ItiNera是什么ItiNera 是港大和MIT聯合開發的智能城市行程規劃系統。基于大型語言模型（LLM）和空間優化技術，根據用戶的個性化需求，如情侶酒吧、二次元圣地等，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，表現優于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：靈活處理復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為結構化數據，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為多個獨立的子請求。這些子請求被分類為正面（用戶想要的）和負面（用戶不想要的）要求，并進一步細分為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）：從社交媒體平臺上的旅游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游帖子，系統使用LLMs提取POIs及其描述，并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，并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，然后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：設計了一系列基于規則的評估指標（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）和基于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系統已部署為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。ItiNera的項目地址arXiv技術論文：https://arxiv.org/pdf/2402.07204ItiNera的應用場景個人旅游規劃：為用戶提供根據個人興趣和偏好定制的旅游路線，如歷史文化之旅、美食探索、購物路線等。城市漫步：為漫步城市、探索城市街道和歷史遺跡的游客提供動態生成的行程。短途旅行：為時間有限的游客提供高效、緊湊的城市短途旅行規劃。特殊興趣旅行：滿足特定主題或興趣的旅行需求，如藝術展覽、音樂節、體育賽事等。事件和節日規劃：在特殊事件或節日期間，為用戶提供定制的行程，如春節廟會、圣誕節市場等。無障礙旅行：為有特殊需求的游客（如老年人、殘疾人）提供考慮無障礙設施的行程規劃。