English(EN) LEBGen: An LLM-Enhanced Bayesian Network Framework for Few-Shot Travel Survey Data Generation

增强型大语言模型的贝叶斯网络改进旅行调查数据生成

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-10 04:00

研究人员开发了LEBGen，一个将大语言模型（LLMs）增强贝叶斯网络的新框架，以改进从有限样本生成旅行调查数据。该方法利用LLM生成的行为知识来优化贝叶斯网络结构，解决了在稀疏数据集中捕获复杂依赖关系的局限性。在香港旅行特征调查的2%少样本实验中，LEBGen与现有方法相比显著降低了分布和依赖性误差。 AI

影响该框架通过改进从有限调查样本生成合成数据，有望实现更高效、更准确的旅行行为分析。

排序理由该集群描述了一篇详细介绍新数据生成框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 17 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群描述了一篇详细介绍新数据生成框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, product; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Zijian Shen, Bin Zhou, Jiguang Wang, Ya Zhao, Jintao Ke · 2026-09-10 04:00

LEBGen：一种用于少样本旅行调查数据生成的 LLM 增强贝叶斯网络框架

arXiv:2609.08288v1 Announce Type: new Abstract: Travel survey data are essential for transportation planning and travel behavior analysis, yet collecting large-scale representative samples is costly and time-consuming. A practical alternative is to generate synthetic survey recor…

本文如何被排名

报道来源 [1]

LEBGen：一种用于少样本旅行调查数据生成的 LLM 增强贝叶斯网络框架

相关实体

相关话题