ItiNera – 港大與MIT聯合推出的AI城市行程規劃（OUIP）系統

0 0 0

ItiNera是什麼

ItiNera 是港大和MIT聯合開發的智能城市行程規劃系統。基於大型語言模型（LLM）和空間優化技術，根據用戶的個性化需求，如情侶酒吧、二次元聖地等，一鍵生成Citywalk路線。系統包含五大模塊：用戶興趣點數據庫構建、請求解析、偏好感知興趣點檢索、聚類感知空間優化和行程生成。ITINERA在多個城市數據集上訓練，能提供實時更新的POI和活動信息，確保行程空間連貫且符合用戶喜好，表現優於傳統方法和直接使用LLM。

ItiNera的主要功能

個性化行程規劃：根據用戶輸入的個性化需求，如特定地點、活動類型或主題，生成Citywalk路線。
實時動態信息：系統能夠實時更新興趣點（POI）和當前熱門活動，確保行程的時效性。
空間智能優化：結合空間優化算法，確保生成的路線在地理空間上合理高效，避免繞路。
多樣用戶需求應對：靈活處理複雜和多樣的用戶需求，包括個性化偏好和特定條件。
結構化數據處理：通過請求解析模塊，將用戶的自然語言請求轉換爲結構化數據，以便更準確地理解和執行。

ItiNera的技術原理

用戶請求解析（Request Decomposition）：利用大型語言模型（LLMs）的自然語言處理能力，將用戶的自然語言請求分解爲多個獨立的子請求。這些子請求被分類爲正面（用戶想要的）和負面（用戶不想要的）要求，並進一步細分爲特定地點請求和行程級別的請求。
用戶擁有的POI數據庫構建（User-owned POI Collection, UPC）：從社交媒體平台上的旅遊內容中自動收集和構建用戶興趣點（POI）數據庫。用戶可以輸入鏈接到旅遊帖子，系統使用LLMs提取POIs及其描述，並整合這些信息到用戶擁有的POI數據庫中。
POI檢索（POI Retrieval, PR）：使用嵌入模型根據用戶的正負偏好編碼請求，並檢索與正面偏好最相關的POIs。通過計算正面和負面偏好嵌入與預先計算的POI嵌入的相似度分數，重新排序檢索到的POIs。
空間優化（Spatial Optimization, SO）：通過分層旅行商問題（Hierarchical Traveling Salesman Problem, TSP）來解決空間聚類和候選POIs的選擇。首先計算檢索到的POIs的空間聚類，然後根據地理鄰近度和匹配分數選擇候選POIs。
行程生成（Itinerary Generation, IG）：結合空間優化模塊選擇的有序候選POI集合和多種約束，使用LLM生成既符合用戶請求又空間合理的旅行路線及相關描述。
評估和反饋：設計了一系列基於規則的評估指標（如POI召回率、總路程與理論最短路徑的差值、路線中的交叉點個數、未知POI比例）和基於GPT的評估指標（如POI質量、行程質量、匹配度）來評估生成的行程。
在線部署和用戶反饋：ITINERA系統已部署爲TuTu在線旅行服務的核心算法，收集用戶反饋以優化系統性能和用戶體驗。