通过生成兴趣点检索重新审视一般地图搜索

兴趣点（POI）检索旨在从大规模 POI 数据库中识别相关候选者，作为各种基于位置的服务的基石。然而，在一般地图搜索场景中，传统的 POI 检索方法由于过度依赖表层语义匹配而越来越受到不明确的用户查询的挑战。同时，此类查询通常高度依赖于上下文且个性化，但现有的检索范例难以有效地协同异构上下文以进行复杂的搜索意图推断。为了解决这些限制，我们从生成角度重新审视一般地图搜索，并提出 GenPOI，这是一种专为地图一般搜索而定制的创新生成 POI 检索框架。它将异构搜索上下文和 POI 无缝地统一为结构化序列，利用 大语言模型 (LLM) 强大的上下文建模来生成空间感知的候选者。因此，这种生成范式通过深刻的上下文依赖建模和搜索意图推理，有效地解决了更具挑战性的查询。具体来说，考虑到地图场景的独特地理空间性质，GenPOI 引入了一种新颖的地理语义 POI 标记化，将每个 POI 表示为编码语义和地理上下文的紧凑标记序列，从而奠定了 LLM 的空间理解的基础。此外，采用邻近感知约束生成策略来限制 LLM 的解码空间，确保生成结果的有效性和地理空间相关性。在腾讯地图超千万级POI的大规模工业数据集上进行了大量实验，证明了GenPOI的优越性能。