[3A1-GS-10] AI応用：大規模言語モデル

[3A1-GS-10-05] 空間データにおける異種混合グラフのための同変なGNNの提案

〇山本 大志¹、兒玉 庸平²、朱山 裕宜²、新 恭兵¹、鹿島 久嗣¹、竹内 孝¹ (1. 京都大学、2. 西日本旅客鉄道株式会社 デジタルソリューション本部)

キーワード：グラフニューラルネットワーク、地理空間データ

地理空間データ解析の分野では、複雑な空間依存性をもつ非構造的なデータから予測を行う研究が存在する。近年では、深層学習、特にグラフニューラルネットワーク(GNN)を用いた手法が複雑で空間依存的なパターンの抽出に広く利用されている。本研究では、ノードとエッジが複数種類あり、エッジが特徴量を持つ一般的な異種混合グラフから予測を行う問題、例えばある地域からある駅への需要を予測する問題に取り組む。異種混合グラフの解析において、異なる地域で見られる類似した位置関係の情報をうまく取り込むために、回転移動や並行移動などの幾何学的変換に対して同変な特徴量を抽出するモデルを提案する。空間的依存性が強いデータの予測実験において、提案手法の性能が既存手法を上回ることを示す。