没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
试读
21页
kaggle教程,方案分析,竞赛资料,竞赛方案参考,kaggle教程,方案分析,竞赛资料,竞赛方案参考,kaggle教程,方案分析,竞赛资料,竞赛方案参考,kaggle教程,方案分析,竞赛资料,竞赛方案参考,kaggle教程,方案分析,竞赛资料,竞赛方案参考,kaggle教程,方案分析,竞赛资料,竞赛方案参考,kaggle教程,方案分析,竞赛资料,竞赛方案参考,kaggle教程,方案分析,竞赛资料,竞赛方案参考,kaggle教程,方案分析,竞赛资料,竞赛方案参考,kaggle教程,方案分析,竞赛资料,竞赛方案参考,kaggle教程,方案分析,竞赛资料,竞赛方案参考,kaggle教程,方案分析,竞赛资料,竞赛方案参考,kaggle教程,方案分析,竞赛资料,竞赛方案参考,kaggle教程,方案分析,竞赛资料,竞赛方案参考,kaggle教程,方案分析,竞赛资料,竞赛方案参考,kaggle教程,方案分析,竞赛资料,竞赛方案参考,kaggle教程,方案分析,竞赛资料,竞赛方案参考,kaggle教程,方案分析,竞赛资料,竞赛方案参考,kaggle教程,方案分析,竞赛资料,竞赛方案参考,kaggle教程,方案分析,竞赛资料,竞赛方案参考,kaggle教程,方案分析,竞赛资料,竞赛方案参考,kaggle教程,方案分析,竞赛资料,竞赛方案参考,kaggle教程,方案分析,竞赛资料,竞赛方案参考,kaggle教程,方案分析,竞赛资料,竞赛方案参考,
资源推荐
资源详情
资源评论
最新顶会时空数据挖掘领域论文研究汇总。
2023-02-05原文
↑↑↑关注后"星标"kaggle竞赛宝典
kaggle竞赛宝典
作者:文章摘自AI蜗牛车,时空数据学习
KDD 2022时空数据挖掘领域论文汇总
简介
KDD 2022是数据挖掘领域的顶级学术会议,第28届会议于2022年8月14-
18日在美国华盛顿特区会展中心举行。KDD 2022的Research和Applied
Data
Science两个Track共收到2448篇投稿,其中449篇被接收发表,总体接收
率 为 18.3% 。 本 文 梳 理 汇 总 了 发 表 于 KDD
2022 上 的 时 空 数 据 挖 掘 ( Spatial-Temporal Data
Mining)领域20篇论文(如有疏漏,敬请谅解)。
1. Robust Event Forecasting with Spatiotemporal
Confounder Learning
作者:Songgaojun Deng, Huzefa Rangwala, Yue Ning
机构:斯蒂文斯理工学院、乔治梅森大学
一句话概括:本文引入了一种新的因果推理模型用于独立因果效应(Indi
vidual Treatment
Effect)估计,模型通过捕获事件在不同位置的时空依赖性来学习隐藏混杂因
素的表示。
论文简介:数据驱动的社会事件预测方法利用相关的历史信息预测未来
的事件。这些方法依赖于历史标记数据,当数据有限或质量较差时,预测效果
不佳。研究事件之间的因果关系不是进行相关性分析,而是挖掘事件之间潜在
的因果关联,从而对事件进行更可靠的预测。然而,在数据驱动的事件预测中
引入因果关系分析是具有挑战性的。第一个挑战是,事件发生在一个复杂和动
态的社会环境中。许多未观察到的变量,即隐藏的混杂因素,会影响潜在的原
因和结果。第二个挑战是,对于时空非独立同分布数据,建模隐藏混杂因素从
而准确估计因果效应并非易事。在这项工作中,本文引入了一个深度学习框架
,将因果效应估计集成到事件预测中。其首先研究了从具有时空属性的观测事
件 数 据 中 估 计 独 立 因 果 效 应 ( Individual Treatment
Effect)的问题,并提出了一种新的因果推理模型来估计独立因果效应。然后
,将学习到的事件因果信息作为先验知识融入到事件预测中。通过引入两个鲁
棒性强的学习模块,包括特征加权模块和近似约束损失模块,事件预测模型实
现了先验知识的注入。本文在公开事件数据集上评估了所提出的因果推理模型
,并通过将学习到的因果信息输入到不同的深度学习方法,验证了所提出的鲁
棒学习模块在事件预测中的有效性。实验结果证明了所提出的因果推理模型在
社会事件的独立因果效应估计问题上的优势,并验证了鲁棒学习模块有助于社
会事件预测。
2. Spatio-Temporal Trajectory Similarity Learning in Road
Networks
作 者 : Ziquan Fang, Yuntao Du, Xinjun Zhu, Danlei Hu, Lu
Chen,Yunjun Gao,Christian S. Jensen,
机构:浙江大学、奥尔堡大学
一句话概括:将轨迹匹配至路网后进行相似性计算,对轨迹的离散化建
模更加精确;同时,计算轨迹相似度时,考虑了时间维度的相似性。
论文简介:轨迹的相似度计算是轨迹学习中的一个基本问题。作者发现
:现有的轨迹相似度的计算和拟合方法都局限于空间维度,没有考虑轨迹在时
间维度的相似性。此外,现有方法在建模空间相似度时,都没有考虑路网的约
束。文章提出的ST2Vec模型定义轨迹嵌入向量的内积为轨迹间的相似度。在
轨迹嵌入时,模型通过时间建模模块提取时间信息,基于包含GCN的空间建
模模块提取路网上轨迹点的位置信息,并通过时空注意力融合模块提取时空交
互信息,最终通过轨迹编码层获得轨迹的最终嵌入表示。为提高嵌入学习的收
敛 速 度 和 训 练 效 率 , 作 者 设 计 了 一 种 基 于 课 程 学 习 ( curriculum
learning)的对比损失用于加速训练。模型在两个公开数据集上与先前的轨迹
相似度计算模型进行对比实验,并提供了个案研究;实验结果证明了该模型具
有更好的准确性、效率和鲁棒性。
3. Mining Spatio-Temporal Relations via Self-Paced Graph
Contrastive Learning
作 者 : Rongfan Li, Ting Zhong, Xinke Jiang, Goce Trajcevski, Jin
Wu, Fan Zhou
机构:电子科技大学、爱荷华州立大学
一 句 话 概 括 : 提 出 了 一 种 新 的 自 适 应 图 构 造 策 略 ——
自步调图对比学习(SPGCL),通过最大化正邻居和负邻居之间的区别来学习节
点之间的关系,并使用自步调策略生成最优图,解决了预定义图不可用时,表
示能力和预测结果受到限制的问题。
论文简介:在位置约束时间序列学习中,建模复杂的空间和时间依赖关
系是必不可少的。现有的方法,主要依靠图神经网络(gnn)和基于递归神经网
络的时间学习模块,已经取得了显著的性能改进。然而,当预定义图不可用时
,它们的表示能力和预测结果受到限制。与专注于设计复杂架构的时空gnn不
同,我们提出了一种新的自适应图构造策略:自步调图对比学习(SPGCL)。它
通过最大化正邻居和负邻居之间的区别来学习节点之间的关系,并使用自步调
策略生成最优图。具体而言,每一轮的每个邻域迭代吸收亲和度最高的可靠节
点作为新的邻居节点,并通过数据增强的方式来提高可模型的转移性和鲁棒性
。当自适应自步调图逼近优化图进行预测时,节点与对应邻居之间的互信息是
最大化的。我们的工作为解决欧几里得空间信息聚合之外的时空学习问题提供
了一个新的视角,并可推广到不同的任务。在两个典型的时空学习任务(交通
预测和陆地位移预测)上进行的大量实验表明,SPGCL的性能优于最先进的
技术。
4. MSDR: Multi-Step Dependency Relation Networks for
Spatial Temporal Forecasting
作者:Dachuan Liu, Jin Wang, Shuo Shang, Peng Han
机构:电子科技大学、加利福尼亚大学洛杉矶分校、奥尔堡大学
一句话概括:提出了多步依赖关系(MSDR),通过显式地从多步的历
史时间中提取长程依赖关系,能够捕获交通网络中复杂和长距离的时空依赖。
论文简介:提升智能交通系统服务质量的关键技术就是时空流量预测。
由于交通网络中复杂且长期的时空依赖性,这项任务具有一定的挑战性。现有
方法通常使用各种各样的深度神经网络来学习时间和空间的表示,以捕捉复杂
剩余20页未读,继续阅读
资源评论
白话机器学习
- 粉丝: 9865
- 资源: 7681
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功