BriefGPT - AI 论文速递
·
LLM 信息支持下的语义轨迹数据挖掘与 POI 分类
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文提出了一个新的人类出行轨迹挖掘流程，利用大型语言模型对兴趣点进行活动类型标注，并使用基于贝叶斯算法推断轨迹中每个停留点的活动。评估结果表明，该方法在POI分类方面达到了93.4%的准确率和96.1%的F-1分数，并在活动推测方面达到了91.7%的准确率和92.3%的F-1分数。
🎯
关键要点
- 提出了一个新的人类出行轨迹挖掘流程。
- 利用大型语言模型对兴趣点进行活动类型标注。
- 使用基于贝叶斯算法推断轨迹中每个停留点的活动。
- 在POI分类方面达到了93.4%的准确率和96.1%的F-1分数。
- 在活动推测方面达到了91.7%的准确率和92.3%的F-1分数。
➡️
