NARA: 이종 벡터 지리개체를 위한 앵커 조건부 표현 학습
NARA: Anchor-Conditioned Representation Learning for Heterogeneous Vector Geoentities
벡터 공간 데이터는 도로, 건물, 관심 지점(POI)과 같은 이산적인 지리개체(geoentity)로 세상을 표현하며, 각 개체는 의미론적 속성, 기하학적 형태(geometry), 그리고 거리적 인접성 및 위상수학적 관계를 포함한 다른 지리개체와의 공간적 관계를 갖습니다. 지리개체 표현을 학습하기 위한 기존 방법들은 대개 단일 기하학적 유형만을 지원하거나 이러한 관계 중 일부만을 모델링하므로, 서로 다른 이종 지리개체 간의 공간적 맥락을 포착하고 다양한 다운스트림 태스크를 지원하는 데 한계가 있습니다. 본 논문에서는 이종 벡터 지리개체를 위한 새로운 자기지도 표현 프레임워크인 NARA(Neural Anchor-conditioned Relation-Aware representation learning)를 제안합니다. NARA는 주변의 점(point), 폴리라인(polyline), 폴리곤(polygon) 전반에 걸친 위상수학적 관계로 조정된 기하학적 거리를 활용하여 공간적 자기상관을 모델링하는 공간 맥락 인식 어텐션(spatial-context-aware attention)을 통해 지리개체를 맥락화합니다. 또한 NARA는 마스크된 지리개체 의미론적 모델링과 기하학 인식 공간 관계 모델링뿐만 아니라, 공간적 자기상관을 고려하면서 공통 기준 개체와 동일한 공간적 관계를 공유하는 지리개체들이 유사한 표현을 갖도록 유도하는 관계 조건부 정규화를 도입합니다. NARA의 동결된 태스크 무관 인코더는 폴리라인을 위한 교통 속도 예측, 폴리곤을 위한 건물 용도 분류, 점을 위한 다음 관심 지점 예측 전반에서 각 태스크에 맞게 맞춤 설계된 구조를 지닌 최신 최고 수준(SOTA) 방법들의 성능을 능가합니다.