論文の概要: Synergizing Spatial Optimization with Large Language Models for
Open-Domain Urban Itinerary Planning
- arxiv url: http://arxiv.org/abs/2402.07204v1
- Date: Sun, 11 Feb 2024 13:30:53 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-13 16:54:21.355717
- Title: Synergizing Spatial Optimization with Large Language Models for
Open-Domain Urban Itinerary Planning
- Title(参考訳): オープンドメイン都市計画のための大規模言語モデルによる空間最適化
- Authors: Yihong Tang, Zhaokai Wang, Ao Qu, Yihao Yan, Kebing Hou, Dingyi
Zhuang, Xiaotong Guo, Jinhua Zhao, Zhan Zhao, Wei Ma
- Abstract要約: 都市遊歩道におけるオープンドメイン都市イテナリープランニング(OUIP)の課題を提案する。
OUIPは、自然言語で記述されたユーザの要求に基づいて、直接イテレーションを生成する。
大規模言語モデル(LLM)と空間最適化を相乗化するOUIPシステムであるItiNeraを提案する。
- 参考スコア(独自算出の注目度): 17.629839510810523
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we for the first time propose the task of Open-domain Urban
Itinerary Planning (OUIP) for citywalk, which directly generates itineraries
based on users' requests described in natural language. OUIP is different from
conventional itinerary planning, which limits users from expressing more
detailed needs and hinders true personalization. Recently, large language
models (LLMs) have shown potential in handling diverse tasks. However, due to
non-real-time information, incomplete knowledge, and insufficient spatial
awareness, they are unable to independently deliver a satisfactory user
experience in OUIP. Given this, we present ItiNera, an OUIP system that
synergizes spatial optimization with Large Language Models (LLMs) to provide
services that customize urban itineraries based on users' needs. Specifically,
we develop an LLM-based pipeline for extracting and updating POI features to
create a user-owned personalized POI database. For each user request, we
leverage LLM in cooperation with an embedding-based module for retrieving
candidate POIs from the user's POI database. Then, a spatial optimization
module is used to order these POIs, followed by LLM crafting a personalized,
spatially coherent itinerary. To the best of our knowledge, this study marks
the first integration of LLMs to innovate itinerary planning solutions.
Extensive experiments on offline datasets and online subjective evaluation have
demonstrated the capacities of our system to deliver more responsive and
spatially coherent itineraries than current LLM-based solutions. Our system has
been deployed in production at the TuTu online travel service and has attracted
thousands of users for their urban travel planning.
- Abstract(参考訳): 本稿では,自然言語で記述したユーザの要求に基づいて,都市遊歩道におけるオープンドメイン都市イテナリープランニング(OUIP)のタスクを直接生成するタスクを,初めて提案する。
OUIPは、ユーザがより詳細なニーズを表現できなくなり、真のパーソナライズを妨げる、従来の反復計画とは異なる。
近年,大規模言語モデル (LLM) は多様なタスクを扱う可能性を示している。
しかし,非リアルタイム情報,不完全知識,空間認識が不十分なため,OUIPのユーザエクスペリエンスを独立して提供することはできない。
そこで本稿では,大規模言語モデル (LLM) と空間最適化を併用する OUIP システム IiNera を提案する。
具体的には、ユーザが所有するパーソナライズされたPOIデータベースを作成するために、POI機能の抽出と更新を行うLLMベースのパイプラインを開発する。
ユーザリクエスト毎に,組込みベースのモジュールと連携してllmを利用して,ユーザのpoiデータベースから候補poisを取得する。
そして、これらのPOIを順序付けするために空間最適化モジュールを使用し、次いで、パーソナライズされた空間的に整合したイテレーションを構築する。
我々の知る限り、本研究はLCMを初めて統合し、反復計画ソリューションを革新したものである。
オフラインデータセットとオンラインの主観評価に関する広範な実験により、現在のllmベースのソリューションよりも応答性と空間的に一貫性のあるイテナリを提供する能力が実証された。
我々のシステムはTuTuのオンライン旅行サービスで運用されており、都市旅行計画のために何千人ものユーザーを惹きつけている。
関連論文リスト
- User-LLM: Efficient LLM Contextualization with User Embeddings [24.099604517203606]
大規模言語モデル(LLM)のコンテキスト化にユーザ埋め込みを活用する新しいフレームワークであるUser-LLMを提案する。
MovieLens、Amazon Review、Google Local Reviewのデータセットに関する我々の実験は、様々なタスクで大きなパフォーマンス向上を示している。
論文 参考訳(メタデータ) (2024-02-21T08:03:27Z) - Self-Play Fine-Tuning Converts Weak Language Models to Strong Language
Models [56.84735912476625]
本稿では,SPIN(Self-Play fIne-tuNing)と呼ばれるファインチューニング手法を提案する。
SPINの中心には自己再生機構があり、LLMは自身のインスタンスと対戦することでその能力を洗練させる。
このことは、自己プレイの約束に光を当て、熟練した相手を必要とせずに、LSMにおける人間レベルのパフォーマンスの達成を可能にする。
論文 参考訳(メタデータ) (2024-01-02T18:53:13Z) - LLM-Assist: Enhancing Closed-Loop Planning with Language-Based Reasoning [65.86754998249224]
従来のルールベースプランナとLCMベースのプランナを併用した,新しいハイブリッドプランナを開発した。
当社のアプローチでは,既存のプランナが苦労する複雑なシナリオをナビゲートし,合理的なアウトプットを生成すると同時に,ルールベースのアプローチと連携して作業する。
論文 参考訳(メタデータ) (2023-12-30T02:53:45Z) - Integrating Summarization and Retrieval for Enhanced Personalization via
Large Language Models [11.950478880423733]
パーソナライゼーションは自然言語処理(NLP)システムにおけるユーザエクスペリエンスにおいて重要な要素である。
LLM(Large Language Models)の出現によって、重要な疑問は、これらのモデルを使ってユーザエクスペリエンスをよりパーソナライズする方法である。
LLMが生成するタスク対応ユーザ要約を用いた,新しい要約型パーソナライゼーションを提案する。
論文 参考訳(メタデータ) (2023-10-30T23:40:41Z) - BTRec: BERT-Based Trajectory Recommendation for Personalized Tours [6.753123338256321]
多くのツアーレコメンデーションツールは、人気のPoints of Interest(POI)やルーティング制約など、限られた要素しか考慮していない。
本稿では,提案する反復アルゴリズムであるBTREC (BERT-based Trajectory Recommendation)を提案する。
我々の推薦システムは、訪問したPOIを最大化する旅行イテナリーを作成するとともに、POIのカテゴリと時間可用性のユーザの好みを考慮した旅行イテナリーを作成することができる。
論文 参考訳(メタデータ) (2023-10-30T18:00:26Z) - Chatmap : Large Language Model Interaction with Cartographic Data [0.0]
OpenStreetMap(OSM)は、都市部と農村部の詳細な地理データを提供する、最も野心的なオープンソースグローバルイニシアチブである。
本研究では,比較的小規模(1Bパラメータ)の大規模言語モデル(LLM)を,より有能な教師モデルによってキュレートされた比較的小さな人工データセットを用いて微調整するプロセスの概念と詳細を実証する。
この研究は、このような生成的人工知能(AI)適応のための最初のガイドラインを提供し、この文脈で有用な新興能力の早期の兆候を示すことを目的としている。
論文 参考訳(メタデータ) (2023-09-28T15:32:36Z) - Query-Dependent Prompt Evaluation and Optimization with Offline Inverse
RL [62.824464372594576]
ゼロショットプロンプト最適化により,Large Language Models (LLM) の算術的推論能力を向上させることを目的とする。
このような最適化では、以前見過ごされたクエリ依存の目的を特定します。
本稿では、オフライン逆強化学習を利用して、実演データから洞察を引き出すPrompt-OIRLを紹介する。
論文 参考訳(メタデータ) (2023-09-13T01:12:52Z) - Self-supervised Graph-based Point-of-interest Recommendation [66.58064122520747]
Next Point-of-Interest (POI)レコメンデーションは、ロケーションベースのeコマースにおいて重要なコンポーネントとなっている。
自己教師付きグラフ強化POIレコメンデーション(S2GRec)を次のPOIレコメンデーションのために提案する。
特に,グローバル・トランジション・グラフと局所軌道グラフの両方からの協調的な信号を組み込むために,グラフ強化セルフアテンテート・レイヤを考案した。
論文 参考訳(メタデータ) (2022-10-22T17:29:34Z) - Differentiable Spatial Planning using Transformers [87.90709874369192]
本研究では、長距離空間依存を計画して行動を生成する障害マップを与えられた空間計画変換器(SPT)を提案する。
エージェントが地上の真理マップを知らない環境では、エンド・ツー・エンドのフレームワークで事前訓練されたSPTを利用する。
SPTは、操作タスクとナビゲーションタスクの両方のすべてのセットアップにおいて、最先端の差別化可能なプランナーよりも優れています。
論文 参考訳(メタデータ) (2021-12-02T06:48:16Z) - Learning Space Partitions for Path Planning [54.475949279050596]
PlaLaMは2次元ナビゲーションタスクにおける既存の経路計画手法よりも優れており、特に難解な局所最適化の存在下では優れている。
これらは高マルチモーダルな実世界のタスクに移行し、コンパイラフェーズでは最大245%、分子設計では最大0.4の強いベースラインを0-1スケールで上回ります。
論文 参考訳(メタデータ) (2021-06-19T18:06:11Z) - STP-UDGAT: Spatial-Temporal-Preference User Dimensional Graph Attention
Network for Next POI Recommendation [22.705788963791445]
Next Point-of-Interest(POI)推奨は、位置情報ベースのソーシャルネットワーク(LBSN)と交通機関の領域にまたがる長年にわたる問題である。
最近のリカレントニューラルネットワーク(RNN)に基づくアプローチは、独立したユーザ訪問シーケンスに基づいて、ローカルビューでPOI-POI関係を学習する。
本研究では,個人化されたユーザの嗜好を同時に活用し,グローバルな空間的・時間的嗜好地区における新たなPOIを探索する新しい探索・探索モデルを提案する。
論文 参考訳(メタデータ) (2020-10-06T04:03:42Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。