Please use this identifier to cite or link to this item: http://repositorio.ufc.br/handle/riufc/76829
Type: Dissertação
Title: Uso de modelos de linguagem para a avaliação de similaridade espacial entre trajetórias
Authors: Melo, Wilken Charles Dantas de
Advisor: Magalhães, Regis Pires
Co-advisor: Cruz, Lívia Almada
Keywords in Brazilian Portuguese : Trajetórias espaciais;Modelos de linguagem;Similaridade entre trajetórias;Embeddings de trajetórias;Processamento de linguagem natural
Knowledge Areas - CNPq: CNPQ: CIÊNCIAS EXATAS E DA TERRA: CIÊNCIA DA COMPUTAÇÃO
Issue Date: 2024
Citation: MELO, Wilken Charles Dantas de. Uso de modelos de linguagem para a avaliação de similaridade espacial entre trajetórias. 2024. 89 f. Dissertação (mestrado) – Universidade Federal do Ceará, Campus de Quixadá, Programa de Pós-Graduação em Computação, Quixadá, 2024.
Abstract in Brazilian Portuguese: A proliferação de dispositivos eletrônicos capazes de fornecer informações geoespaciais, tais como celulares, automóveis, dispositivos pessoais, dentre outros, tem levado a um aumento sem precedente na geração de dados de trajetórias. Esses dados são cruciais para vários domínios do aprendizado de máquina, especialmente a análise de mobilidade. O presente trabalho tem como foco um problema inerente deste domínio, a avaliação de similaridade entre trajetórias. Pesquisas recentes buscam transformar trajetórias em embeddings, representação vetorial compacta que consegue capturar eficientemente as características dos trajetos. A ideia fundamental é que trajetórias similares tenham embeddings próximos em seu espaço vetorial. Embora existam vários métodos de aprendizado profundo que geram embeddings de trajetórias, este trabalho se concentra naqueles que primeiro discretizam as trajetórias, usando uma grade uniforme, e depois geram as incorporações. Neste contexto, considerou-se como referência a abordagem t2vec. Um campo em paralelo é o Processamento de Linguagem Natural (PLN), o qual envolve a conversão de imensos corpus textuais em vetores numéricos que conseguem capturar uma variedade de contextos semânticos. Os avanços em modelos de linguagem mais robustos, Large Language Models (LLMs), tais como BERT e GPT, demonstram sua notável capacidade de imitar o raciocínio humano: isto sugere uma alternativa potencial para capturar padrões espaço-temporais de mobilidade, uma direção de investigação relativamente inexplorada. O presente trabalho investiga se modelos de linguagem podem ser reutilizados para produzir embeddings de alta qualidade para trajetórias. Em particular, argumenta-se que trajetórias adequadamente discretizadas podem ser tratadas como palavras ou sentenças, permitindo, assim, que os modelos de linguagem identifiquem padrões e relações nesses dados. Na avaliação experimental, considerou-se dois conjuntos públicos de dados de trajetórias (Porto e T-drive). Em seguida, o desempenho de quatro modelos de linguagem bem estabelecidos (Word2Vec, Doc2Vec, BERT e SBERT) foi comparado com o t2vec. Além disso, também foram considerados métodos clássicos de similaridade para fornecer uma comparação mais abrangente. Os resultados obtidos indicam que os modelos de linguagem, quando treinados em conjuntos de dados com trajetórias densas, podem gerar embeddings de maior qualidade do que t2vec, destacando assim o forte potencial dessas abordagens.
Abstract: The proliferation of electronic devices capable of providing geospatial information, such as cell phones, automobiles, personal devices, among others, has led to an unprecedented increase in trajectory data generation. This data is crucial for various machine learning domains, especially mobility analysis. The present work focuses on an inherent problem in this domain, the evaluation of trajectory similarity. Recent research seeks to transform trajectories into embeddings, compact vector representations that can efficiently capture the characteristics of paths. The fundamental idea is that similar trajectories have close embeddings in their vector space. Although there are several deep learning methods that generate trajectory embeddings, this work focuses on those that first discretize trajectories, using a uniform grid, and then generate the embeddings. In this context, the t2vec approach was considered as a reference. A parallel field is Natural Language Processing (NLP), which involves converting vast textual corpora into numerical vectors that can capture a variety of semantic contexts. Advances in more robust language models, such as BERT and GPT, demonstrate their remarkable ability to mimic human reasoning: this suggests a potential alternative for capturing spatiotemporal mobility patterns, a relatively unexplored research direction. The present work investigates whether language models can be repurposed to produce high-quality embeddings for trajectories. In particular, it is argued that adequately discretized trajectories can be treated as words or sentences, thus allowing language models to identify patterns and relationships in this data. In the experimental evaluation, two public trajectory datasets (Porto and T-drive) were considered. Then, the performance of four well-established language models (Word2Vec, Doc2Vec, BERT, and SBERT) was compared with t2vec. Additionally, classical similarity methods were also considered to provide a more comprehensive comparison. The results indicate that language models, when trained on datasets with dense trajectories, can generate higher-quality embeddings than t2vec, thus highlighting the strong potential of these approaches.
URI: http://repositorio.ufc.br/handle/riufc/76829
Advisor's Lattes: http://lattes.cnpq.br/7195981513707548
Co-advisor's Lattes: http://lattes.cnpq.br/8972397134674530
Access Rights: Acesso Aberto
Appears in Collections:PCOMP - Dissertações defendidas na UFC

Files in This Item:
File Description SizeFormat 
2024_dis_wcdmelo.pdf4,3 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.