研究人员推出了一种新方法HF-SID,用于在基于位置服务的生成检索中生成语义ID(SID)。现有的SID难以保留对准确检索至关重要的细粒度细节,例如地理坐标的连续性、数值属性的变化尺度以及层级归属。HF-SID通过将坐标转换为连续的3D笛卡尔形式,并将数值编码为单个单元,并辅以具有类型感知嵌入的Geo-CPT和Num-CPT来解决这些限制。基于结构的对比学习目标进一步优化了这些表示,从而实现了3个标记的SID,且没有额外的解码成本。 AI
影响 这种新方法通过实现对兴趣点(POI)更精确的语义理解,有望提高基于位置服务的准确性和效率。
排序理由 该项目是一篇研究论文,详细介绍了一种新的生成检索方法。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.IR (Information Retrieval) 阅读 →
- arXiv
- Generative Retrieval
- Geo-CPT
- HF-SID
- Hugging Face
- location based services
- Num-CPT
- Semantic ID
- Structure-based Contrastive Learning
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →