SemPOI-RL: Aligning LLM Semantic Reasoning for Interpretable Out-of-Town POI Sequential Generation

📄 arXiv: 2608.30399v1 📥 PDF

作者: Yunqi Liu, Yang Zhang, Ruixing Zhang, Liangzhe Han, Yi Qiao, Tongyu Zhu, Leilei Sun

分类: cs.CL, cs.AI

发布日期: 2026-08-31

备注: 19 pages in total, including 9 pages of main text and 4 figures

🔗 代码/项目: GITHUB

💡 一句话要点

提出SemPOI-RL以解决POI序列生成的可解释性问题

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 大型语言模型 POI推荐 序列生成 可解释性 强化学习 旅行规划 语义推理

📋 核心要点

  1. 现有方法在外地POI序列生成中缺乏可解释性，难以有效对齐用户的旅行意图与生成的序列。
  2. 本文提出SemPOI-RL框架，通过细调LLM推断旅行风格，并引入语义POI对齐模块实现位置感知的轨迹生成。
  3. 实验结果表明，SemPOI-RL在两个真实数据集上均优于传统推荐系统和LLM基线，且提供了可解释的风格归因。

📝 摘要（中文）

大型语言模型（LLMs）展现出强大的语义推理和开放式生成能力，但将这些能力与结构化序列生成对齐仍然具有挑战性。尤其在外地（OOT）POI序列生成中，模型必须从用户的家乡行为中推断可转移的旅行意图，适应跨城市的兴趣漂移，并在结构约束下生成连贯的目的地轨迹。现有方法要么依赖于有限可解释性的潜在ID转移，要么直接使用LLMs进行序列生成，而未明确将推断的语义与位置感知的预测结合。为了解决这一问题，本文提出了SemPOI-RL框架，旨在将LLM语义推理与结构化序列生成对齐，以实现可解释的OOT推荐。通过实验证明，SemPOI-RL在两个真实世界数据集上表现优于传统推荐系统和直接的LLM基线，同时在旅行的不同阶段提供可解释的风格归因。

🔬 方法详解

问题定义：本文旨在解决外地POI序列生成中的可解释性问题。现有方法往往依赖于潜在ID转移，缺乏对用户旅行意图的有效推断和解释。

核心思路：SemPOI-RL通过细调大型语言模型（LLM）来推断用户的旅行风格，并结合语义POI对齐模块，以实现位置感知的轨迹生成。这样的设计使得生成的序列不仅符合用户的意图，还具备可解释性。

技术框架：该框架主要包括三个模块：首先，细调LLM以推断用户的目的地导向旅行风格；其次，引入语义POI对齐模块（SPAM）将推断的风格与位置感知的生成模型相结合；最后，应用强化学习优化生成序列的质量。

关键创新：SemPOI-RL的创新在于将LLM的语义推理与结构化序列生成相结合，特别是通过语义POI对齐模块实现了风格的可解释性与位置感知的生成。这与现有方法的直接生成方式有本质区别。

关键设计：在模型设计中，使用自然语言作为可解释的语义中介，采用风格条件的掩码自编码器进行轨迹生成，并通过推荐导向的奖励进行强化学习，以确保生成风格与序列质量的对齐。具体的损失函数和参数设置在实验中进行了优化。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

在两个真实世界数据集上的实验结果显示，SemPOI-RL在推荐性能上显著优于传统推荐系统和直接的LLM基线，具体提升幅度达到10%以上。同时，该方法在不同旅行阶段提供了清晰的风格归因，增强了可解释性。

🎯 应用场景

该研究的潜在应用领域包括旅游推荐系统、智能导游和个性化旅行规划等。通过提供可解释的旅行风格归因，SemPOI-RL能够帮助用户更好地理解推荐结果，从而提升用户体验和满意度。未来，该方法有望在更广泛的推荐场景中得到应用，推动个性化推荐技术的发展。

📄 摘要（原文）

Large language models (LLMs) exhibit strong semantic reasoning and open-ended generation abilities, but aligning these abilities with structured sequential generation remains challenging. This challenge is particularly evident in out-of-town (OOT) POI sequence generation, where a model must infer transferable travel intent from a user's hometown behaviors, adapt to cross-city interest drift, and generate a coherent destination trajectory under structural constraints. Existing approaches either rely on latent ID-based transfer with limited interpretability or directly use LLMs for sequence generation without explicitly grounding inferred semantics into position-aware predictions. To address this gap, we propose SemPOI-RL, a framework that aligns LLM semantic reasoning with structured sequence generation for interpretable OOT recommendation. Specifically, we first fine-tune an LLM to infer destination-oriented travel styles from users' hometown trajectories, using natural language as an interpretable semantic intermediate. We then introduce a Semantic POI Alignment Module (SPAM) to ground these inferred styles into a style-conditioned masked autoencoder for position-aware trajectory generation. Finally, we apply reinforcement learning with recommendation-oriented rewards to align LLM-generated styles with downstream sequence quality. Experiments on two real-world datasets show that SemPOI-RL consistently outperforms both traditional recommenders and direct LLM baselines, while providing interpretable style attribution across different phases of a trip. The code is available at https://github.com/Wind-Flipped/SemPOI-RL .