arXiv · ML· Peng Liang (College of Applied Science, Shenzhen University, Shenzhen, China), Genan Dai (School of Artificial Intelligence, Shenzhen Technology University, Shenzhen, China), Bowen Zhang (School of Artificial Intelligence, Shenzhen Technology University, Shenzhen, China)·· 7 天前AI 评分31
EASTAR:基于事件锚定与任务自适应的区域表征学习
EASTAR: Event-Anchored Semantic and Task-Adaptive Region Representation Learning
AI 导读
EASTAR框架通过事件锚定将城市人流分解为语义通道,并借助任务自适应提示路由利用LLM先验优化下游任务,在真实数据集上实现MAE最高降低39.15%。 该方法引入自由通道捕捉潜在模式、全局通道保留空间结构,经消融与可解释性分析验证了事件锚定及路由机制的有效性。
来源:arXiv · ML · arxiv.org