Google Research и Университет Южной Калифорнии (USC) разработали Mobility-Embedded POIs (ME-POIs), фреймворк, который интегрирует данные о передвижении людей в текстовые эмбеддинги мест. Это решение направлено на то, чтобы дополнить описание мест информацией о том, как они используются. Например, два кафе могут иметь одинаковую категорию и адрес, но одно из них обслуживает клиентов быстро, а другое — задерживает их на более длительное время.
ME-POIs кодирует каждое посещение как контекстуализированный вектор и использует контрастное обучение для выравнивания этих посещений с одним обучаемым прототипом для каждого места. В ходе тестирования на данных о передвижении в Лос-Анджелесе и Хьюстоне добавление ME-POIs к мощным текстовым энкодерам привело к улучшению в 34 из 35 пар модель-задача в Лос-Анджелесе, с относительными приростами до 81.9% F1 на задаче определения намерений посещения.
Эта разработка открывает новые горизонты для применения в области анализа данных о местоположении, позволяя более точно классифицировать места по их использованию. Хотя ME-POIs требует доработки для развертывания, его потенциал в улучшении качества анализа данных о передвижении людей является значительным.