行动前三思：基于 LLM 的位置预测的意图引导推理

根据用户的历史签到记录预测用户的下一个兴趣点 (POI) 是基于位置的服务中的一项基本任务。虽然最近结合 大语言模型 的方法显示出强大的推理能力和有希望的结果，但它们通常将预测任务制定为一步轨迹到位置映射问题，使得预测容易出现浅轨迹相关性和历史频率偏差。我们认为，用户很少直接选择地点，相反，他们通常首先形成旅行意图，然后相应地选择特定的 POI。受这种洞察力的启发，我们提出了 IntentPOI，一个两阶段意图引导推理框架。在思考阶段，我们通过结合历史移动模式、相似的同伴行为和时间上下文来推断用户的中间意图。在表演阶段，我们首先构建一个紧凑的候选池，然后进行意图引导推理，以确定最符合推断意图的位置。通过显式地将意图推断与位置预测解耦，IntentPOI 将下一个 POI 预测从直接轨迹匹配转变为意图引导推理。对三个真实世界数据集的大量实验表明，IntentPOI 始终优于 11 个最先进的基线。