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在計算社會系統(tǒng)領域國際頂級權威期刊《IEEE Transactions on Computational Social Systems》在線發(fā)表。該期刊是中央財經(jīng)大學AAA期刊，IEEE計算社會系統(tǒng)領域旗艦期刊，在計算機與社會系統(tǒng)交叉研究領域具有重要學術影響力。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)中個體位置預測存在的模型可解釋性弱、數(shù)據(jù)依賴性強的核心問題，創(chuàng)新性地提出了基于大語言模型的交互式預測方法。通過構建多輪連續(xù)對話機制，將通勤用戶的時空出行數(shù)據(jù)轉化為自然語言提示，引導模型依次完成出行活動推斷、位置生成與結果校正三個推理階段，顯著提升了預測過程的可解釋性。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、時間臨近性和網(wǎng)絡結構等多維特征，有效解決了大語言模型對元素排序敏感的問題，同時顯著降低了對大規(guī)模出行標注數(shù)據(jù)的依賴。

實驗結果表明，該方法在完整數(shù)據(jù)集上的預測精度與主流深度學習模型相當，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)新價值在于，不僅能夠精準預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，使預測過程擺脫傳統(tǒng)黑箱模式，實現(xiàn)完全透明化和可解釋化。

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

作者簡介

謝娜，管理科學與工程學院副教授、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域研究。在Information Fusion、IEEE TNNLS、IEEE TCSS、TR Part C等國際權威期刊發(fā)表SCI論文20余篇，主持完成國家自然科學基金青年項目和面上項目，獲得騁望一流學術成果獎、成心優(yōu)秀學術成果應用獎等多項榮譽。近年來，謝娜研究團隊專注于大數(shù)據(jù)大模型在交通投資決策領域的創(chuàng)新應用研究，在中財大AAA期刊和國際頂級權威期刊持續(xù)發(fā)表重要研究成果，展現(xiàn)了扎實研究積累和持續(xù)創(chuàng)新能力。

撰稿：謝娜

審稿：劉志東