ニュース

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

大型モデルがプライベート ツアー ガイドとして機能します。シティウォークのルートを計画するわかりました——

HKU、MIT、その他の部門が共同で立ち上げイチネラ、LLMと空間最適化を組み合わせてパーソナライズされたものを実現しますオープンドメインの都市旅程計画。

栗をあげる、ユーザーは「『Ju Fu Chang』を含み、静安寺で終わるシティウォーク ルートを計画してください。」と入力します。

ITINERA システムは、いくつかの場所を含むルートをすぐに生成し、対応する紹介テキストを提供しました。

「カップルで行きたいバー」「二次元の聖地」「ネット有名人が通るチェックインポイント」など、個別のニーズも把握し対応します。

見ただけでは伝わらないかもしれませんが、ITINERA（左）と実際に比べてみましょう。GPT-4 コアT生成されたルート。

同じプロンプト: 「橋とフェリーを渡る文学的なルートが欲しいです。」

見られます、ITINER が作成した旅程蘇州川沿いのいくつかの橋と黄浦江のフェリーを通過し、文学的な多雲書店で終了するこのルートは、場所が 2 つの空間クラスターに集中しているため、より合理的です。

右の図で GPT が選択した POI (個人的に優先する興味のある地点) は、ユーザーが要求した橋とフェリーと同じです。まったく一貫性がありません 、迂回路やPOIの距離が遠すぎる状況もあります。この例に加えて、GPT は時々幻覚を起こし、存在しない POI を生成します。

要約すると、ITINERA には次のような特徴があります。以下の特徴：

• 動的な情報: POI と現在人気のあるアクティビティのリアルタイム更新
• パーソナライゼーション: 人気のアトラクションだけではなく、個人の好みを優先します。
• 多様な制約：複雑かつ多様なユーザーニーズに柔軟に対応
• 空間インテリジェンス: 空間最適化アルゴリズムと組み合わせて、合理的かつ効率的なルートを確保します。

の旅程4つの都市トレーニングと評価は、旅行旅程データセット (1,233 の人気都市ルート、7,578 の POI) に対して実施されました。

結果は、従来の旅程計画、LLM の直接使用、およびその他の方法よりも優れた結果を生み出すことができることを示しています。

関連論文は KDD Urban Computing Workshop (UrbComp) 2024 に収録されています。

ITINER は 5 つの主要なモジュールで構成されています

次の質問は、どうやって行うかということです。

以下の図に示すように、ITINERA は以下で構成されます。大型モデルで駆動される 5 つのモジュール構成。

第一に、ユーザー所有のPOIデータベースの構築（UPC）このモジュールはソーシャル プラットフォームから旅行コンテンツを収集して構築しますユーザーの関心のある場所のデータベース。

ユーザーのご要望に合わせた旅程を計画するため、リクエスト分解（RD）このモジュールはユーザーの設定を解釈して整理し、構造化されたデータ形式に変換します。

好みに応じた POI 検索（PPR）このモジュールはユーザーの好みに基づいて検索し、最も関連性の高い関心のある地点を取得します。

旅程が空間的に一貫していることを確認するために、作成者はクラスター対応空間最適化を使用しています。（最高執行責任者）階層的な巡回セールスマン問題を解くことで、取得した興味のある地点を空間的にフィルタリングしてランク付けするモジュール。

最後に、旅程の生成（IG）このモジュールは、候補となる関心点のセットを複数の制約と組み合わせ、大規模なモデルを使用して、空間的に合理的でユーザーの要求と一貫性のある移動ルートと関連する説明を生成します。

原則は明らかになりましたが、ITINERA は実際にどのように機能するのでしょうか?

この問題を理解するために、著者らは 4 つの都市から、ユーザーのリクエスト、対応する都市の旅程ルート、詳細な興味のある地点 (POI) データを含む旅行旅程データセットを収集しました。

評価は、POI再現率（RR）、総距離と理論上の最短経路との差（AM）、ルート内の交差点の数（OL）、未知のPOIの割合（FR）などの客観的な指標に基づいて行われます。 。パーソナライズされた推奨POIの精度、ユーザーの要望に合わせて、同様に生成されたルートの空間的合理性。

注目ポイントの魅力やユーザーの要望とのマッチング度などを解決するためにも。定量化できないこの問題に対して、著者は LLM を使用して、POI の品質、ルートの品質、旅程とユーザーのリクエストの一致度を自動的に評価します。

GPT-3.5、GPT-4、GPT-4 CoT などの他の手法と比較して、ITINERA システムはすべての指標で優れたパフォーマンスを発揮していることがわかります。パフォーマンスが向上した。

存在するユーザーと専門家の評価POI の品質、旅程の品質、一致の点でも、ITINERA システムの方が高いスコアを獲得しました。

一般的に, ITINERA は、自然言語リクエストからパーソナライズされた空間的に一貫した街歩きの旅程を直接生成できます。大規模モデル時代のオープンドメインの旅程計画の問題を調査するだけでなく、大規模モデルを使用して都市における複雑な空間関連の問題を解決するためのアイデアも提供します。アプリケーション。