Geo-FuB：一种利用大语言模型为地理空间代码生成任务构建算子-函数知识库的方法
软件工程
2025-04-28 v1 人工智能
数据库
摘要
时空数据的兴起以及对高效地理空间建模的需求，激发了人们对使用大语言模型（LLM）自动化这些任务的兴趣。然而，由于缺乏关于函数和算子的领域特定知识，通用LLM在生成地理空间代码时经常出错。为了解决这个问题，提出了一种检索增强生成（RAG）方法，利用外部的地理空间函数和算子知识库。本研究引入了一个利用地理空间脚本语义构建此类知识库的框架。该框架包括：函数语义框架构建（Geo-FuSE）、频繁算子组合统计（Geo-FuST）和语义映射（Geo-FuM）。利用思维链、TF-IDF和APRIORI算法等技术来推导和对齐地理空间函数。一个基于154,075个Google Earth Engine脚本构建的示例知识库Geo-FuB已在GitHub上提供。评估指标显示出高准确性，总体达到88.89%，其中结构准确性和语义准确性分别为92.03%和86.79%。这凸显了Geo-FuB通过RAG和微调范式优化地理空间代码生成的潜力。
引用
@article{arxiv.2410.20975,
title = {Geo-FuB: A Method for Constructing an Operator-Function Knowledge Base for Geospatial Code Generation Tasks Using Large Language Models},
author = {Shuyang Hou and Anqi Zhao and Jianyuan Liang and Zhangxiao Shen and Huayi Wu},
journal= {arXiv preprint arXiv:2410.20975},
year = {2025}
}