滴滴之旅AAAI 2019化妆品科技论文启航

滴滴科技在人工智能顶会AAAI 2019上取得新进展，展示了四篇创新论文，这些论文深入探讨了深度学习、生成对抗网络和神经网络等关键技术。这些研究成果不仅提升了网约车服务的效率，也为城市计算领域的时空预测任务提供了一种新的思路。

首先，研究团队提出了一个名为Spatiotemporal Multi-Graph Convolution Network for Ride-hailing Demand Forecasting的模型。这项模型能够更准确地预测乘车需求，通过将区域之间的非欧式相关性编码成多个图并使用图卷积进行建模，它显著提高了预测准确度。

其次，本文提出了一种新的方法来处理城市数据中的多模态信息。该方法利用“多图”的形式，将POI（Points of Interest）和路网等数据表达为模型的一部分，从而使得空间特征抽取更加合理有效。这种方法不仅适用于网约车订单量预测，还可以广泛应用于城市计算中的时空预测任务。

第三篇论文介绍了一种Query-POI Relevance Learning的方法，该方法结合文本特征和地理特征，可以更好地刻画Query和POI之间的相关性关系。这一方法在POI检索任务中显示出优越性能，并且可以应用于其他基于位置服务的业务场景，如外卖平台等。

最后，一篇关于CycleEmotionGAN: Emotional Semantic Consistency Preserved CycleGAN for Adapting Image Emotions的文章讨论了领域适应性的问题。在这个问题中，要将源领域上的训练模型迁移到目标领域，并保持语义标签分类能力，同时降低不同领域分布特性的影响。本文提出了一种基于增强语义一致性的循环生成对抗网络模型，该模型在情感计算领域取得了最好的结果，并有望推广到交通场景识别和目标检测等其他领域。