Using Graph Neural Networks to Predict Local Culture

要約

都市研究では、近隣地域が動的で関係性のあるものであることが長年認識されてきました。
しかし、データ、方法論、コンピューター処理能力の欠如により、近隣関係力学の正式な定量的調査が妨げられてきました。
この問題を前進させるために、この研究では、近隣地域の内部特性、過去の特徴、近隣地域間のグループの流れに関する複数の情報源を組み合わせて評価できるようにするグラフ ニューラル ネットワーク (GNN) アプローチを提案します。
予測モデル。
Yelp の公開された大規模データセットを調査することで、近隣属性の予測、特に地域文化の予測において構造的つながりを考慮するアプローチの可能性を示します。
実質的および方法論的な観点から、結果は有望です。
実質的には、地元地域の情報 (地域の人口統計など) またはグループのプロファイル (Yelp レビュー担当者の好み) のいずれかが、地域文化を予測する上で最良の結果をもたらし、それらは調査されたすべてのケースでほぼ同等であることがわかりました。
方法論的には、グループ プロファイルの探索は、特定の地域のローカル情報を見つけるのが難しい場合に役立つ代替手段となる可能性があります。これは、グループ プロファイルはさまざまな形式のオンライン データから自動的に抽出できるためです。
したがって、私たちのアプローチは、他の地域情報が不足している場合に、研究者や政策立案者がさまざまなデータソースを使用できるようにする可能性があります。

要約(オリジナル)

Urban research has long recognized that neighbourhoods are dynamic and relational. However, lack of data, methodologies, and computer processing power have hampered a formal quantitative examination of neighbourhood relational dynamics. To make progress on this issue, this study proposes a graph neural network (GNN) approach that permits combining and evaluating multiple sources of information about internal characteristics of neighbourhoods, their past characteristics, and flows of groups among them, potentially providing greater expressive power in predictive models. By exploring a public large-scale dataset from Yelp, we show the potential of our approach for considering structural connectedness in predicting neighbourhood attributes, specifically to predict local culture. Results are promising from a substantive and methodologically point of view. Substantively, we find that either local area information (e.g. area demographics) or group profiles (tastes of Yelp reviewers) give the best results in predicting local culture, and they are nearly equivalent in all studied cases. Methodologically, exploring group profiles could be a helpful alternative where finding local information for specific areas is challenging, since they can be extracted automatically from many forms of online data. Thus, our approach could empower researchers and policy-makers to use a range of data sources when other local area information is lacking.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google