Résumé Technique : Réfléchir avant d'agir (IntentPOI)

Énoncé du Problème

L'article traite de la tâche de Prédiction du Prochain Point d'Intérêt (POI), qui consiste à recommander l'emplacement qu'un utilisateur est susceptible de visiter ensuite en se basant sur ses trajectoires de check-in historiques. Bien que des méthodes récentes exploitant les Grands Modèles de Langage (LLM) aient démontré de fortes capacités de raisonnement, les auteurs identifient une limitation critique : les approches existantes formulent généralement la tâche comme un problème de mapping univoque entre la trajectoire et le lieu.

Ces méthodes (qu'elles soient basées sur le prompt ou sur les tokens) associent directement les check-ins historiques à un POI cible ou reclassent les candidats. Par conséquent, elles sont sujettes à :

1. Des corrélations de trajectoire superficielles : Elles reposent lourdement sur la reconnaissance de motifs implicites plutôt que sur une compréhension comportementale profonde.
2. Un biais de fréquence historique : Elles privilégient par défaut les lieux fréquemment visités, même lorsqu'ils sont sémantiquement incohérents avec le contexte actuel (par exemple, prédire une visite à la salle de sport pendant un créneau horaire typiquement utilisé pour dîner).

Les auteurs soutiennent que les décisions de mobilité humaine ne sont que rarement prises directement au niveau du POI. Au lieu de cela, les utilisateurs forment d'abord une intention de déplacement (par exemple, dîner, socialiser, faire du shopping) puis sélectionnent des lieux spécifiques qui satisfont cette intention sous des contraintes spatiales et temporelles. Les méthodes actuelles basées sur les LLM ne parviennent pas à modéliser explicitement cette étape de raisonnement intermédiaire.

Méthodologie : IntentPOI

Pour remédier à ces limitations, les auteurs proposent IntentPOI, un cadre de raisonnement guidé par l'intention en deux étapes, fondé sur le principe « Réfléchir avant d'agir ». Le cadre découple l'inférence de l'intention de la prédiction de la localisation.

1. Étape de Réflexion : Inférence d'Intention par Multi-Rationnel

Dans cette étape, le système infère l'intention de déplacement latente de l'utilisateur avant de sélectionner un lieu. L'inférence s'appuie sur des preuves multi-rationnelles :

• Profil de l'Utilisateur ($P_n^F$) : Généré par un LLM ($M_F$) analysant la trajectoire historique de l'utilisateur ($X_n$) et des résumés statistiques (distributions de fréquences des heures, des POI et des catégories). Cela fournit une base de modèles de mobilité à long terme.
• Comportements des Pairs ($P_n^S$) : Pour atténuer la rareté des données, le système identifie des utilisateurs similaires basés sur :
  • La Similitude Sémantique : Similitude cosinus des plongements textuels (embeddings) dérivés des profils d'utilisateurs.
  • La Similitude Géographique : Indice de Jaccard des cellules geohash visitées.
    Les check-ins des $k$ utilisateurs les plus similaires dans une fenêtre temporelle ($\tau$) sont agrégés pour fournir des preuves de mobilité inter-utilisateurs.
• Contexte Temporel : La trajectoire de requête ($X_n^q$) fournit le contexte immédiat.

Un LLM ($M_I$) synthétise ces entrées pour générer une Intention ($P_n^I$) structurée. Cette sortie inclut les catégories de POI probables (ex: « Bar à vin », « Centre commercial ») et une trace de raisonnement en langage naturel expliquant pourquoi cette intention est inférée sur la base des preuves.

2. Étape d'Action : Raisonnement Guidé par l'Intention pour la Prédiction de POI

Une fois l'intention établie, le système procède à la recommandation de candidats :

• Construction du Pool de Candidats : Un pool compact ($H_n$) est construit en combinant :
  • Candidats Historiques : Tous les POI précédemment visités par l'utilisateur.
  • Candidats Spatiaux : Les $Z$ POI les plus proches de la dernière localisation connue de l'utilisateur.
• Filtrage Hybride : Pour garantir l'efficacité, le pool est filtré à une taille $B$ via une stratégie hybride :
  • Sélection des meilleurs candidats basés sur un score de visite (correspondance de fréquence, jour de la semaine, tranche horaire).
  • Sélection des meilleurs candidats basés sur la proximité spatiale.
• Raisonnement Fondé sur l'Intention : Un LLM de raisonnement ($M_R$) prend en entrée la trajectoire de requête, le profil de l'utilisateur, l'intention inférée ($P_n^I$) et le pool de candidats filtré ($\bar{H}_n$). L'intention agit comme un échafaudage de raisonnement, guidant le LLM pour classer les candidats qui s'alignent le mieux avec l'objectif inféré, plutôt que simplement les plus fréquents ou les plus proches. La sortie est une liste classée de POI avec des raisons de support.

Contributions Clés

1. Reformulation de la Tâche : L'article identifie l'absence de modélisation explicite de l'intention comme une lacune fondamentale des méthodes de prédiction de POI basées sur les LLM. Il reformule le problème d'un mapping en une étape vers un processus de raisonnement en deux étapes (Inférence d'Intention $\rightarrow$ Détermination de la Localisation).
2. Cadre IntentPOI : La proposition d'un cadre « Réfléchir-puis-Agir » qui infère explicitement les intentions des utilisateurs en utilisant des preuves multi-rationnelles (profil utilisateur, comportements des pairs, contexte temporel) et utilise cette intention comme un échafaudage pour le raisonnement en aval.
3. Validation Empirique : Des expériences approfondies sur trois jeux de données réels (NYC, TKY, CA) démontrent qu'IntentPOI surpasse systématiquement onze modèles de référence de pointe, incluant des modèles de deep learning (ex: DeepMove, GETNext) et d'autres méthodes basées sur les LLM (ex: CoMaPOI, QT-Mob).

Résultats Expérimentaux

• Performance : IntentPOI a obtenu les meilleurs résultats sur tous les indicateurs (HR@5, HR@10, N@5, N@10, MRR) sur les trois jeux de données. Notamment, sur les jeux de données TKY et CA, il a amélioré le HR@5 de 16,66 % et 11,71 % respectivement par rapport au meilleur modèle de référence.
• Études d'Ablation :
  • Le retrait du profil utilisateur lors de l'étape de réflexion a provoqué une chute massive de performance (le HR@1 a diminué d'environ 49,8 %), confirmant son rôle de preuve fondamentale.
  • Le retrait du signal d'intention lors de l'étape d'action a entraîné une baisse de 11,2 % du HR@1, validant l'intention comme un échafaudage de raisonnement critique.
  • Le retrait des comportements des pairs a causé une baisse de 9,5 %, soulignant la valeur des preuves inter-utilisateurs, particulièrement pour les données éparses.
  • La stratégie de filtrage hybride s'est révélée nettement plus efficace qu'un filtrage aléatoire ou l'utilisation de seuls candidats spatiaux/historiques.
• Robustesse aux Données Éparses : Le cadre a montré une résilience particulière sur les trajectoires d'utilisateurs éparses, où les comportements des pairs ont joué un rôle encore plus crucial pour compenser l'historique individuel limité.
• Études de Cas : L'analyse des cas réussis a montré que l'approche multi-rationnelle identifiait correctement des intentions (ex: « sortie de loisirs en soirée ») que les modèles basés uniquement sur la fréquence manquaient. Les cas d'échec ont été attribués à des scénarios où la vérité terrain s'écartait si considérablement de tous les signaux disponibles (profil, pairs, historique) que l'intention inférée ne pouvait servir d'échafaudage efficace.

Signification et Revendications

L'article affirme qu'en découplant explicitement l'inférence de l'intention de la prédiction de la localisation, IntentPOI transforme la prédiction du prochain POI d'un simple appariement de trajectoire basé sur la fréquence en un raisonnement fondé sur l'intention.

• Interprétabilité : Contrairement à l'appariement de trajectoire « boîte noire », IntentPOI fournit des traces de raisonnement auditables, expliquant pourquoi un lieu est recommandé en fonction de preuves spécifiques (profil, pairs, temps).
• Généralisation : La modélisation explicite de l'intention permet au modèle de s'adapter à des environnements urbains complexes et à des comportements d'utilisateurs diversifiés là où l'appariement de motifs simples échoue.
• Changement de Paradigme : Ce travail suggère un passage de la modélisation de la mobilité par les LLM, passant de l'utilisation des LLM comme prédicteurs directs à leur utilisation en tant qu'agents de raisonnement qui comprennent d'abord le « pourquoi » (l'intention) avant de déterminer le « où » (la localisation).

Les auteurs reconnaissent des limites, notant que le cadre dépend de la qualité des intentions générées par le LLM et se concentre actuellement sur les intentions à court terme sans modéliser leur évolution à long terme. Des travaux futurs sont proposés pour explorer des modèles plus efficaces et l'évolution dynamique des intentions.