SGAP-Place：面向城市场所的社会语义增强表示学习框架

《Journal of Geovisualization and Spatial Analysis》：SGAP-Place: A Social Semantics-Augmented Representation Learning Framework for Urban Places

　　地点表示为广泛的城市应用提供了基础数据基础设施。尽管现有模型能有效捕捉空间的物理维度，并逐步纳入了城市功能和活动模式等社会维度，但很少明确整合地点的高阶社会语义，如集体体验、情感感知或社会身份。本研究提出SGAP-Place，一个面向城市地点的社会语义增强表示学习框架。该框架融合了兴趣点数据、起讫点流量、街景影像和居民画像。一个证据约束的大语言模型首先将特定模态的信息转化为结构化描述，并将其综合为四个社会语义维度（如社会身份、日常使用模式、文化/集体记忆和感官体验）。随后，这些语义特征通过模态内门控融合和跨模态交互与原始模态特定特征进行整合。图注意力模块进一步捕捉邻近地点之间的空间依赖关系，而自监督对比学习则用于获得可迁移的地点嵌入。该框架在深圳进行了评估，使用了三个下游任务。SGAP-Place在三个任务中取得了最强的综合性能，土地覆盖分类准确率提升1.96个百分点，房价预测R2提升3.23个百分点，城市活力预测R2提升14.41个百分点。消融实验表明，生成的社会语义提供了大量预测信息，且分阶段融合比模态的直接求和或拼接更有效。这些发现表明，社会语义可以作为地点表示中一个明确且有用的信息层。SGAP-Place提供了一种将高阶社会含义纳入地点表示的方法。