近日，我院謝娜副教授作為通訊作者的合作論文Toward Interactive Next Location Prediction Driven by Large Language Models在計(jì)算社會(huì)系統(tǒng)領(lǐng)域國際頂級(jí)權(quán)威期刊《IEEE Transactions on Computational Social Systems》在線發(fā)表。該期刊是中央財(cái)經(jīng)大學(xué)AAA期刊，IEEE計(jì)算社會(huì)系統(tǒng)領(lǐng)域旗艦期刊，在計(jì)算機(jī)與社會(huì)系統(tǒng)交叉研究領(lǐng)域具有重要學(xué)術(shù)影響力。論文在線鏈接：https://ieeexplore.ieee.org/document/10835157。

論文介紹

本研究針對智慧城市交通系統(tǒng)中個(gè)體位置預(yù)測存在的模型可解釋性弱、數(shù)據(jù)依賴性強(qiáng)的核心問題，創(chuàng)新性地提出了基于大語言模型的交互式預(yù)測方法。通過構(gòu)建多輪連續(xù)對話機(jī)制，將通勤用戶的時(shí)空出行數(shù)據(jù)轉(zhuǎn)化為自然語言提示，引導(dǎo)模型依次完成出行活動(dòng)推斷、位置生成與結(jié)果校正三個(gè)推理階段，顯著提升了預(yù)測過程的可解釋性。研究創(chuàng)新性地采用候選集優(yōu)化方法，綜合考量訪問頻率、時(shí)間臨近性和網(wǎng)絡(luò)結(jié)構(gòu)等多維特征，有效解決了大語言模型對元素排序敏感的問題，同時(shí)顯著降低了對大規(guī)模出行標(biāo)注數(shù)據(jù)的依賴。

實(shí)驗(yàn)結(jié)果表明，該方法在完整數(shù)據(jù)集上的預(yù)測精度與主流深度學(xué)習(xí)模型相當(dāng)，而在小樣本場景下顯著優(yōu)于對比基線模型，展現(xiàn)出優(yōu)異的泛化能力。該研究的創(chuàng)新價(jià)值在于，不僅能夠精準(zhǔn)預(yù)測通勤用戶下一步的位置，還能生成自然語言形式的解釋性理由，使預(yù)測過程擺脫傳統(tǒng)黑箱模式，實(shí)現(xiàn)完全透明化和可解釋化。

本文提出兼具高精度與強(qiáng)解釋性的交互式出行位置預(yù)測方法，不僅為個(gè)性化導(dǎo)航、出行路徑智能推薦等應(yīng)用提供更可靠的技術(shù)方案，也為城市規(guī)劃和交通管理等社會(huì)決策提供具有解釋性的分析工具。

作者簡介

謝娜，管理科學(xué)與工程學(xué)院副教授、投資系主任，長期從事大數(shù)據(jù)與智慧城市交通管理、人工智能投資決策、交通基建投資決策等領(lǐng)域研究。在Information Fusion、IEEE TNNLS、IEEE TCSS、TR Part C等國際權(quán)威期刊發(fā)表SCI論文20余篇，主持完成國家自然科學(xué)基金青年項(xiàng)目和面上項(xiàng)目，獲得騁望一流學(xué)術(shù)成果獎(jiǎng)、成心優(yōu)秀學(xué)術(shù)成果應(yīng)用獎(jiǎng)等多項(xiàng)榮譽(yù)。近年來，謝娜研究團(tuán)隊(duì)專注于大數(shù)據(jù)大模型在交通投資決策領(lǐng)域的創(chuàng)新應(yīng)用研究，在中財(cái)大AAA期刊和國際頂級(jí)權(quán)威期刊持續(xù)發(fā)表重要研究成果，展現(xiàn)了扎實(shí)研究積累和持續(xù)創(chuàng)新能力。

撰稿：謝娜

審稿：劉志東