ANCHOR用类别意图加候选重排替代LLM直接生成POI。
资讯摘要
论文针对用LLM直接生成POI标识不可靠的问题，提出ANCHOR框架：先在类别层面估计出行意图，再结合类别锚点、历史访问记忆与用户偏好将意图落到候选集，最后由历史感知重排器选出目标POI。作者报告在三个真实签到数据集上，其指标优于传统、结构增强和基于LLM的基线，并分析了候选覆盖、排序质量与推理效率之间的权衡。
要点速读
- 论文指出POI稀疏、本地化、长尾且自然语言语义弱，LLM直接生成POI标识存在语义到实体的鸿沟。
- ANCHOR先在类别语义空间估计出行意图，再融合类别锚点、历史访问记忆和用户偏好生成候选集。
- 作者报告在三个真实签到数据集上，ANCHOR在所列指标上优于传统、结构增强和LLM基线。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/31 08:00:18（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。