为何用户会去那里：基于世界知识的生成式下一点 POI 推荐
人工智能
2026-05-13 v1
摘要
基于大型语言模型（LLM）的生成式点兴趣（POI）推荐模型已展现出将下一 POI 预测形式化为序列生成任务方面的潜在效果。然而，这些模型编码的知识在训练后即固定，无法感知塑造用户移动决策的演进中的现实条件，例如当地活动和文化趋势。为弥合这一差距，我们提出了 AWARE（Agent-based World knowledge Augmented REcommendation），其运用 LLM 智能体生成面向每个用户的、具位置和时间感知性的情境叙述，以捕捉区域性文化特征、季节性趋势以及与之相关的正在进行的活动。不以引入泛化或噪声信息为代价，AWARE 进一步将这些叙述锚定于每个用户的行为情境，将外部世界知识锚定于个人的时空模式。大量实验表明，AWARE 在三个真实世界数据集上均显著优于竞争基线，实现了最高 12.4% 的相对提升。
引用
@article{arxiv.2605.11807,
title = {Why Users Go There: World Knowledge-Augmented Generative Next POI Recommendation},
author = {Qiuyu Ding and Heng-Da Xu and Wei Zhang and Dongyi Lv and Changda Xia and Feng Xiong and Mu Xu},
journal= {arXiv preprint arXiv:2605.11807},
year = {2026}
}