論文の概要: ITINERA: Integrating Spatial Optimization with Large Language Models for Open-domain Urban Itinerary Planning

• arxiv url: http://arxiv.org/abs/2402.07204v4
• Date: Wed, 16 Oct 2024 15:28:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-17 13:40:20.845425
• Title: ITINERA: Integrating Spatial Optimization with Large Language Models for Open-domain Urban Itinerary Planning
• Title（参考訳）: ITINERA: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と空間最適化の統合
• Authors: Yihong Tang, Zhaokai Wang, Ao Qu, Yihao Yan, Zhaofeng Wu, Dingyi Zhuang, Jushi Kai, Kebing Hou, Xiaotong Guo, Jinhua Zhao, Zhan Zhao, Wei Ma,
• Abstract要約: オープンドメイン都市イテナリープランニング(OUIP)の新たな課題について紹介する。 OUIPは、自然言語によるユーザ要求から、パーソナライズされた都市反復を生成する。 本稿では,大規模言語モデルと空間最適化を統合したOUIPシステムであるITINERAについて述べる。
• 参考スコア（独自算出の注目度）: 17.250579851469695
• License:
• Abstract: Citywalk, a recently popular form of urban travel, requires genuine personalization and understanding of fine-grained requests compared to traditional itinerary planning. In this paper, we introduce the novel task of Open-domain Urban Itinerary Planning (OUIP), which generates personalized urban itineraries from user requests in natural language. We then present ITINERA, an OUIP system that integrates spatial optimization with large language models to provide customized urban itineraries based on user needs. This involves decomposing user requests, selecting candidate points of interest (POIs), ordering the POIs based on cluster-aware spatial optimization, and generating the itinerary. Experiments on real-world datasets and the performance of the deployed system demonstrate our system's capacity to deliver personalized and spatially coherent itineraries compared to current solutions. Source codes of ITINERA are available at https://github.com/YihongT/ITINERA.
• Abstract（参考訳）: シティウォーク(Citywalk)は、近年人気の高い都市旅行形態であり、伝統的な計画よりも細かな要求をパーソナライズし理解する必要がある。 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)の課題を紹介する。 そこで我々は,大言語モデルと空間最適化を統合したOUIPシステムであるITINERAを,ユーザニーズに基づいてカスタマイズした都市旅程を提供する。 これには、ユーザリクエストの分解、興味のある候補点(POI)の選択、クラスタ対応空間最適化に基づくPOIの順序付け、反復生成が含まれる。 実世界のデータセットの実験とデプロイシステムの性能は、現在のソリューションと比較して、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提供するシステムの能力を示している。 ITINERAのソースコードはhttps://github.com/YihongT/ITINERAで公開されている。

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。