面向个性化与语义感知的下一位置预测混合专家模型
人工智能
2025-06-02 v1
摘要
下一位置预测在理解人类移动模式中起着至关重要的作用。然而，现有方法面临两个核心局限：（1）它们在捕捉现实世界位置的复杂多功能语义方面存在不足；（2）它们缺乏对跨不同用户群体的异构行为动态进行建模的能力。为了应对这些挑战，我们引入了NextLocMoE，这是一个基于大型语言模型（LLM）构建的新颖框架，并围绕双层混合专家设计构建。我们的架构包含两个专用模块：一个在嵌入层操作的Location Semantics MoE，用于编码位置的丰富功能语义；以及一个嵌入在Transformer主干中的Personalized MoE，用于动态适应个体用户移动模式。此外，我们引入了一种历史感知路由机制，利用长期轨迹数据来增强专家选择并确保预测稳定性。在多个真实世界城市数据集上的实证评估表明，NextLocMoE在预测准确性、跨领域泛化能力和可解释性方面均取得了优越的性能。
引用
@article{arxiv.2505.24597,
title = {Mixture-of-Experts for Personalized and Semantic-Aware Next Location Prediction},
author = {Shuai Liu and Ning Cao and Yile Chen and Yue Jiang and Gao Cong},
journal= {arXiv preprint arXiv:2505.24597},
year = {2025}
}