近日，我校管理科學(xué)與工程學(xué)院副教授謝娜作為通訊作者的合作論文“Semantic understanding and prompt engineering for large-scale traffic data imputation”在工程技術(shù)與計(jì)算機(jī)科學(xué)領(lǐng)域國(guó)際頂級(jí)期刊《Information Fusion》上發(fā)表。該期刊最新影響因子為18.6，論文在線鏈接：https://www.sciencedirect.com/science/article/abs/pii/S1566253523003548。

論文構(gòu)建了一種基于語義理解和提示工程的大規(guī)模城市交通數(shù)據(jù)補(bǔ)全模型，成功打破了城市交通數(shù)據(jù)補(bǔ)全領(lǐng)域的應(yīng)用壁壘，為利用大語言模型全面開展智慧城市交通數(shù)據(jù)壓縮、分析和預(yù)測(cè)奠定基礎(chǔ)。傳統(tǒng)城市交通系統(tǒng)模型在捕捉交通全網(wǎng)絡(luò)時(shí)空相關(guān)性時(shí)，會(huì)忽略道路網(wǎng)絡(luò)中固有的道路基礎(chǔ)設(shè)施、傳感器位置等豐富語義信息。論文提出一種基于圖Transformer的交通數(shù)據(jù)補(bǔ)全GT-TDI模型，利用語義描述來捕捉道路網(wǎng)絡(luò)時(shí)空動(dòng)態(tài)，提高預(yù)測(cè)城市交通綜合時(shí)空關(guān)系能力；其次，為強(qiáng)化模型性能，采用大語言模型和提示工程，實(shí)現(xiàn)與交通數(shù)據(jù)補(bǔ)全系統(tǒng)的直觀交互；最后，通過數(shù)值實(shí)驗(yàn)證明，與傳統(tǒng)方法及常用技術(shù)相比，本模型呈現(xiàn)卓越的城市交通數(shù)據(jù)補(bǔ)全準(zhǔn)確性，尤其在數(shù)據(jù)嚴(yán)重缺失情境中表現(xiàn)尤為突出。本模型允許用戶使用簡(jiǎn)單自然語言進(jìn)行數(shù)據(jù)查詢，顯著提高交通數(shù)據(jù)補(bǔ)全的可解釋性和準(zhǔn)確性，可為智慧城市交通信息處理和管理決策提供有效工具。

《Information Fusion》是工程技術(shù)與計(jì)算機(jī)科學(xué)領(lǐng)域的國(guó)際頂級(jí)權(quán)威期刊，影響因子為18.6，在“Computer Science: Information Systems”學(xué)科379個(gè)國(guó)際期刊中排名前三。該刊是JCR一區(qū)，中科院SCI一區(qū)TOP期刊，中財(cái)大AAA期刊。

謝娜副教授，管理科學(xué)與工程學(xué)院投資系主任，主要研究興趣為大數(shù)據(jù)與智慧城市交通管理、人工智能投資決策等領(lǐng)域。在IEEE Transactions on Neural Networks and Learning Systems、Transportation Research Part C: Emerging Technologies等權(quán)威學(xué)術(shù)期刊發(fā)表論文20余篇，主持國(guó)家自然科學(xué)基金青年項(xiàng)目和面上項(xiàng)目，獲騁望一流學(xué)術(shù)成果獎(jiǎng)、成心優(yōu)秀學(xué)術(shù)成果應(yīng)用獎(jiǎng)。

撰稿：謝娜

審稿：劉志東