瞭解資料
雖然嵌入內容適用於多個國家/地區，但所有資料集都採用一致的結構定義。每個國家/地區的嵌入內容會整理成個別的 BigQuery 產品資訊。
嵌入向量剖析
features 資料欄是 330 維度的向量 (在 BigQuery 中儲存為 REPEATED FLOAT 陣列)。陣列的每個區段都對應至「人口動態」模型擷取的特定資料信號。
瞭解這種結構有助於進行特徵消融 (例如，判斷搜尋行為與天氣相比，預測銷售量的準確度)。
| 向量索引 | 資料來源 | 說明 |
|---|---|---|
| 0 到 127 | 匯總搜尋趨勢 | 擷取區域性興趣和疑慮 (例如搜尋「健身房」、「流感症狀」、「奢侈品」)。 |
| 128 到 255 | 地圖和繁忙程度 | 擷取建築環境 (醫院、公園、學校等搜尋點) 和人類活動密度。 |
| 256 至 329 | 天氣和空氣品質 | 擷取環境背景資訊 (溫度、降水、空氣品質指數、風)。 |
重要資料欄和中繼資料
嵌入內容資料表包含空間中繼資料，可進行地理空間分析、篩選，以及與其他 Google Maps Platform 服務互通。
geo_id：區域的主要 ID。如為 S2 儲存格資料集，這是以十六進位字串表示的 S2 儲存格權杖 (例如'80ead45')。請將此做為主要彙整索引鍵。geo_name：區域的易讀名稱。注意：如果是 S2 格線資料集，數學儲存格沒有標準名稱，因此這個資料欄會包含與geo_id完全相同的符記。這是刻意設計，目的是在所有「人口動態」產品中維持一致的資料欄結構。administrative_area_level_1_id：頂層行政邊界的專屬 Google 地圖地點 ID (例如州或省)。administrative_area_level_1_name：頂層邊界的人類可讀名稱 (例如'California')。administrative_area_level_2_id：次要行政邊界的專屬 Google 地圖地點 ID (例如縣市或區)。administrative_area_level_2_name：次要邊界的易讀名稱 (例如'Tulare County')。features：核心 330 維度嵌入向量，以ARRAY<FLOAT64>形式原生儲存。如要將這項資料載入 Pandas Python 程式庫，必須先將資料扁平化或轉換為 NumPy 矩陣。
常見問題 (FAQ)
我可以存取原始輸入資料 (例如特定搜尋查詢或移動軌跡) 嗎？
不會。人口動態洞察嵌入內容是根據匯總的隱私權保護信號產生，為確保使用者隱私，我們不會提供特定使用者軌跡、個別搜尋記錄或原始移動模式。這些嵌入內容提供這些行為的潛在表示法，經過最佳化調整，適用於模型化和預測，而非原始分析。
向量維度是否可解讀 (例如，維度 5 是否為「咖啡」)？
向量是潛在表示法，也就是擷取抽象模式，而非人類可讀的特定標籤。我們知道指數 0 到 127 是從搜尋趨勢衍生而來，但特定指數 (例如指數 5) 並不會一對一對應至單一關鍵字 (例如「咖啡」)。而是代表模型學到的複雜搜尋行為特徵。
資料集是否包含多邊形界線 (Shapefile)？
資料集提供地理 ID (例如第 1 級和第 2 級行政區) 的 S2 儲存格 ID (geo_id) 和地點 ID，但不包含這些區域的原始多邊形幾何圖形 (WKT/Shapefiles)。
- 用於視覺化：您可以直接使用 BigQuery GeoViz 等工具繪製質心，也可以使用幾何程式庫，從十六進位權杖計算 S2 多邊形。
- 如要進行空間聯結：如需精確的邊界作業 (例如
ST_CONTAINS)，建議您將這個資料集與公開邊界資料集 (可透過 BigQuery 公開資料取得) 聯結。