2024-08-02
한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina
Jetzt können große Modelle als private Reiseleiter für Sie fungierenPlanen Sie eine Citywalk-RouteBekommen--
Gemeinsam von HKU, MIT und anderen Einheiten ins Leben gerufenREISEROUTE, wobei LLM mit räumlicher Optimierung kombiniert wird, um personalisierte Ergebnisse zu erzielenOpen-Domain-Reiseplanung für Städte。
Gib eine Kastanie, gibt der Benutzer ein: „Planen Sie mir eine Stadtrundgang-Route, die ‚Ju Fu Chang‘ einschließt und am Jing'an-Tempel endet.“
Das ITINERA-System generierte sofort eine Route mit mehreren Standorten und lieferte den entsprechenden Einführungstext.
ITINERA kann sogar personalisierte Bedürfnisse verstehen und erfüllen, wie etwa „Bars, die für Paare geeignet sind, zusammen zu gehen“, „zweidimensionale heilige Orte“ und „Check-in-Punkte, an denen Internet-Prominente vorbeikommen“.
Sie werden es vielleicht nicht spüren, wenn Sie es nur betrachten. Vergleichen wir ITINERA (links) undGPT-4-CoTgenerierte Route.
Gleiche Aufforderung: „Ich möchte eine literarische Route, die über Brücken und Fähren führt.“
kann gesehen werden,ITINERA hat eine Reiseroute erstelltSie führt über mehrere Brücken entlang des Suzhou-Flusses und der Huangpu-Flussfähre und endet am literarischen Duoyun-Buchladen. Die Route ist sinnvoller und konzentriert die Orte in zwei räumlichen Gruppen.
Der von GPT im Bild rechts ausgewählte POI (persönlich bevorzugte Points of Interest) ist derselbe wie die vom Benutzer gewünschte Brücke und Fähre.Nicht ganz konsistent Es gibt auch Situationen, in denen Umwege und POI-Entfernungen zu weit sind. Zusätzlich zu diesem Beispiel halluziniert GPT manchmal und generiert POIs, die nicht existieren.
Zusammenfassend hat ITINERADie folgenden Funktionen：
ITINERA invier StädteSchulungen und Auswertungen wurden anhand des Reiseroutendatensatzes (1233 beliebte Stadtrouten, 7578 POIs) durchgeführt.
Die Ergebnisse zeigen, dass damit bessere Ergebnisse erzielt werden können als mit der herkömmlichen Reiseroutenplanung, dem direkten Einsatz von LLM und anderen Methoden.
Die relevanten Beiträge wurden in den KDD Urban Computing Workshop (UrbComp) 2024 aufgenommen.
Fünf Hauptmodule bilden ITINERA
Die nächste Frage kommt: Wie geht das?
Wie in der Abbildung unten gezeigt, besteht ITINERA ausFünf Module, angetrieben von großen ModellenKomposition.
Erstens: Aufbau einer benutzereigenen POI-Datenbank(UPC)Das Modul sammelt und erstellt Reiseinhalte von sozialen PlattformenBenutzer-Point-of-Interest-Datenbank。
Um eine Reiseroute zu planen, die den Anforderungen des Benutzers entspricht, Request Decomposition(RD)Das Modul interpretiert und organisiert Benutzerpräferenzen und wandelt sie in strukturierte Datenformen um.
Präferenzbasierter POI-Abruf(PPR)Das Modul sucht basierend auf Benutzerpräferenzen und ermittelt die relevantesten Points of Interest.
Um sicherzustellen, dass die Reiseroute räumlich kohärent ist, verwendet der Autor die Cluster-fähige räumliche Optimierung(CSO)Modul, das abgerufene Points of Interest räumlich filtert und ordnet, indem es das hierarchische Problem des Handlungsreisenden löst.
Schließlich die Erstellung des Reiseplans(ICH G)Das Modul kombiniert den Satz potenzieller Interessenpunkte mit mehreren Einschränkungen und verwendet ein großes Modell, um Reiserouten und zugehörige Beschreibungen zu generieren, die sowohl räumlich sinnvoll sind als auch den Benutzeranforderungen entsprechen.
Nun, da das Prinzip klar ist, wie funktioniert ITINERA tatsächlich?
Um dieses Problem zu verstehen, sammelten die Autoren Reiseroutendatensätze aus vier Städten, einschließlich Benutzeranfragen, entsprechende Stadtrouten und detaillierte POI-Daten (Points of Interest).
Die Bewertung basiert auf objektiven Indikatoren wie der POI-Erinnerungsrate (RR), der Differenz zwischen der Gesamtentfernung und dem theoretisch kürzesten Weg (AM), der Anzahl der Kreuzungen in der Route (OL) und dem Anteil unbekannter POIs (FR). .Genauigkeit der personalisierten empfohlenen POI、Passen Sie die Benutzeranforderung an,sowieRäumliche Angemessenheit generierter Routen。
Auch um Aspekte wie die Attraktivität von Sehenswürdigkeiten und den Grad der Übereinstimmung mit Benutzeranfragen usw. zu lösen.nicht quantifizierbarFür das Problem verwendet der Autor auch LLM, um die Qualität von POIs, die Qualität von Routen und den Übereinstimmungsgrad von Reiserouten und Benutzeranfragen automatisch zu bewerten.
Es zeigt sich, dass das ITINERA-System im Vergleich zu anderen Methoden wie GPT-3.5, GPT-4 und GPT-4 CoT bei allen Indikatoren besser abschneidetbesser abgeschnitten。
existierenBenutzer- und ExpertenbewertungIn Bezug auf POI-Qualität, Reiseplanqualität und Übereinstimmung erhielt das ITINERA-System ebenfalls bessere Bewertungen.
AllgemeinITINERA kann aus Anfragen in natürlicher Sprache direkt personalisierte und räumlich kohärente Stadtrundgangsrouten generieren. Es untersucht nicht nur das Problem der offenen Reiseroutenplanung im Zeitalter großer Modelle, sondern liefert auch Ideen für die Verwendung großer Modelle zur Lösung komplexer raumbezogener Probleme in der Stadt Anwendungen.
Sammeln und organisieren Sie die neuesten Nachrichteninformationen und stellen Sie sie für alle kostenlos zur Verfügung.
