論文の概要: SPAR: Enhancing Industrial-Scale Generative POI Recommendation via Real-World Spatial Perception

• arxiv url: http://arxiv.org/abs/2609.02062v1
• Date: Wed, 02 Sep 2026 03:40:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-03 17:53:18.042561
• Title: SPAR: Enhancing Industrial-Scale Generative POI Recommendation via Real-World Spatial Perception
• Title（参考訳）: SPAR: 実世界空間認識による産業規模のPOI勧告の強化
• Abstract要約: ターゲットのPOIのセマンティックID(SID)を自動回帰生成するPOI(Generative Point-of-Interest)レコメンデーションは、ロケーションベースのサービスに大きな約束を持っています。 既存の手法は、行動シーケンスと協調信号によって定義された関心空間内で機能する。 このようなサービスは、地理的行動のみを推測するのではなく、実際の都市空間の知識を関心空間に注入する必要があると論じる。
• 参考スコア（独自算出の注目度）: 4.541579798662578
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generative Point-of-Interest (POI) recommendation, autoregressively generating a target POI's semantic ID (SID), holds great promise for Location-Based Services, where a recommendation helps only if the user can reach it. Yet, existing methods operate within an interest space defined by behavior sequences and collaborative signals, where geography enters only as a textual attribute of the SID, leaving no explicit mechanism to learn or preserve how urban places are related by distance, direction, and reachability; their predictions are thus behaviorally plausible yet far from the user's real-time location. We argue that such services require injecting real urban spatial knowledge into the interest space, rather than inferring geography from behavior alone. Hence, we propose SPAR, a unified framework whose three synergistic stages jointly construct, cultivate, and preserve urban spatial knowledge: (1) at the tokenization level, Spatially-Intrinsic SID (SI-SID) explicitly encodes longitude--latitude coordinates into a sinusoidal geospatial embedding and fuses it with the textual semantic embedding, producing identifiers via RQ-Kmeans that are simultaneously semantically and geographically consistent; (2) at the cognition level, Multi-Granular Geospatial CPT (MG-CPT) continually pre-trains the base LLM on 25 curated geospatial datasets organized into three tiers of basic attributes, pairwise relations, and city-scale navigation, so that scattered POIs cohere into a connected urban space; and (3) at the adaptation level, Task-Vector Anchored SFT (TV-SFT) anchors the acquired spatial knowledge as a frozen parameter-space task vector to prevent its catastrophic forgetting during behavioral fine-tuning, thereby fusing the two spaces. Extensive quantitative and visualization experiments on two public and four industrial-scale datasets demonstrate the effectiveness of SPAR.
• Abstract（参考訳）: Generative Point-of-Interest(POI)レコメンデーションは、ターゲットのPOIのセマンティックID(SID)を自動的に自動生成します。 しかし、既存の手法は行動シーケンスと協調信号によって定義された関心空間内で機能し、地理はSIDのテキスト属性としてのみ入力され、都市が距離、方向、到達可能性によってどのように関連しているかを学習または保存するための明確なメカニズムは残されていない。 このようなサービスは、行動のみから地理を推定するのではなく、実際の都市空間の知識を利害空間に注入する必要がある、と我々は主張する。 そこで,SPARは,(1)トークン化レベルにおいて,空間固有のSID(SI-SID)が経度-緯度座標を正弦波の地理空間埋め込みに明示的にエンコードし,それをテキストのセマンティック埋め込みと融合させ,同時に意味的にかつ地理的に整合したRQ-Kmeansによる識別子を生成し,(2)認識レベルでは,多角的地理空間空間CPT(MG-CPT)がベースLLMを,25のキュレートされた地理空間の3つの階層に事前訓練し,その基礎的属性,都市空間のナビゲーション,PPOI(Poly-SID)、(3)都市空間のコヒーレント化レベルに分散させる。 2つのパブリックデータセットと4つの産業規模データセットの大規模な定量化および可視化実験は、SPARの有効性を実証している。

関連論文リスト

• Location-Aware Language Models via Secondary Embeddings [4.784071359791487]
  本研究では,地空間認識を事前学習した埋め込みに注入するための,軽量でモデルに依存しないアプローチを提案する。 本手法は,位置名と対応する緯度と経度を組み合わせることで,地理的な構造を持つ入力表現を増強する。 実験により,標準NLPベンチマークにおいて同等の性能を維持しつつ,地理空間アライメントを大幅に改善した。
  論文  参考訳（メタデータ） (2026-08-31T22:48:37Z)
• Parse, Search, and Confirmation: Training-Free Aerial Vision-and-Dialog Navigation with Chain-of-Thought Reasoning and Structured Spatial Memory [69.51256305550844]
  PSC-AVDNは3段階のParsing-Search-Confirmation推論パイプラインを構造化空間記憶と密結合する学習自由フレームワークである。 PSC-AVDNは、トレーニング不要の設定、マッチング、あるいはいくつかの微調整されたメソッドの超越において、新しい最先端のパフォーマンスを確立する。
  論文  参考訳（メタデータ） (2026-07-13T13:14:20Z)
• Space Network of Experts: Architecture and Expert Placement [53.89437186709926]
  宇宙データセンターは、エネルギー集約型大規模言語モデル(LLM)を実行するための有望なプラットフォームとして構想されている しかし、重要な課題の1つは、衛星ネットワークにおける大規模LSMの効率的な分散配置である。 本稿では,広く普及しているMix-of-Experts(MoE)モデルの分散実行を目的としたSpace Network of Experts(Space-XNet)フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-01T08:40:31Z)
• Spatially-Weighted CLIP for Street-View Geo-localization [5.8048364242505945]
  本稿では,空間的自己相関を視覚言語によるコントラスト学習に明示的に組み込む,ストリートビューのジオローカライゼーションのための新しいフレームワークを提案する。 多都市データセットの実験により、SW-CLIPは地理的ローカライゼーションの精度を著しく向上し、長いテール誤差を低減し、標準のCLIPに比べて空間コヒーレンスを向上させることが示された。
  論文  参考訳（メタデータ） (2026-04-06T02:10:36Z)
• RSGround-R1: Rethinking Remote Sensing Visual Grounding through Spatial Reasoning [61.84363374647606]
  リモートセンシングビジュアルグラウンドディング(RSVG)は、自然言語記述に基づく大規模空中画像における対象物体のローカライズを目的としている。 これらの記述はしばしば位置的手がかりに大きく依存しており、空間的推論においてMLLM(Multimodal Large Language Models)に固有の課題を提起している。 空間理解の高度化を図るために,textbfRSGround-R1 と呼ばれる推論誘導型位置認識後学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-29T12:35:57Z)
• GeoSR: Cognitive-Agentic Framework for Probing Geospatial Knowledge Boundaries via Iterative Self-Refinement [4.026524042818433]
  GeoSRは自己修正型のエージェント推論フレームワークで、コア地理的原則を反復予測ループに組み込む。 物理世界特性推定から社会経済予測に至るまでのタスクにおけるGeoSRの検証を行う。
  論文  参考訳（メタデータ） (2025-08-06T04:45:34Z)
• Performance and Generalizability Impacts of Incorporating Location Encoders into Deep Learning for Dynamic PM2.5 Estimation [0.39762912548964846]
  動的・空間的不均一な応用のための深層学習における位置情報の効果について検討する。 日表面PM2.5を衛星観測と地上観測により推定した。 以上の結果から,空間一般化の支援により,原座標は領域内の性能を向上させることができるが,領域間の一般化性は低下することが示された。
  論文  参考訳（メタデータ） (2025-05-24T02:00:34Z)
• 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)
• SpatialRGPT: Grounded Spatial Reasoning in Vision Language Models [68.13636352687257]
  VLMの空間知覚と推論能力を高めるために空間領域GPT(SpatialRGPT)を導入する。 推測中、ユーザが指定した領域の提案が提供されると、SpatialRGPTは相対的な方向と距離を正確に知覚できる。 本研究では,空間的推論タスクにおける局所的プロンプトと非局所的プロンプトの双方において,空間的RGPTにより性能が著しく向上することを示す。
  論文  参考訳（メタデータ） (2024-06-03T17:59:06Z)
• Towards Effective Next POI Prediction: Spatial and Semantic Augmentation with Remote Sensing Data [10.968721742000653]
  本稿では,2段階予測フレームワークにおける効果的なディープラーニング手法を提案する。 本手法は,まずリモートセンシングデータを組み込んで,重要な環境状況の把握を行う。 本研究では,利用者の歴史的トラジェクトリに対するQR-Pグラフを構築し,歴史的旅行知識をカプセル化する。
  論文  参考訳（メタデータ） (2024-03-22T04:22:36Z)
• 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)

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。