Fugu-MT 論文翻訳(概要): Space-aware Socioeconomic Indicator Inference with Heterogeneous Graphs

論文の概要: Space-aware Socioeconomic Indicator Inference with Heterogeneous Graphs

arxiv url: http://arxiv.org/abs/2405.14135v2
Date: Fri, 14 Feb 2025 08:46:31 GMT
ステータス: 翻訳完了
システム内更新日: 2025-02-17 14:46:28.717963
Title: Space-aware Socioeconomic Indicator Inference with Heterogeneous Graphs
Title（参考訳）: 不均一グラフを用いた空間認識型社会経済指標推定
Authors: Xingchen Zou, Jiani Huang, Xixuan Hao, Yuhao Yang, Haomin Wen, Yibo Yan, Chao Huang, Chen Chao, Yuxuan Liang,
Abstract要約: 非連続推論のための地理空間を表現するために不均一なグラフ構造を用いる空間認識型社会経済指標推論法GeoHGを提案する。
参考スコア（独自算出の注目度）: 16.25334226215958
License:
Abstract: Regional socioeconomic indicators are critical across various domains, yet their acquisition can be costly. Inferring global socioeconomic indicators from a limited number of regional samples is essential for enhancing management and sustainability in urban areas and human settlements. Current inference methods typically rely on spatial interpolation based on the assumption of spatial continuity, which does not adequately address the complex variations present within regional spaces. In this paper, we present GeoHG, the first space-aware socioeconomic indicator inference method that utilizes a heterogeneous graph-based structure to represent geospace for non-continuous inference. Extensive experiments demonstrate the effectiveness of GeoHG in comparison to existing methods, achieving an $R^2$ score exceeding 0.8 under extreme data scarcity with a masked ratio of 95\%.
Abstract（参考訳）: 地域社会経済指標は様々な領域で重要であるが、買収には費用がかかる。限られた地域サンプルからグローバルな社会経済指標を推定することは、都市部や人的居住地の管理と持続可能性を高めるのに不可欠である。現在の推論法は通常、空間連続性の仮定に基づく空間補間に依存し、地域空間に存在する複雑な変動に適切に対処しない。本稿では,不均一なグラフ構造を用いた空間認識型社会経済指標推定法GeoHGを提案する。実験の結果,GeoHGの有効性は既存手法と比較し,極度のデータ不足下ではR^2$スコアが0.8以上,マスク比が95%以上であることが確認された。

関連論文リスト

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)
Stability and Generalization for Distributed SGDA [70.97400503482353]
分散SGDAのための安定性に基づく一般化分析フレームワークを提案する。我々は, 安定性の誤差, 一般化ギャップ, 人口リスクの包括的分析を行う。理論的結果から,一般化ギャップと最適化誤差のトレードオフが明らかになった。
論文参考訳（メタデータ） (2024-11-14T11:16:32Z)
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)
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)
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)
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)
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。