BriefGPT - AI 论文速递
·
时空大型语言模型用于交通预测
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
提出了一种基于空间 - 时间大型语言模型（ST-LLM）的交通预测方法，通过重新定义位置上的时间步长作为标记，并结合空间 - 时间嵌入模块来学习标记的空间位置和全局时间表示。实验表明 ST-LLM 在真实交通数据集上优于最先进的模型，同时在少样本和零样本预测场景中也表现出鲁棒性。
🎯
关键要点
-
提出了一种基于空间 - 时间大型语言模型（ST-LLM）的交通预测方法。
-
重新定义位置上的时间步长作为标记，结合空间 - 时间嵌入模块学习空间位置和全局时间表示。
-
提出了一种部分冻结的 LLM 关注策略，以捕捉交通预测的空间 - 时间依赖关系。
-
实验表明 ST-LLM 在真实交通数据集上优于最先进的模型。
-
ST-LLM 在少样本和零样本预测场景中表现出鲁棒性。
➡️
