Fugu-MT 論文翻訳(概要): TISIS : Trajectory Indexing for SImilarity Search

論文の概要: TISIS : Trajectory Indexing for SImilarity Search

arxiv url: http://arxiv.org/abs/2409.11301v2
Date: Fri, 20 Sep 2024 08:48:30 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-10 15:26:43.453171
Title: TISIS : Trajectory Indexing for SImilarity Search
Title（参考訳）: TISIS : シミラリティサーチのための軌道インデクシング
Authors: Sara Jarrad, Hubert Naacke, Stephane Gancarski,
Abstract要約: ソーシャルメディアプラットフォームでは、位置情報データを含むさまざまな種類の情報を共有できる。位置情報データは、ユーザの訪問した関心のポイント(POI)の軌跡を再構築するために利用することができる鍵となる要件は、そのような軌道間の類似度を測定する能力である。
参考スコア（独自算出の注目度）: 0.7373617024876725
License:
Abstract: Social media platforms enable users to share diverse types of information, including geolocation data that captures their movement patterns. Such geolocation data can be leveraged to reconstruct the trajectory of a user's visited Points of Interest (POIs). A key requirement in numerous applications is the ability to measure the similarity between such trajectories, as this facilitates the retrieval of trajectories that are similar to a given reference trajectory. This is the main focus of our work. Existing methods predominantly rely on applying a similarity function to each candidate trajectory to identify those that are sufficiently similar. However, this approach becomes computationally expensive when dealing with large-scale datasets. To mitigate this challenge, we propose TISIS, an efficient method that uses trajectory indexing to quickly find similar trajectories that share common POIs in the same order. Furthermore, to account for scenarios where POIs in trajectories may not exactly match but are contextually similar, we introduce TISIS*, a variant of TISIS that incorporates POI embeddings. This extension allows for more comprehensive retrieval of similar trajectories by considering semantic similarities between POIs, beyond mere exact matches. Extensive experimental evaluations demonstrate that the proposed approach significantly outperforms a baseline method based on the well-known Longest Common SubSequence (LCSS) algorithm, yielding substantial performance improvements across various real-world datasets.
Abstract（参考訳）: ソーシャルメディアプラットフォームでは,移動パターンをキャプチャする位置情報データなど,さまざまな種類の情報を共有することができる。このような位置情報データは、利用者が訪問したポイント・オブ・関心(POI)の軌跡を再構築するために利用することができる。多くの応用において重要な要件は、与えられた参照軌跡と類似した軌跡の検索を容易にするため、そのような軌跡間の類似度を測定する能力である。これが私たちの仕事の主眼です。既存の手法は主に、十分に類似しているものを識別するために、各候補軌道に類似性関数を適用することに依存している。しかし、大規模なデータセットを扱う場合、このアプローチは計算的に高価になる。この課題を緩和するために、トラジェクトリインデックスを用いた効率的な手法であるTISISを提案し、共通のPOIを同じ順序で共有する類似のトラジェクトリを迅速に見つける。さらに、軌跡内のPOIが正確に一致しないが、文脈的に類似しているシナリオを考慮し、POI埋め込みを組み込んだTISISの変種であるTISIS*を導入する。この拡張により、単に正確な一致を超えて、POI間の意味的類似性を考慮することで、類似した軌道のより包括的な検索が可能になる。大規模な実験により,提案手法はLCSS(Longest Common SubSequence)アルゴリズムに基づくベースライン法よりも大幅に優れており,実世界のデータセット間で性能が大幅に向上していることが示された。

関連論文リスト

T-JEPA: A Joint-Embedding Predictive Architecture for Trajectory Similarity Computation [6.844357745770191]
軌道類似性計算は,様々なアプリケーション間での空間データの移動パターンを解析するための重要な手法である。本稿では,JEPA(Joint-Embedding Predictive Architecture)を用いた自己教師付き軌道類似性手法T-JEPAを提案する。
論文参考訳（メタデータ） (2024-06-13T09:51:51Z)
Cluster-Aware Similarity Diffusion for Instance Retrieval [64.40171728912702]
拡散に基づく再ランク付け(diffusion-based re-level)は、隣り合うグラフで類似性の伝播を実行することで、インスタンスを検索する一般的な方法である。本稿では,新しいクラスタ・アウェア類似性(CAS)拡散モデルを提案する。
論文参考訳（メタデータ） (2024-06-04T14:19:50Z)
Performance Evaluation of GPS Trajectory Rasterization Methods [0.0]
GPSトラジェクトリは、交通密度の検出、トランスポートモードの検出、マッピングデータに使用される重要なデータソースである。データサイズが大きくなる一方、この種のデータの効率的な表現は、これらの手法での使用が困難になっている。本研究では,QGIS,PostGIS+QGISの空間結合関数と,Pythonプログラム言語で符号化された構造化グリッド実装を用いてGPSデータの軌跡化を評価する。
論文参考訳（メタデータ） (2024-01-03T11:25:11Z)
MGeo: Multi-Modal Geographic Pre-Training Method [49.78466122982627]
マルチモーダルジオグラフィック言語モデル(MGeo)を提案する。 MGeoはGCを新しいモダリティとして表現し、正確なクエリ-POIマッチングのためのマルチモーダル相関を完全に抽出することができる。提案するマルチモーダル事前学習法は,汎用PTMのクエリ-POIマッチング能力を大幅に向上させることができる。
論文参考訳（メタデータ） (2023-01-11T03:05:12Z)
Contrastive Trajectory Similarity Learning with Dual-Feature Attention [24.445998309807965]
トレイ類似度尺度は、トラジェクトリデータベースにおけるクエリ述語として機能する。そこで本研究では,TrajCLという学習に基づくトラジェクトリモデリング手法を提案する。 TrajCLは、最先端の軌跡類似度測定よりも一貫して、はるかに正確で高速である。
論文参考訳（メタデータ） (2022-10-11T05:25:14Z)
Recall@k Surrogate Loss with Large Batches and Similarity Mixup [62.67458021725227]
微分不可能な場合、評価計量の勾配降下による直接最適化は不可能である。本研究は,リコールにおける相異なるサロゲート損失を提案する。提案手法は,複数の画像検索ベンチマークにおいて最先端の結果を得る。
論文参考訳（メタデータ） (2021-08-25T11:09:11Z)
A Taxonomy of Similarity Metrics for Markov Decision Processes [62.997667081978825]
近年、伝達学習は強化学習(RL)アルゴリズムをより効率的にすることに成功した。本稿では,これらの指標を分類し,これまでに提案されている類似性の定義を分析する。
論文参考訳（メタデータ） (2021-03-08T12:36:42Z)
Centralized Information Interaction for Salient Object Detection [68.8587064889475]
U字型構造は、多スケールの機能を効率的に組み合わせるサリエント物体検出に長けている。本稿では,これらの接続を集中化することにより,相互に相互に情報交換を行うことができることを示す。本手法は, ボトムアップ経路とトップダウン経路の接続を置換することにより, 既存のU字型サルエント物体検出手法と協調することができる。
論文参考訳（メタデータ） (2020-12-21T12:42:06Z)
Making Affine Correspondences Work in Camera Geometry Computation [62.7633180470428]
局所的な特徴は、ポイント・ツー・ポイント対応ではなく、リージョン・ツー・リージョンを提供する。本稿では,全モデル推定パイプラインにおいて,地域間マッチングを効果的に活用するためのガイドラインを提案する。実験により、アフィンソルバはより高速な実行時にポイントベースソルバに匹敵する精度を達成できることが示された。
論文参考訳（メタデータ） (2020-07-20T12:07:48Z)
Wise Sliding Window Segmentation: A classification-aided approach for trajectory segmentation [11.174536284571802]
ワイズスライディングウィンドウ(WS-II)と呼ばれる教師付き軌道分割アルゴリズムを提案する。 WS-IIは軌道座標を処理し、空間と時間の変化を見つけ、エラー信号を生成する。提案手法は,異なる領域の3つの実データに対して評価する。
論文参考訳（メタデータ） (2020-03-23T12:55:40Z)
Efficient and Effective Similar Subtrajectory Search with Deep Reinforcement Learning [39.40996178862515]
我々は,SimSub問題について検討し,正確かつ近似的なアルゴリズムを含む一連のアルゴリズムを開発した。これらの近似アルゴリズムのうち、深層強化学習に基づく2つのアルゴリズムは、有効性と効率の点で、これらの非学習ベースのアルゴリズムよりも優れています。提案手法の有効性と効率を検証した実世界の軌道データセットの実験を行った。
論文参考訳（メタデータ） (2020-03-05T11:38:21Z)

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。