CoMaPOI: A Collaborative Multi-Agent Framework for Next POI Prediction Bridging the Gap Between Trajectory and Language
作者: Lin Zhong, Lingzhi Wang, Xu Yang, Qing Liao
分类: cs.CL, cs.IR
发布日期: 2025-05-28
备注: This paper has been accepted by SIGIR 2025
💡 一句话要点
CoMaPOI：协同多智能体框架弥合轨迹与语言，提升下一地点预测精度
🎯 匹配领域: 支柱八：物理动画 (Physics-based Animation) 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 下一地点预测 大型语言模型 多智能体系统 时空数据 协同学习
📋 核心要点
- 现有基于LLM的下一POI预测方法忽略了LLM对时空数据理解不足和候选POI空间过大的问题。
- CoMaPOI框架通过Profiler、Forecaster和Predictor三个智能体协同工作，分别增强语义理解、约束候选空间和生成预测。
- 在NYC、TKY和CA数据集上的实验表明，CoMaPOI的各项指标均优于现有方法5%到10%。
📝 摘要（中文）
本文提出了一种用于下一兴趣点（POI）预测的协同多智能体框架CoMaPOI，旨在解决大型语言模型（LLM）应用于该任务时面临的挑战。现有基于LLM的方法通常忽略了两个关键问题：一是LLM缺乏对数值时空数据的内在理解，难以准确建模用户的时空分布和偏好；二是候选POI空间过大且无约束，导致预测结果随机或不相关。CoMaPOI通过三个专门智能体（Profiler、Forecaster和Predictor）的紧密交互来协同解决这些问题。Profiler智能体负责将数值数据转换为语言描述，增强语义理解；Forecaster智能体专注于动态约束和细化候选POI空间；Predictor智能体整合这些信息以生成高精度预测。在三个基准数据集（NYC、TKY和CA）上的大量实验表明，CoMaPOI实现了最先进的性能，所有指标均比SOTA基线提高了5%到10%。这项工作率先研究了将LLM应用于复杂时空任务时面临的挑战，并通过定制的协同智能体加以解决。
🔬 方法详解
问题定义：论文旨在解决下一兴趣点（POI）预测问题，即根据用户历史轨迹预测其接下来最可能访问的地点。现有方法，特别是基于大型语言模型（LLM）的方法，在处理时空数据和约束候选POI空间方面存在不足。LLM虽然具备强大的语义理解能力，但缺乏对数值时空数据的内在理解，难以准确建模用户的时空分布和偏好。此外，候选POI空间通常非常大且无约束，导致LLM的预测结果可能随机或不相关。
核心思路：论文的核心思路是利用多智能体协同框架，将复杂的POI预测任务分解为多个子任务，并由专门设计的智能体分别负责。通过智能体之间的紧密交互，弥补LLM在时空数据理解和候选空间约束方面的不足，从而提高预测精度。这种协同方式能够更好地利用LLM的语义理解能力，同时克服其在处理数值数据方面的局限性。
技术框架：CoMaPOI框架包含三个主要智能体：Profiler、Forecaster和Predictor。Profiler智能体负责将用户的数值时空轨迹数据转换为自然语言描述，增强LLM对用户行为的语义理解。Forecaster智能体根据用户的历史轨迹和上下文信息，动态地约束和细化候选POI空间，减少预测的搜索范围。Predictor智能体则整合Profiler和Forecaster的信息，利用LLM生成最终的POI预测结果。这三个智能体协同工作，形成一个完整的POI预测流程。
关键创新：该论文的关键创新在于提出了一个协同多智能体框架，将LLM应用于下一POI预测任务。与现有方法不同，CoMaPOI不是简单地将LLM应用于该任务，而是深入分析了LLM在该任务中面临的挑战，并设计了专门的智能体来解决这些挑战。通过智能体之间的协同工作，CoMaPOI能够更好地利用LLM的语义理解能力，同时克服其在处理数值数据方面的局限性。这种协同多智能体框架为LLM在复杂时空任务中的应用提供了一种新的思路。
关键设计：Profiler智能体可能使用某种编码器将数值时空数据转换为语言描述，例如将经纬度坐标转换为地点名称或描述。Forecaster智能体可能使用某种距离函数或聚类算法来约束候选POI空间，例如只考虑用户历史访问地点附近的POI。Predictor智能体可能使用某种注意力机制来整合Profiler和Forecaster的信息，例如根据用户历史轨迹和上下文信息对不同的候选POI赋予不同的权重。具体的损失函数和网络结构未知，需要参考论文细节。
🖼️ 关键图片
📊 实验亮点
CoMaPOI在三个基准数据集（NYC、TKY和CA）上进行了广泛的实验，结果表明其性能优于现有的SOTA基线方法。具体而言，CoMaPOI在所有评估指标上均取得了5%到10%的提升，证明了其有效性和优越性。这些实验结果表明，通过协同多智能体框架，可以有效地解决LLM在下一POI预测任务中面临的挑战，提高预测精度。
🎯 应用场景
CoMaPOI框架具有广泛的应用前景，可应用于城市计算、位置服务、智能交通等领域。例如，可以用于个性化推荐、出行规划、交通流量预测等。通过准确预测用户的下一个目的地，可以为用户提供更便捷、更智能的服务，提高用户的生活质量。该研究的未来影响在于推动LLM在复杂时空任务中的应用，为相关领域的研究提供新的思路和方法。
📄 摘要（原文）
Large Language Models (LLMs) offer new opportunities for the next Point-Of-Interest (POI) prediction task, leveraging their capabilities in semantic understanding of POI trajectories. However, previous LLM-based methods, which are superficially adapted to next POI prediction, largely overlook critical challenges associated with applying LLMs to this task. Specifically, LLMs encounter two critical challenges: (1) a lack of intrinsic understanding of numeric spatiotemporal data, which hinders accurate modeling of users' spatiotemporal distributions and preferences; and (2) an excessively large and unconstrained candidate POI space, which often results in random or irrelevant predictions. To address these issues, we propose a Collaborative Multi Agent Framework for Next POI Prediction, named CoMaPOI. Through the close interaction of three specialized agents (Profiler, Forecaster, and Predictor), CoMaPOI collaboratively addresses the two critical challenges. The Profiler agent is responsible for converting numeric data into language descriptions, enhancing semantic understanding. The Forecaster agent focuses on dynamically constraining and refining the candidate POI space. The Predictor agent integrates this information to generate high-precision predictions. Extensive experiments on three benchmark datasets (NYC, TKY, and CA) demonstrate that CoMaPOI achieves state of the art performance, improving all metrics by 5% to 10% compared to SOTA baselines. This work pioneers the investigation of challenges associated with applying LLMs to complex spatiotemporal tasks by leveraging tailored collaborative agents.