大语言模型驱动的选址推荐系统

作     者：高云帆 郁董卿 王思琪 王昊奋 Gao Yunfan;Yu Dongqing;Wang Siqi;Wang Haofen

作者机构：上海自主智能无人系统科学中心(同济大学)上海201210 尼斯索菲亚综合理工学院数学学院法国尼斯 同济大学设计创意学院上海200092 

基　　金：国家自然科学基金项目(62176185) 信息系统工程全国重点实验室开放基金(PU52221147) 土木工程I类高峰学科建设项目(2022-3-YB-02) 

出 版 物：《计算机研究与发展》 (Journal of Computer Research and Development)

年 卷 期：2024年第61卷第7期

页      码：1681-1696页

摘      要：选址作为商业决策和城市基础设施规划的核心环节,对实体店铺、城市基础设施能否发挥预期效用具有重要作用.现有的选址推荐系统数据服务编排较为固定,无法对不同用户需求系统做出及时调整,应用场景受限,人机交互的系统灵活性和可扩展性差.最近,以GPT-4为代表的大语言模型(large language model,LLM)展现出了强大的意图理解、任务编排、代码生成和工具使用能力,能够完成传统推荐模型难以兼顾的任务,为重塑推荐流程、实现一体化的推荐服务提供了新的机遇.然而,一方面选址推荐兼具传统推荐共有的挑战;另一方面,由于其基于空间数据,具有独特的挑战.在这一背景下,提出了大语言模型驱动的选址推荐系统.首先,拓展了选址推荐的场景,提出了根据位置寻找合适店铺类型的场景推荐任务,结合了协同过滤算法和空间预训练模型.其次,构建了由大语言模型驱动的选址决策引擎.语言模型本身在处理空间相关的任务上存在诸多缺陷,例如缺少空间感知能力、无法理解具体位置、会虚构地名地址等.提出了一种在语言模型框架处理空间任务的机制,通过地理编码、逆编码、地名地址解析等工具提升模型的空间感知能力并避免地址虚构问题,结合选址推荐模型、场景推荐模型、外部知识库、地图可视化完成选址推荐中的多样化任务.实现选址任务的智能规划、执行与归因,提升了空间服务系统的交互体验,为未来人工智能驱动的选址推荐系统提供新的设计和实现思路.

主 题 词：选址推荐 推荐系统 大语言模型 智能代理 地理空间分析 

学科分类：081203[081203] 08[工学] 0835[0835] 0833[0833] 0701[理学-数学类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.7544/issn1000-1239.202330629

馆 藏 号：203128388...