[论文解读] ITINERA: Integrating Spatial Optimization with Large Language Models for Open-domain Urban Itinerary Planning

Yihong Tang, Z. Wang+12 more|arXiv (Cornell University)|Feb 11, 2024

Geographic Information Systems Studies被引用 5

一句话总结

ITINERA 引入开放域城市行程规划（OUIP），并将空间优化与大型语言模型相结合，从自然语言请求中生成个性化、空间上连贯的城市步行行程。

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.

研究动机与目标

• 定义开放域城市行程规划（OUIP）在个性化城市出行规划中的问题。
• 开发 ITINERA，一个结合 POI 检索、聚类和空间优化以生成行程的 LLM 辅助系统。
• 使用户自有 POI 数据库能够支持个性化并减少冷启动问题。
• 证明 ITINERA 在真实数据上比基线产生更个性化、空间上更连贯的行程。
• 提供一个已部署的系统和评估，以在真实场景中验证性能。

提出的方法

• 使用一个 LLM 将用户请求分解为具有粒度和态度提示的子请求。
• 通过偏好感知嵌入和相似性评分，从用户自有的 POI 数据库中检索候选 POI。
• 对检索到的 POI 进行空间聚类，并使用 cluster-aware 选择策略筛选候选项。
• 通过求解层级 TSP 对 POI 进行排序，以确保跨聚类的空间连贯性。
• 使用基于 LLM 的生成器在给定有序的 POI 与约束条件下生成最终行程。

实验结果

研究问题

• RQ1 OUIP 在操作层面如何定义和衡量个性化的开放域城市行程规划？
• RQ2 ITINERA 将 LLM 与空间优化整合是否能够在个性化和空间连贯性方面超越传统 IP 方法和纯 LLM 方法？
• RQ3 ITINERA 的每个模块（UPC、RD、PPR、CSO、IG）对行程质量和与用户请求的一致性有何影响？
• RQ4 使用用户自有的 POI 数据库在OUIP中对个性化、可行性和冷启动问题有何影响？

主要发现

• ITINERA 提供个性化、空间连贯的行程，与基线相比更符合用户请求。
• 系统在保持空间连贯性的同时，行程长度仅略长于最短 TSP 路径。
• 消融研究表明每个模块对召回、POI 质量、行程质量以及与用户请求的匹配度有贡献。
• 人工评估显示 ITINERA 相较于 GPT-4 CoT 基线在真实世界行程上更受青睐。
• 部署系统在评估指标上表现出更好的匹配度和用户满意度。