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
- To the Globe (TTG): Towards Language-Driven Guaranteed Travel Planning [54.9340658451129]
To the Globe(TTG)は、ユーザから自然言語要求を受け取り、それをシンボリックフォームに変換するリアルタイムのデモシステムである。
システム全体の応答に5秒を要し、保証されたイテナリでユーザ要求に応答する。
ユーザによる評価では、TTGは生成した繰り返しで35-40%のネットプロモータースコア(NPS)を一貫して達成する。
論文 参考訳（メタデータ） (2024-10-21T19:30:05Z) - Can Machine Learning Uncover Insights into Vehicle Travel Demand from
Our Built Environment? [6.878774457703503]
本研究では,自動車走行需要の観点から,都市部における土地利用計画の最適化能力の欠如に対処する機械学習アプローチを提案する。
研究によると、私たちの計算モデルは、デザイナーが車の走行需要に対するフィードバックを素早く得るのに役立つ。
論文 参考訳（メタデータ） (2023-11-10T06:52:17Z) - 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) - POIBERT: A Transformer-based Model for the Tour Recommendation Problem [0.3121997724420106]
本稿では,POI 上での BERT 言語モデルを用いて,パーソナライズされたイテレーションを推薦するアルゴリズムである POIBERT を提案する。
提案手法では, 類似観光地からの過去のトラジェクトリに基づいて, POIカテゴリの時間とユーザの嗜好を最適化するPOIのシーケンスを生成することができる。
論文 参考訳（メタデータ） (2022-12-16T12:32:15Z) - Human-instructed Deep Hierarchical Generative Learning for Automated
Urban Planning [57.91323079939641]
我々は,最適な都市計画を生成するために,人間に指示された新しい深層階層生成モデルを構築した。
最初の段階は、機能ゾーンを発見するために、目標領域の格子に遅延関数をラベル付けすることである。
第2の段階は、都市機能投影を形成するための計画要件を理解することである。
第3の段階は、マルチアテンションを活用して、機能プロジェクションのゾーン・ゾーン・ピア依存関係をモデル化し、グリッドレベルの土地利用構成を生成することである。
論文 参考訳（メタデータ） (2022-12-01T23:06:41Z) - 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) - Generating Useful Accident-Prone Driving Scenarios via a Learned Traffic
Prior [135.78858513845233]
STRIVEは、特定のプランナーが衝突のような望ましくない振る舞いを発生させるような、困難なシナリオを自動的に生成する手法である。
シナリオの妥当性を維持するために、キーとなるアイデアは、グラフベースの条件付きVAEという形で、学習した交通運動モデルを活用することである。
その後の最適化は、シナリオの"解決"を見つけるために使用され、与えられたプランナーを改善するのに有効である。
論文 参考訳（メタデータ） (2021-12-09T18:03:27Z) - 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) - User Preferential Tour Recommendation Based on POI-Embedding Methods [0.624399544884021]
POI埋め込み手法を用いてパーソナライズツアーを推薦するアルゴリズムを提案する。
提案アルゴリズムは時間と位置の制約を最適化するpoisのシーケンスを生成する。
予備実験の結果,本アルゴリズムは適切で正確な文を推薦できることがわかった。
論文 参考訳（メタデータ） (2021-03-03T15:18:23Z) - Congestion-aware Evacuation Routing using Augmented Reality Devices [96.68280427555808]
複数の目的地間でリアルタイムに個別の避難経路を生成する屋内避難のための渋滞対応ルーティングソリューションを提案する。
建物内の混雑分布をモデル化するために、ユーザエンド拡張現実(AR)デバイスから避難者の位置を集約して、オンザフライで取得した人口密度マップを用いる。
論文 参考訳（メタデータ） (2020-04-25T22:54:35Z)
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。