NextLocLLM：基于LLM的位置语义建模与坐标-based 下一位置预测
机器学习
2025-09-30 v2 人工智能
计算与语言
摘要
下一位置预测是人类 mobility 分析中的关键任务。现有方法通常将其形式化为基于离散位置 ID 的分类任务，这会阻碍空间连续性建模，并限制其对新城市的泛化。本文提出NextLocLLM，一种新型框架，将下一位置预测重新形式化为坐标回归，并集成LLM用于位置语义编码和坐标级别预测。为建模位置功能语义，它构建了LLM增强的POI嵌入，利用LLM的语言理解能力从POI类别的文本描述中提取功能语义。这些POI嵌入与时空轨迹表示结合，并输入到相同的LLM中，实现语义和预测建模的统一。一个轻量级回归头生成坐标输出，这些坐标通过后预测检索模块映射到top-k候选位置，从而确保结构化输出。在 diverse 城市上的实验表明，NextLocLLM在监督和零样本设置下均优于现有基线。代码可在：https://github.com/liuwj2000/NexelocLLM获取。
引用
@article{arxiv.2410.09129,
title = {NextLocLLM: Location Semantics Modeling and Coordinate-Based Next Location Prediction with LLMs},
author = {Shuai Liu and Ning Cao and Yile Chen and Yue Jiang and George Rosario Jagadeesh and Gao Cong},
journal= {arXiv preprint arXiv:2410.09129},
year = {2025}
}
备注
STIntelligence in CIKM 2025