAI-Enhanced Community Detection on Spatial Networks with Graph Deep Learning [2.3646445757741064]
  本研究では、地域2vecと呼ばれる、GeoAIによる教師なしコミュニティ検出手法のファミリーを提案する。 提案手法は,ノード属性の類似性と空間的相互作用強度を同時に最大化したい場合に,複数のベースラインと比較し,最善を尽くす。 また、公衆衛生における欠落地域脱線問題にも適用され、地域化問題におけるその可能性を実証している。
  論文  参考訳（メタデータ） (2024-11-23T03:09:34Z)
• Geometric Feature Enhanced Knowledge Graph Embedding and Spatial Reasoning [8.561588656662419]
  Geospatial Knowledge Graphs (GeoKGs) は地理と空間関係を相互にモデル化する。 一般的な知識グラフ埋め込み(KGE)技術のような、GeoKGからの採掘と推論のための既存の手法は、認識を欠いている。 本研究の目的は,新しい戦略を開発し,空間関係の幾何学的特徴を統合することで汎用KGEを強化することである。
  論文  参考訳（メタデータ） (2024-10-24T00:53:48Z)
• Combining Observational Data and Language for Species Range Estimation [63.65684199946094]
  我々は,数百万の市民科学種の観察とウィキペディアのテキスト記述を組み合わせた新しいアプローチを提案する。 我々のフレームワークは、場所、種、テキスト記述を共通空間にマッピングし、テキスト記述からゼロショット範囲の推定を可能にする。 また,本手法は観測データと組み合わせることで,少ないデータでより正確な距離推定を行うことができる。
  論文  参考訳（メタデータ） (2024-10-14T17:22:55Z)
• Swarm Intelligence in Geo-Localization: A Multi-Agent Large Vision-Language Model Collaborative Framework [51.26566634946208]
  smileGeoは、新しい視覚的ジオローカライゼーションフレームワークである。 エージェント間のコミュニケーションによって、SmithGeoはこれらのエージェントの固有の知識と、検索された情報を統合する。 その結果,本手法は現在の最先端手法よりも優れていた。
  論文  参考訳（メタデータ） (2024-08-21T03:31:30Z)
• Unveiling Optimal SDG Pathways: An Innovative Approach Leveraging Graph Pruning and Intent Graph for Effective Recommendations [12.444301825257071]
  本稿では,Pruning and Intent Graph (UGPIG) 後のユーザグラフという手法を提案する。 まず,プルーニングされたユーザグラフの高密度リンク機能を利用して,推薦アルゴリズムにおける空間無視の問題に対処する。 次に、目的領域の環境要素を含む属性の嗜好をキャプチャするインテントネットワークを組み込むことで、インテントグラフを構築する。
  論文  参考訳（メタデータ） (2023-09-21T02:32:17Z)
• Geo-Encoder: A Chunk-Argument Bi-Encoder Framework for Chinese Geographic Re-Ranking [61.60169764507917]
  中国の地理的再ランクタスクは、検索された候補者の中で最も関連性の高い住所を見つけることを目的としている。 そこで我々は,中国語の地理的意味論をより効果的に統合する,革新的なフレームワークであるGeo-Encoderを提案する。
  論文  参考訳（メタデータ） (2023-09-04T13:44:50Z)
• Spatial Heterophily Aware Graph Neural Networks [35.95622680895503]
  グラフニューラルネットワーク(GNN)は、都市を都市グラフとして定式化し、そのノードは、地域や関心点のような都市オブジェクトである。 近年,接続ノードが異なるヘテロフィリーグラフに対処するために,いくつかの拡張GNNアーキテクチャが開発されている。 しかし、都市グラフは通常、独特の空間的ヘテロフィリーな性質を持つことが観察され、つまり、異なる空間的距離の隣人の相似性は大きな多様性を示す。 我々は空間的多様性スコア(Spatial Diversity Score)と呼ばれるメトリクスを提案し、空間的ヘテロフィリを定量的に測定し、それがGNNの性能に与える影響を示す。
  論文  参考訳（メタデータ） (2023-06-21T09:35:50Z)
• GeoGLUE: A GeoGraphic Language Understanding Evaluation Benchmark [56.08664336835741]
  我々はGeoGLUEと呼ばれるGeoGraphic Language Understanding Evaluationベンチマークを提案する。 オープンソースの地理資源からデータを収集し、6つの自然言語理解タスクを導入する。 我々は,GeoGLUEベンチマークの有効性と意義を示す一般ベースラインの評価実験と解析を行った。
  論文  参考訳（メタデータ） (2023-05-11T03:21:56Z)
• GeoNet: Benchmarking Unsupervised Adaptation across Geographies [71.23141626803287]
  地理的ロバスト性の問題について検討し、3つの主要な貢献を行う。 まず,地理的適応のための大規模データセットGeoNetを紹介する。 第2に、シーンコンテキストにおける大きな変化から、ドメインシフトの主な原因が生じるという仮説を立てる。 第3に、最先端の教師なしドメイン適応アルゴリズムとアーキテクチャを広範囲に評価する。
  論文  参考訳（メタデータ） (2023-03-27T17:59:34Z)
• A General Purpose Neural Architecture for Geospatial Systems [142.43454584836812]
  本稿では,空間的帰納バイアスを持つ汎用ニューラルアーキテクチャ(GPNA)の構築に向けたロードマップを示す。 このようなモデルがコミュニティのメンバー間の協力をいかに促進するかを考察する。
  論文  参考訳（メタデータ） (2022-11-04T09:58:57Z)
• Urban Region Profiling via A Multi-Graph Representation Learning Framework [0.0]
  本研究では,都市域のプロファイリングのための多グラフ代表学習フレームワークであるRerea2Vecを提案する。 実世界のデータセットの実験によると、Rerea2Vecは3つのアプリケーションで使用でき、最先端のベースラインをすべて上回っている。
  論文  参考訳（メタデータ） (2022-02-04T11:05:37Z)
• Jalisco's multiclass land cover analysis and classification using a novel lightweight convnet with real-world multispectral and relief data [51.715517570634994]
  本稿では、LC分類と解析を行うために、新しい軽量(89kパラメータのみ)畳み込みニューラルネットワーク(ConvNet)を提案する。 本研究では,実世界のオープンデータソースを3つ組み合わせて13のチャネルを得る。 組込み分析は、いくつかのクラスにおいて限られたパフォーマンスを期待し、最も類似したクラスをグループ化する機会を与えてくれます。
  論文  参考訳（メタデータ） (2022-01-26T14:58:51Z)
• Methodological Foundation of a Numerical Taxonomy of Urban Form [62.997667081978825]
  本稿では, 生物系統学から得られた都市形態の数値分類法を提案する。 我々は同質の都市組織タイプを導出し、それら間の全体形態的類似性を決定することにより、都市形態の階層的分類を生成する。 フレーミングとプレゼンを行った後、プラハとアムステルダムの2都市でテストを行った。
  論文  参考訳（メタデータ） (2021-04-30T12:47:52Z)
• A Survey on Heterogeneous Graph Embedding: Methods, Techniques, Applications and Sources [79.48829365560788]
  異種情報ネットワーク (heterogenous information network) としても知られるヘテロジニアスグラフ (HGs) は、現実のシナリオにおいてユビキタス化されている。 HG埋め込みは、下流タスクのための不均一な構造と意味を保ちながら、低次元空間での表現を学習することを目的としている。
  論文  参考訳（メタデータ） (2020-11-30T15:03:47Z)
• Multi-Level Graph Convolutional Network with Automatic Graph Learning for Hyperspectral Image Classification [63.56018768401328]
  HSI分類のための自動グラフ学習法(MGCN-AGL)を用いたマルチレベルグラフ畳み込みネットワーク(GCN)を提案する。 空間的に隣接する領域における重要度を特徴付けるために注意機構を利用することで、最も関連性の高い情報を適応的に組み込んで意思決定を行うことができる。 MGCN-AGLは局所的に生成した表現表現に基づいて画像領域間の長距離依存性を符号化する。
  論文  参考訳（メタデータ） (2020-09-19T09:26:20Z)
• Entropy as a measure of attractiveness and socioeconomic complexity in Rio de Janeiro metropolitan area [52.77024349608834]
  携帯電話のデータセットとエントロピーに基づく測度を用いて、位置の魅力を測定する。 その結果、エントロピーによって測定された特定の位置の魅力は、その位置の社会経済的地位の重要な記述者であることがわかった。
  論文  参考訳（メタデータ） (2020-03-23T15:58:56Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。