移动性如何让语言模型更深入地理解地点

摘要

谷歌研究团队提出了一种动态的、基于移动性的框架（Mobility-Embedded POIs, ME-POIs），通过整合匿名聚合的移动模式（如到达时间、停留时长和周边移动模式），使语言模型能够捕捉地点的时空活动节奏，从而改善对营业时间、价格水平和繁忙程度等真实世界属性的预测。该框架采用自监督方法，将文本描述与大规模移动数据结合，构建编码地点身份和动态功能的数值向量表示，显著提升了地理空间表征的准确性。