論文の概要: GeoGR: A Generative Retrieval Framework for Spatio-Temporal Aware POI Recommendation

• arxiv url: http://arxiv.org/abs/2602.10411v1
• Date: Wed, 11 Feb 2026 01:48:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-12 21:44:01.368754
• Title: GeoGR: A Generative Retrieval Framework for Spatio-Temporal Aware POI Recommendation
• Title（参考訳）: GeoGR: 時空間POIレコメンデーションのためのジェネレーティブ検索フレームワーク
• Authors: Fangye Wang, Haowen Lin, Yifang Yuan, Siyuan Wang, Xiaojiang Zhou, Song Yang, Pengjie Wang,
• Abstract要約: GeoGRはAMAPのようなナビゲーションベースのLBSに適した地理的生成レコメンデーションフレームワークである。 ユーザのコンテキスト状態の変化を認識し,意図を意識したPOIレコメンデーションを可能にする。 複数の実世界のデータセットに対する大規模な実験は、GeoGRが最先端のベースラインよりも優れていることを示している。
• 参考スコア（独自算出の注目度）: 15.009742536403763
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Next Point-of-Interest (POI) prediction is a fundamental task in location-based services, especially critical for large-scale navigation platforms like AMAP that serve billions of users across diverse lifestyle scenarios. While recent POI recommendation approaches based on SIDs have achieved promising, they struggle in complex, sparse real-world environments due to two key limitations: (1) inadequate modeling of high-quality SIDs that capture cross-category spatio-temporal collaborative relationships, and (2) poor alignment between large language models (LLMs) and the POI recommendation task. To this end, we propose GeoGR, a geographic generative recommendation framework tailored for navigation-based LBS like AMAP, which perceives users' contextual state changes and enables intent-aware POI recommendation. GeoGR features a two-stage design: (i) a geo-aware SID tokenization pipeline that explicitly learns spatio-temporal collaborative semantic representations via geographically constrained co-visited POI pairs, contrastive learning, and iterative refinement; and (ii) a multi-stage LLM training strategy that aligns non-native SID tokens through multiple template-based continued pre-training(CPT) and enables autoregressive POI generation via supervised fine-tuning(SFT). Extensive experiments on multiple real-world datasets demonstrate GeoGR's superiority over state-of-the-art baselines. Moreover, deployment on the AMAP platform, serving millions of users with multiple online metrics boosting, confirms its practical effectiveness and scalability in production.
• Abstract（参考訳）: Next Point-of-Interest(POI)予測は、位置情報ベースのサービスにおける基本的なタスクであり、特にAMAPのような、多様なライフスタイルシナリオにまたがる数十億のユーザを対象とする大規模なナビゲーションプラットフォームにとって、重要な課題である。 SIDに基づく最近のPOIレコメンデーションアプローチは有望なものとなっているが,(1)カテゴリー間の時空間的相互関係を捉えた高品質なSIDの不十分なモデリング,(2)大規模言語モデル(LLM)とPOIレコメンデーションタスクの整合性の低さ,という2つの制約により,複雑で疎い現実環境に苦慮している。 この目的のために,AMAPのようなナビゲーションに基づくLBSに適した地理生成レコメンデーションフレームワークであるGeoGRを提案し,ユーザの状況変化を認識し,意図認識のPOIレコメンデーションを可能にする。 GeoGRは2段階の設計を特徴としている。 一 地理的に制約された共観的POIペア、対照的な学習、反復的洗練により時空間的協調的意味表現を明示的に学習する地理認識型SIDトークン化パイプライン i)複数テンプレートベースの継続事前トレーニング(CPT)を通じて非ネイティブSIDトークンを整列させ,教師付き微調整(SFT)による自己回帰POI生成を可能にする多段階LCMトレーニング戦略。 複数の実世界のデータセットに対する大規模な実験は、GeoGRが最先端のベースラインよりも優れていることを示している。 さらに、AMAPプラットフォームへのデプロイは、数百万のユーザに対して、複数のオンラインメトリクスの強化を提供する。

関連論文リスト

• GeoRanker: Distance-Aware Ranking for Worldwide Image Geolocalization [23.297305067573316]
  画像ジオローカライズのための距離対応ランキングフレームワークGeoRankerを提案する。 絶対距離と相対距離の両方をランク付けする多階距離損失を導入し、構造的空間関係をモデル化する。 GeoRankerは、2つの確立されたベンチマークで最先端の結果を達成する。
  論文  参考訳（メタデータ） (2025-05-19T21:04:46Z)
• Geography-Aware Large Language Models for Next POI Recommendation [21.03555605703108]
  Next Point-of-Interest(POI)レコメンデーションタスクは,過去の移動データに基づいてユーザの次の目的地を予測することを目的としている。 GA-LLM(Geography-Aware Large Language Model)は,2つの特殊なコンポーネントを持つ大規模言語モデルを強化する新しいフレームワークである。 3つの実世界のデータセットの実験は、GA-LLMの最先端性能を実証している。
  論文  参考訳（メタデータ） (2025-05-18T03:20:20Z)
• EarthMapper: Visual Autoregressive Models for Controllable Bidirectional Satellite-Map Translation [50.433911327489554]
  制御可能な衛星マップ翻訳のための新しいフレームワークであるEarthMapperを紹介する。 また,中国38都市を対象とした302,132組の衛星マップからなる大規模データセットであるCNSatMapをコントリビュートした。 CNSatMapとNew Yorkデータセットの実験は、EarthMapperの優れたパフォーマンスを実証している。
  論文  参考訳（メタデータ） (2025-04-28T02:41:12Z)
• Geo-Encoder: A Chunk-Argument Bi-Encoder Framework for Chinese Geographic Re-Ranking [61.60169764507917]
  中国の地理的再ランクタスクは、検索された候補者の中で最も関連性の高い住所を見つけることを目的としている。 そこで我々は,中国語の地理的意味論をより効果的に統合する,革新的なフレームワークであるGeo-Encoderを提案する。
  論文  参考訳（メタデータ） (2023-09-04T13:44:50Z)
• MGeo: Multi-Modal Geographic Pre-Training Method [49.78466122982627]
  マルチモーダルジオグラフィック言語モデル(MGeo)を提案する。 MGeoはGCを新しいモダリティとして表現し、正確なクエリ-POIマッチングのためのマルチモーダル相関を完全に抽出することができる。 提案するマルチモーダル事前学習法は,汎用PTMのクエリ-POIマッチング能力を大幅に向上させることができる。
  論文  参考訳（メタデータ） (2023-01-11T03:05:12Z)
• 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)

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。