공간 다중스케일 방문 전파

공간 다중스케일 방문 전파는 방문 기록이 거의 없는 장소의 활동 패턴을, 주변 장소들의 이동 데이터로 대신 채워 넣는 기법이다.

동네에 막 생긴 작은 가게를 떠올려보자. 아직 방문객이 적어 '이 가게가 언제 붐비는지' 같은 데이터가 거의 없다. 이럴 때 바로 옆 가게, 한 블록 떨어진 상권, 더 넓은 동네 전체의 방문 패턴을 가까운 범위부터 순서대로 참고하면 '이 동네는 대체로 점심에 붐비고 밤엔 한산하다'는 식의 추정을 세울 수 있다. 이렇게 가까운 규모부터 넓은 규모까지 단계적으로 이웃의 정보를 끌어와 빈틈을 메우는 방식이 바로 이 기법이다.

이 개념은 구글 리서치가 공개한 장소 이해 프레임워크의 한 처리 단계로 등장했다. 유명 랜드마크나 대형 매장은 방문 기록이 풍부해 패턴을 뽑기 쉽지만, 동네 골목의 작은 가게들은 기록이 희박해 신뢰할 만한 패턴을 만들기 어려운 '롱테일' 문제가 있다. 공간 다중스케일 방문 전파는 이 데이터 부족 문제를 보완하는 장치로 쓰인다.

기사에서는 "공간 다중스케일 방문 전파와 텍스트-이동성 시너지 단계에서 이 이동 신호를 텍스트 기반 표현과 결합해 하나의 임베딩으로 합친다"는 식으로, 장소 이해 파이프라인 안의 한 처리 단계로 등장한다. 오해하기 쉬운 점은 이것이 독립된 제품이나 별도 AI 모델이 아니라, ME-POIs라는 프레임워크 내부의 한 계산 단계라는 것이다.