基于飞桨图学习框架实现的城市地点动态关系挖掘
💡
原文中文，约3400字，阅读约需8分钟。
📝
内容提要
李双利和周景博是飞桨开发者技术专家，研究时空数据挖掘和图深度学习。他们在2021年获得百度研究院年度优秀实习生，并在计算机顶级会议上发表了多篇基于飞桨的论文。他们提出了基于飞桨的图学习框架，用于研究城市区域地点的动态关系挖掘，并通过实验证明了该框架的有效性。
🎯
关键要点
- 李双利和周景博是飞桨开发者技术专家，专注于时空数据挖掘和图深度学习。
- 他们在2021年获得百度研究院年度优秀实习生，并在顶级会议上发表多篇论文。
- 研究城市区域动态地点关系的重要性，传统研究假设关系是静态的，但实际用户行为是动态的。
- 提出基于飞桨的图学习框架，旨在挖掘城市区域的动态关系。
- 使用空间演化图神经网络框架对城市区域地点的动态关系进行建模学习。
- 通过PGL图学习框架的消息传递机制和自监督训练机制来提升模型的表达能力。
- 模型训练阶段设计全局和局部自监督学习任务，以缓解动态关系的稀疏性问题。
- 在四个城市数据集上进行实验，验证了模型的有效性和优越性。
- 提出的方法能够融合二阶异构空间关系和动态上下文信息，提升模型学习能力。
- 相关代码已开源在PaddleSpatial时空计算平台上，支持多种时空计算场景的应用。
➡️
