论文阅读【时空+大模型】ST-LLM（MDM2024）

论文链接：Spatial-Temporal Large Language Model for Traffic Prediction
代码仓库：https://github.com/ChenxiLiu-HNU/ST-LLM
发表于MDM2024（Mobile Data Management）

本文主要面向交通流量数据。

符号定义

Spatial-Temporal Embedding and Fusion

注： X P ∈ R P ∗ N ∗ C X_P \isin R^{P*N*C} XP​∈RP∗N∗C，但在本文实验中C=1(原文“C = 1 represents the traffic pick-up or drop-off flow”)，因而有 X P ∈ R P ∗ N X_P \isin R^{P*N} XP​∈RP∗N

一般而言，spatial-temporal embedding分为：

• Token Embedding: E P = P o i n t w i s e C o n v ( X P ) ∈ R N ∗ D E_P = PointwiseConv(X_P) \isin R^{N * D} EP​=PointwiseConv(XP​)∈RN∗D
• Temporal Embedding: E T = E T d + E T w = W d a y ( X d a y ) + W w e e k ( X w e e k ) ∈ R N ∗ D E_T = E_T^d+E_T^w = W_{day}(X_{day}) + W_{week}(X_{week})\isin R^{N *D} ET​=ETd​+ETw​=Wday​(Xday​)+Wweek​(Xweek​)∈RN∗D
• Spatial Embedding: E S = σ ( W S ∗ X P + b S ) ∈ R N ∗ D E_S = \sigma (W_S * X_P + b_S) \isin R^{N * D} ES​=σ(WS​∗XP​+bS​)∈RN∗D

然后将三种embedding合并：

H F = F u s i o n C o n v ( E P ∣ ∣ E S ∣ ∣ E T ) ∈ R N ∗ 3 D H_F = FusionConv(E_P||E_S||E_T) \isin R^{N*3D} HF​=FusionConv(EP​∣∣ES​∣∣ET​)∈RN∗3D
其中’||'是拼接符号。

Partially Frozen Attention (PFA) LLM

这部分使用GPT2捕获时空依赖。Transformer Block中训练时空开销最大的是注意力（Attention）模块。本文使用了F+U个Transformer层：

• 在前F层中，Attention参数冷冻，只训练Layer Norm
• 在后U层中，Attention参数也用于训练
  经过F+U个Transformer层后，得到的 H F + U H^{F+U} HF+U后，使用一个Regression Conv获得最终结果：
  Y S = R e g r e s s i o n C o n v ( H F + U ) ∈ R S ∗ N . Y_S = RegressionConv(H^{F+U}) \isin R^{S*N}. YS​=RegressionConv(HF+U)∈RS∗N.

实验

交通预测

从这个实验结果来看，看起来很多后来的方法都比不上DCRNN？？？

效率

小样本/零样本（大模型必备）