text-mobility synergy
将描述地点的文字信息与人们实际出行数据合并成单一数值表示的AI处理阶段。
简单来说
text-mobility synergy(文本-移动性协同)是将描述某个地点的文字信息,与人们实际前往该地点的移动数据合并在一起,生成一个计算机可以处理的数值坐标的组装阶段。
可以想象通过简历和实际工作表现来判断一个人的情况。简历上可能只写着'咖啡馆,市中心,上午7点至晚上9点',但仅凭简历无法得知这家咖啡馆是早上繁忙晚上冷清,还是恰恰相反。text-mobility synergy就是把这份书面信息和实际到访记录压缩合并成一张卡片的最后一步。
经过这一步骤后,即使标签同样是'咖啡馆',早晨型店铺和夜晚型店铺也会拥有不同的坐标。仅凭文本无法区分的两个地点,一旦混入移动数据,就终于被区分为不同的实体。
在报道中是这样出现的
文章中,它作为Google Research的ME-POIs流程的第三个阶段出现:"在空间多尺度访问传播与text-mobility synergy阶段,这一移动信号会与基于文本的表示相结合,合并成单一嵌入向量。"需要注意的是,这并非单独出售的AI模型或产品名称,而是指将多种数据合并为单一表示的处理过程。