論文の概要: Roamify: Designing and Evaluating an LLM Based Google Chrome Extension for Personalised Itinerary Planning

• arxiv url: http://arxiv.org/abs/2504.10489v1
• Date: Mon, 10 Mar 2025 03:14:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-22 23:32:14.355806
• Title: Roamify: Designing and Evaluating an LLM Based Google Chrome Extension for Personalised Itinerary Planning
• Title（参考訳）: Roamify: 個人化された反復計画のためのLLMベースのGoogle Chromeエクステンションの設計と評価
• Authors: Vikranth Udandarao, Noel Abraham Tiju, Muthuraj Vairamuthu, Harsh Mistry, Dhruv Kumar,
• Abstract要約: Roamifyは、旅行計画のプロセスを簡単にするためのAIによる旅行アシスタントだ。 我々は、LlamaやT5のような複数の大規模言語モデルをテスト、使用して、ユーザの好みに応じてパーソナライズされたイテレーションを生成しました。
• 参考スコア（独自算出の注目度）: 2.2815302415385306
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper, we present Roamify, an Artificial Intelligence powered travel assistant that aims to ease the process of travel planning. We have tested and used multiple Large Language Models like Llama and T5 to generate personalised itineraries per user preferences. Results from user surveys highlight the preference for AI powered mediums over existing methods to help in travel planning across all user age groups. These results firmly validate the potential need of such a travel assistant. We highlight the two primary design considerations for travel assistance: D1) incorporating a web-scraping method to gather up-to-date news articles about destinations from various blog sources, which significantly improves our itinerary suggestions, and D2) utilising user preferences to create customised travel experiences along with a recommendation system which changes the itinerary according to the user needs. Our findings suggest that Roamify has the potential to improve and simplify how users across multiple age groups plan their travel experiences.
• Abstract（参考訳）: 本稿では,旅行計画のプロセスを容易にすることを目的とした,人工知能を利用した旅行アシスタントであるRoamifyを紹介する。 我々はLlamaやT5といった複数の大規模言語モデルを試行し、ユーザの好みに応じてパーソナライズされたイテレーションを生成しました。 ユーザ調査の結果は、すべてのユーザ年齢グループを横断する旅行計画を支援する既存の方法よりも、AIを使ったメディアの好みを強調している。 これらの結果は,このような旅行アシスタントの必要性を確証するものである。 旅行支援における主な設計上の考慮事項として,Webスクラッピング手法を導入し,様々なブログソースから目的地に関する最新ニュースを収集し,反復的提案を大幅に改善すること,D2)カスタマイズされた旅行体験を作成するためのユーザの好みを活用すること,および,ユーザニーズに応じて反復的変更を行うレコメンデーションシステムを活用すること,の2つを挙げる。 以上の結果から,Roamifyは,複数の年齢層にまたがって旅行体験を計画する方法を改良し,簡素化する可能性が示唆された。

関連論文リスト

• TravelAgent: An AI Assistant for Personalized Travel Planning [36.046107116324826]
  大規模言語モデル(LLM)を利用した旅行計画システムであるTravelAgentを紹介する。 TravelAgentはツール使用、推奨、計画、メモリモジュールの4つのモジュールで構成されている。 我々は,TravelAgentの性能を人間とシミュレーションユーザで評価し,その全体的な効果を3つの基準で示し,パーソナライズされたレコメンデーションの精度を確認した。
  論文  参考訳（メタデータ） (2024-09-12T14:24:45Z)
• ITINERA: Integrating Spatial Optimization with Large Language Models for Open-domain Urban Itinerary Planning [19.401799224406332]
  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。
  論文  参考訳（メタデータ） (2024-02-11T13:30:53Z)
• TravelPlanner: A Benchmark for Real-World Planning with Language Agents [63.199454024966506]
  我々は,旅行計画に焦点を当てた新しい計画ベンチマークであるTravelPlannerを提案する。 豊富なサンドボックス環境、400万近いデータレコードにアクセスするためのさまざまなツール、計画意図とリファレンスプランを慎重にキュレートした1,225のツールを提供する。 包括的評価では、現在の言語エージェントがそのような複雑な計画タスクを処理できないことが示されており、GPT-4でさえ0.6%の成功率しか達成できない。
  論文  参考訳（メタデータ） (2024-02-02T18:39:51Z)
• MapGPT: Map-Guided Prompting with Adaptive Path Planning for Vision-and-Language Navigation [73.81268591484198]
  GPTを装備した身体的エージェントは、様々なタスクにまたがる異常な意思決定と一般化能力を示した。 本稿では,グローバルな探索を促進するオンライン言語地図を提供するMapGPTという,地図誘導型GPTエージェントについて紹介する。 本設計の利点を生かして,地図に基づく多段階経路計画を行うエージェントを支援する適応型計画手法を提案する。
  論文  参考訳（メタデータ） (2024-01-14T15:34:48Z)
• 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)
• DeepAltTrip: Top-k Alternative Itineraries for Trip Recommendation [4.727697892741763]
  本稿では,DeepAltTripというディープラーニングベースのフレームワークを提案する。 経路生成のステップでは,多様なユーザ定義制約をシームレスに処理できる新しいサンプリングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-09-08T10:36:59Z)
• Spatial-Temporal Deep Intention Destination Networks for Online Travel Planning [10.982387529009493]
  本稿では, 深層マルチシーケンス融合ニューラルネットワーク(DMSN)を提案する。 実験結果から,提案したDMSNモデルにより,目的の予測精度が向上することが示唆された。
  論文  参考訳（メタデータ） (2021-08-09T12:41:57Z)
• Attention-based neural re-ranking approach for next city in trip recommendations [77.34726150561087]
  本稿では,旅行予約システムにおける次の目的地都市推薦問題へのアプローチについて述べる。 本研究では,候補選択のためのアプローチと,候補再選のための注意ニューラルネットワークモデルを提案する。
  論文  参考訳（メタデータ） (2021-03-23T11:56:40Z)

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。