소식

대형 모델은 개인 여행 가이드가 되어 한 번의 클릭으로 Citywalk를 계획하며 HKU와 MIT가 공동 제작합니다.

2024-08-02

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

이제 대형 모델이 개인 투어 가이드 역할을 할 수 있습니다.시티워크 경로 계획갖다--

HKU, MIT 및 기타 단위에서 공동 출시여행 일정, LLM과 공간 최적화를 결합하여 맞춤형 달성오픈 도메인 도시 여정 계획

밤을 줘, 사용자는 "'주부장'을 포함하고 정안사에서 끝나는 도시 산책 경로를 계획해 주세요."라고 입력합니다.

ITINERA 시스템은 즉시 여러 위치를 포함하는 경로를 생성하고 해당 소개 텍스트를 제공했습니다.

ITINERA는 '커플이 함께 가기 좋은 바', '2차원 성지', '인터넷 연예인이 지나가는 체크인 포인트' 등 개인화된 요구까지 파악하고 충족시킬 수 있습니다.



겉으로 보기에는 잘 느껴지지 않을 수도 있지만, ITINERA(왼쪽)와 직접 비교해 보겠습니다.GPT-4 CoT생성된 경로.

같은 메시지: "나는 다리와 페리를 건너는 문학적 길을 원합니다."



볼 수 있다,ITINERA가 생성한 여행 일정쑤저우 강과 황포강 페리를 따라 여러 다리를 통과하고 문학적인 둬윤 서점에서 끝납니다. 경로는 두 개의 공간 클러스터에 집중되어 있어 더 합리적입니다.

오른쪽 사진에서 GPT가 선택한 POI(개인 선호 관심 지점)는 사용자가 요청한 다리, 페리와 동일합니다.일관성이 별로 없음 , 우회로와 POI 거리가 너무 먼 상황도 있습니다. 이 예 외에도 GPT는 때때로 존재하지 않는 POI를 환각적으로 생성하고 생성합니다.

요약하면 ITINERA는다음 기능

  • 동적 정보: POI 및 현재 인기 활동의 실시간 업데이트
  • 개인화: 인기 명소보다는 개인 취향을 우선시
  • 다양한 제약: 복잡하고 다양한 사용자 요구에 유연하게 대응
  • 공간 지능: 공간 최적화 알고리즘과 결합하여 합리적이고 효율적인 경로 보장

ITINERA의네 개의 도시여행 일정 데이터 세트(인기 도시 경로 1233개, POI 7578개)에 대해 훈련 및 평가를 수행했습니다.

결과는 전통적인 여정 계획, LLM의 직접적인 사용 및 기타 방법보다 더 나은 결과를 얻을 수 있음을 보여줍니다.



관련 논문은 KDD Urban Computing Workshop (UrbComp) 2024에 포함되었습니다.



5개의 주요 모듈이 ITINERA를 구성합니다.

다음 질문은 다음과 같습니다. 어떻게 해야 할까요?

ITINERA는 아래 그림과 같이 다음과 같이 구성됩니다.대형 모델로 구동되는 5개의 모듈구성.



첫 번째, 사용자 소유 POI 데이터베이스 구축(유니버셜표준화기구)모듈은 소셜 플랫폼에서 여행 콘텐츠를 수집하고 구성합니다.사용자 관심 지점 데이터베이스

사용자의 요청에 맞는 여행 일정을 계획하기 위해 분해를 요청합니다.(RD)모듈은 사용자 기본 설정을 해석하고 구성하며 이를 구조화된 데이터 형식으로 변환합니다.

선호도 인식 POI 검색(PPR)모듈은 사용자 기본 설정을 기반으로 검색하고 가장 관련성이 높은 관심 지점을 얻습니다.

여행 일정이 공간적으로 일관성을 갖도록 하기 위해 저자는 클러스터 인식 공간 최적화를 사용합니다.(CSO)계층적 여행 세일즈맨 문제를 해결하여 검색된 관심 지점을 공간적으로 필터링하고 순위를 매기는 모듈입니다.

마지막으로, 여정 생성(IG)이 모듈은 후보 관심 지점 세트를 여러 제약 조건과 결합하고 대규모 모델을 사용하여 공간적으로 합리적이고 사용자 요청과 일치하는 여행 경로 및 관련 설명을 생성합니다.



이제 원칙이 명확해졌습니다. ITINERA는 실제로 어떻게 수행됩니까?

이 문제를 이해하기 위해 저자는 사용자 요청, 해당 도시 일정 경로 및 세부 관심 지점(POI) 데이터를 포함하여 4개 도시에서 여행 일정 데이터 세트를 수집했습니다.

평가는 POI 회상률(RR), 총 거리와 이론상 최단 경로의 차이(AM), 경로 내 교차점 수(OL), 알 수 없는 POI 비율(FR) 등 객관적인 지표를 바탕으로 이루어집니다. .개인화된 추천 POI의 정확성사용자 요청에 일치,게다가생성된 경로의 공간적 합리성

관심 장소의 유치, 이용자 요청 매칭 정도 등의 측면을 해결하기 위해서라도수량화할 수 없다문제의 경우 저자는 LLM을 사용하여 POI 품질, 경로 품질, 일정과 사용자 요청의 일치 정도를 자동으로 평가합니다.

GPT-3.5, GPT-4 및 GPT-4 CoT와 같은 다른 방법과 비교하여 ITINERA 시스템은 모든 지표에서 더 나은 성능을 발휘하는 것을 볼 수 있습니다.더 잘 수행



존재하다사용자 및 전문가 평가POI 품질, 일정 품질 및 일치 측면에서도 ITINERA 시스템이 더 높은 점수를 받았습니다.



일반적으로, ITINERA는 자연어 요청으로부터 개인화되고 공간적으로 일관된 도시 산책 일정을 직접 생성할 수 있습니다. 이는 대형 모델 시대의 개방형 도메인 일정 계획 문제를 탐색할 뿐만 아니라 대형 모델을 사용하여 도시의 복잡한 공간 관련 문제를 해결하기 위한 아이디어를 제공합니다. 응용 프로그램.