論文の概要: Synergizing Spatial Optimization with Large Language Models for Open-Domain Urban Itinerary Planning

• arxiv url: http://arxiv.org/abs/2402.07204v2
• Date: Thu, 23 May 2024 10:24:00 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-25 06:50:03.388087
• 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イテナリープランニング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: ItiNeraはOUIPシステムで、自然言語で記述されたユーザリクエストから、パーソナライズされた都会のイテレーションを生成する。 我々の知る限り、本研究はLCMを初めて統合し、反復計画の革新を図ったものである。 オンラインプラットフォーム上にデプロイされた当社のシステムは,都市旅行計画のために何千人ものユーザを惹きつけている。
• 参考スコア（独自算出の注目度）: 17.062128192782623
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we introduce the novel task of Open-domain Urban Itinerary Planning (OUIP), a paradigm designed to generate personalized urban itineraries from user requests articulated in natural language. This approach is different from traditional itinerary planning, which often restricts the granularity of user inputs, thus hindering genuine personalization. To this end, 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. Upon receiving the user's itinerary request, the LLM first decomposes it into detailed components, identifying key requirements, including preferences and dislikes. Then, we use these specifics to select candidate POIs from a large-scale collection using embedding-based Preference-aware POI Retrieval. Finally, a preference score-based Cluster-aware Spatial Optimization module clusters, filters, and orders these POIs, followed by the LLM for detailed POI selection and organization to craft a personalized, spatially coherent itinerary. Moreover, we created an LLM-based pipeline to update and personalize a user-owned POI database. This ensures up-to-date POI information, supports itinerary planning, pre-trip research, POI collection, recommendations, and more. To the best of our knowledge, this study marks the first integration of LLMs to innovate itinerary planning, with potential extensions for various urban travel and exploration activities. Offline and online evaluations demonstrate the capacity of our system to deliver more responsive, personalized, and spatially coherent itineraries than current solutions. Our system, deployed on an online platform, has attracted thousands of users for their urban travel planning.
• Abstract（参考訳）: 本稿では,自然言語によるユーザ要求から個人化された都市イテナリーを生成するためのパラダイムである,オープンドメイン都市イテナリープランニング(OUIP)の新たな課題を紹介する。 このアプローチは、ユーザ入力の粒度を制限し、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。 そこで本稿では,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を紹介し,ユーザのニーズに応じて都市域のイテレーションをカスタマイズするサービスを提供する。 ユーザの反復リクエストを受信すると、LLMはまずそれを詳細なコンポーネントに分解し、好みや嫌悪を含む重要な要件を識別する。 次に、これらの具体例を用いて、埋め込みベースのPreference-aware POI Retrievalを用いて、大規模なコレクションから候補POIを選択する。 最後に、選好スコアに基づくクラスタ対応空間最適化モジュールクラスタ、フィルタ、およびこれらのPOIを順序付けし、続いて、パーソナライズされた空間的コヒーレントなイテレーションを構築するための詳細なPOI選択と組織をLCMで行う。 さらに,ユーザが所有するPOIデータベースを更新・パーソナライズするLLMベースのパイプラインを構築した。 これにより、最新のPOI情報、反復計画、事前調査、POIコレクション、レコメンデーションなどをサポートする。 我々の知る限り、この研究は、様々な都市旅行・探検活動の潜在的な拡張とともに、反復計画の革新のためのLSMの初めての統合である。 オフラインおよびオンライン評価は、現在のソリューションよりも応答性が高く、パーソナライズされ、空間的に一貫性のあるイテレーションを提供する能力を示している。 オンラインプラットフォーム上にデプロイされた当社のシステムは,都市旅行計画のために何千人ものユーザを惹きつけている。

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。