AskNearby：基于大语言模型的社区信息检索与个性化认知地图推荐应用
信息检索
2025-12-03 v1 人工智能
摘要
“15分钟城市”愿景指的是居民可以通过短短步行或骑行即可满足日常需求。实现这一愿景不仅需要物理上的邻近，还需要高效可靠的信息获取渠道，以了解附近的场所、服务和活动。然而，现有基于位置的系统主要关注城市层面的任务，忽略了影响局部决策的空间、时间和认知因素。我们将这一差距概念化为“本地生活信息可达性（LLIA）”问题，介绍AskNearby——一个驱动社区的AI应用，将15分钟生活圈内的检索与推荐统一起来。AskNearby集成了（i）三层检索增强生成（RAG）管道，协同利用基于图的、语义向量和地理检索；以及（ii）编码每个用户社区熟悉度和偏好的认知地图模型。在真实社区数据集上的实验表明，AskNearby在检索准确性和推荐质量方面显著优于基于LLM和地图的基线模型，在时空定位和认知感知排序方面表现稳健。实际部署进一步验证了其有效性。通过解决LLIA挑战，AskNearby使居民能够更有效地发现本地资源、规划日常活动并参与社区生活。
引用
@article{arxiv.2512.02502,
title = {AskNearby: An LLM-Based Application for Neighborhood Information Retrieval and Personalized Cognitive-Map Recommendations},
author = {Luyao Niu and Zhicheng Deng and Boyang Li and Nuoxian Huang and Ruiqi Liu and Wenjia Zhang},
journal= {arXiv preprint arXiv:2512.02502},
year = {2025}
}