LocEmb: Location Embedding

• Location Embedding (Currently covering districts, roads, and businesses in Korea) [PDF]

프로젝트 목표

• 대한민국의 지역 및 장소별 embedding을 제공하고자 함

임베딩 결과물 소개

모든 임베딩 결과는 100차원의 vector 형식임
예시) 서울특별시 강남구: [0.0718, -0.0919, ..., -0.103, -0.066]
         서울특별시 강남구 테헤란로: [0.011, 0.000, ..., -0.015, -0.017]
         씨제이 올리브영 종각점: [-0.0363, 0.0177, ..., 0.000, 0.027]

• 구역 임베딩 결과
  • embedding+시군구명.csv: 전체 251개 시군구
  • embedding+법정동명.csv: 전체 5,005개 법정동
  • embedding+행정동명.csv: 전체 3,582개 행정동
  • embedding+도로명+first5000rows.csv: 전체 110,722개 도로명 중 5,000개 샘플
• 업종/상호 임베딩 결과
  • embedding+상권업종대분류명.csv: 전체 9개 상권업종대분류명
  • embedding+상권업종중분류명.csv: 전체 94개 상권업종중분류명
  • embedding+상권업종소분류명.csv: 전체 737개 상권업종소분류명
  • embedding+상호명+first5000rows.csv: 전체 1,482,860개 상호명 중 5,000개 샘플
• 전체 데이터 (.gz compressed)
  • embedding+도로명.csv: 전체 110,722개 도로명
  • embedding+상호명.csv: 전체 1,482,860개 상호명 (예시: 세븐일레븐, 고봉민김밥인)
  • embedding+상호지점명.csv: 전체 319,757개 상호지점명 (예시: 세븐일레븐 카이스트점, 고봉민김밥인 어은점)
  • embedding+도로명주소.csv: 전체 991,559개 도로명주소 (위 상호가 위치하는 도로명주소)
  • embedding+지번주소.csv: 전체 987,607개 지번주소 (위 상호가 위치하는 지번주소)

임베딩 결과 분석 예제

• LocEmb-EDA.ipynb: 임베딩 결과값 체크 및 지역별 유사도 계산 예제

• 유사도 분석 결과:

  • 예시 1) 대전광역시 유성구 신성동과 가장 유사도가 높은 전국의 행정동

    행정동명	유사도
    대전광역시 유성구 관평동	97.81%
    대전광역시 유성구 전민동	97.33%
    대전광역시 유성구 구즉동	96.08%
    대전광역시 유성구 온천2동	94.95%
    대전광역시 서구 만년동	93.46%

  • 예시 2) 대전광역시 유성구 어은동에 위치한 '플라스틱플랜트'와 가장 유사도가 높은 전국의 상호

    상호명	유사도
    두메숯불바베큐	99.54%
    요시다	99.52%
    올리브가든수제파이전문점	99.44%
    짜카밥	99.39%
    기시맹	99.38%

• 교차 분석 결과: 상권 업종 임베딩 결과와 도로명 임베딩 결과를 활용하여, 특정 업종과의 유사도가 높은 도로를 리스트업한 후 실제로 해당 업종 상호가 많은 지 검색을 통해 검증함

  • 예시 1) 상권업종대분류명 '숙박'의 임베딩 결과와 가장 유사도가 높은 지역별 도로

    도로명	유사도
    경기도 가평군 북면 백둔로133번길	95.01%
    충청남도 태안군 남면 진산1길	94.00%
    경상남도 남해군 남면 빛담촌길	92.33%
    충청남도 보령시 해수욕장12길	90.55%
    충청남도 태안군 안면읍 사냥메기길	90.49%
    강원도 강릉시 해안로621번길	90.25%
    전라남도 여수시 남면 우두로	89.26%
    강원도 홍천군 서면 도롱골길147번길	87.64%
    경상북도 경주시 서낭길	85.95%

    • 가장 유사도가 높은 '경기도 가평군 북면 백둔로133번길' 과 주변의 숙박 업소 [카카오맵]

  • 예시 2) 상권업종중분류명 '유흥주점'의 임베딩 결과와 가장 유사도가 높은 지역별 도로

    도로명	유사도
    강원도 원주시 토지길	73.37%
    서울특별시 서대문구 연세로7안길	73.34%
    전라남도 여수시 시청동5길	70.39%
    대구광역시 수성구 수성못6길	70.34%
    서울특별시 용산구 이태원로27가길	69.72%
    전라북도 전주시 완산구 홍산중앙로	69.69%
    충청북도 충주시 연수상가길	66.32%
    대전광역시 유성구 온천북로13번길	64.91%
    전라남도 목포시 원형로	64.58%
    서울특별시 마포구 홍익로5길	64.08%

    • 두 번째로 유사도가 높은 '서울특별시 서대문구 연세로7안길' 과 주변의 유흥주점 [카카오맵]

임베딩 알고리즘

Concept map을 활용하여 heterogeneous hierarchical structures을 통합, hyperbolic space에 함께 임베딩한 방법론으로 구역 정보와 함께 위도 및 경도, 상권 분류명 정보를 활용하여 각 구역, 도로, 상권별 임베딩을 학습함

• Algorithm Description [PDF]
• 관련 연구 설명 및 유사 데이터를 활용한 분석 결과 [슬라이드]

임베딩에 활용한 데이터

• 공공데이터포털 국가중점데이터 중 상권분석 데이터
  • 소상공인시장진흥공단 제공 2019년 12월 상가(상권)정보

임베딩 결과를 활용 가능한 프로젝트

• 장소 추천 / 예측 모델: 고객 동선을 모델링할 때 pretrained된 embedding값을 활용
• 지가 및 분양가 예측 모델: 지역별 embedding값을 covariate으로 활용
• 지역별 전염병 확산 / 예측 모델: 감염자의 동선을 활용한 모델 개발시 pretrained된 지역별 embedding값을 covariate으로 활용

관련 정보

• Poincare embedding (NeurIPS2017)
  • Gensim implementation: https://radimrehurek.com/gensim/models/poincare.html
  • Pytorch implementation: https://github.com/facebookresearch/poincare-embeddings
• PNU코드: https://m.post.naver.com/viewer/postView.nhn?volumeNo=7135987&memberNo=36248235

To-do

• 건물 고유 번호 등으로 추가 확장
• 위, 경도를 활용하는 다른 방법 고안
• GPU computing
• 임베딩을 활용 가능한 예측/분석 테스크 예제 추가
• 페이퍼 작성 및 코드 공개

License

Creative Commons Attribution-ShareAlike license (CC BY-SA 4.0)

Citation

If you mention LocEmb for your publication, please cite the paper:

@inproceedings{kim2021locemb,
  title={Embedding Heterogeneous Hierarchical Structures},
  author={Kim, Sundong},
  booktitle = {7th International Conference on Computational Social Science},
  year={2021}
}

Contact information

This is an early-stage project.

For help or issues using LocEmb, please submit a GitHub issue. For communication and collaboration related to LocEmb, please contact Sundong Kim (sundong@ibs.re.kr).