Comprende los datos
Si bien los embeddings están disponibles para varios países, el esquema sigue siendo coherente en todos los conjuntos de datos. Los embeddings se organizan en fichas de BigQuery separadas para cada país.
Anatomía del vector de embedding
La columna features es un vector de 330 dimensiones (almacenado como un array REPEATED FLOAT en BigQuery). Cada sección del array corresponde a un indicador de datos específico que extrae el modelo de Population Dynamics.
Comprender esta estructura permite la eliminación de atributos (por ejemplo, determinar cuánto predice el comportamiento de búsqueda las ventas en comparación con el clima).
| Índices vectoriales | Fuente de datos | Descripción |
|---|---|---|
| 0 – 127 | Tendencias de búsqueda agregadas | Captura los intereses y las inquietudes regionales (por ejemplo, búsquedas de "gimnasio", "síntomas de gripe" y "artículos de lujo"). |
| 128 – 255 | Maps y nivel de actividad | Captura el entorno construido (lugares de interés como hospitales, parques y escuelas) y la densidad de la actividad humana. |
| 256 – 329 | Clima y calidad del aire | Captura el contexto ambiental (temperatura, precipitación, ICA y viento). |
Columnas y metadatos clave
La tabla de embeddings contiene metadatos espaciales que permiten el análisis geoespacial, el filtrado y la interoperabilidad con otros servicios de Google Maps Platform.
geo_id: Es el identificador principal de la región. Para los conjuntos de datos de celdas S2, este es el token de celda S2 representado como una cadena hexadecimal (por ejemplo,'80ead45'). Úsalo como clave de unión principal.geo_name: Es el nombre de la región legible por humanos. Nota: En el caso de los conjuntos de datos de cuadrícula S2, las celdas matemáticas no tienen nombres estándar, por lo que esta columna contendrá el mismo token quegeo_id. Esto se debe al diseño para mantener una estructura de columna coherente en todas las ofertas de Population Dynamics.administrative_area_level_1_id: Es el ID de lugar de Google Maps único para el límite administrativo de nivel superior (por ejemplo, estado o provincia).administrative_area_level_1_name: Es el nombre legible por humanos del límite de nivel superior (por ejemplo,'California').administrative_area_level_2_id: Es el ID de lugar de Google Maps único para el límite administrativo secundario (por ejemplo, condado o distrito).administrative_area_level_2_name: Es el nombre legible por humanos del límite secundario (por ejemplo,'Tulare County').features: Es el vector de embedding principal de 330 dimensiones, almacenado de forma nativa comoARRAY<FLOAT64>. Para cargarlo en la biblioteca de Pandas Python, es necesario aplanarlo o convertirlo en una matriz NumPy.
Preguntas frecuentes
¿Puedo acceder a los datos de entrada sin procesar (por ejemplo, consultas de búsqueda específicas o seguimientos de movilidad)?
No. Los embeddings de Population Dynamics Insights se generan a partir de indicadores agregados que preservan la privacidad. Para garantizar la privacidad del usuario, no proporcionamos seguimientos de usuarios específicos, historiales de la Búsqueda individuales ni patrones de movimiento sin procesar. Los embeddings proporcionan una representación latente de estos comportamientos, optimizada para el modelado y la predicción, en lugar de análisis sin procesar.
¿Se pueden interpretar las dimensiones vectoriales (por ejemplo, la dimensión 5 es "Café")?
Los vectores son representaciones latentes, lo que significa que capturan patrones abstractos en lugar de etiquetas específicas y legibles por humanos. Si bien sabemos que los índices 0 a 127 provienen de las tendencias de búsqueda, un índice específico (como el índice 5) no se asigna de uno a uno a una sola palabra clave como "Café". En cambio, representa una característica compleja del comportamiento de búsqueda que aprende el modelo.
¿El conjunto de datos incluye límites de polígonos (Shapefiles)?
El conjunto de datos proporciona tokens de celdas S2 (geo_id) y IDs de lugar para identificadores geográficos (como las regiones de nivel administrativo 1 y 2), pero no incluye la geometría de polígonos sin procesar (WKT/Shapefiles) para las regiones de celdas S2. Omitir las geometrías sin procesar evita el aumento del almacenamiento y reduce los costos de análisis de BigQuery para los canales de aprendizaje automático que solo requieren vectores de atributos. Además, la unión en tokens de cadena S2 es mucho más rápida y eficiente en términos de procesamiento que la ejecución de intersecciones de polígonos espaciales.
- Para las coordenadas de puntos: Para unir datos de puntos (como las ubicaciones de lugares de interés o los
centroides de tiendas) con Population Dynamics Insights, convierte las coordenadas de latitud y longitud en tokens de celdas S2 de
nivel 12 con
S2_CELLIDFROMPOINTcombinado conST_GEOGPOINT(consulta Cómo convertir coordenadas de puntos en tokens hexadecimales S2 de nivel 12). - Para los límites de áreas: Si necesitas intersectar límites personalizados con
Population Dynamics Insights, te recomendamos que conviertas tus polígonos personalizados en
tokens de celdas S2 de nivel 12 con
S2_COVERINGCELLIDS(consulta Cómo generar tokens de celdas S2 de nivel 12 para un polígono) o que unas este conjunto de datos con conjuntos de datos de límites públicos disponibles en BigQuery Public Data. - Para la visualización y la conversión de geometría: Las funciones geográficas integradas de BigQuery realizan una conversión unidireccional (geometría → ID de celda S2). Para
convertir tokens de celdas S2 en geometrías de polígonos para herramientas de mapas o GIS, puedes
usar bibliotecas del cliente, como
s2sphere. Para obtener instrucciones y muestras de código, consulta Cómo obtener la geometría de celdas S2 a partir de un token hexadecimal S2 de nivel 12.