GeoReasoner：基于地理上下文的自然语言理解推理方法
原文中文，约500字，阅读约需1分钟。发表于：。本研究解决了传统自然语言理解方法在未见地理场景上的泛化不足和忽视地理信息与语言信息结合的重要性的问题。我们提出了GeoReasoner，一种能够在地理上下文基础上进行推理的语言模型，通过结合大型语言模型和空间嵌入，显著提升了地名识别、地名链接和地理实体标注等任务的效果。
Geospatial Location Embedding (GLE)在大型语言模型（LLM）中帮助模型吸收和分析空间数据。GLE的出现是由于在当代复杂空间中对更深层次的地理空间意识的需求以及LLMs在生成式人工智能方面提取深层含义的成功。GLE为对空间的理解提供了帮助，但强调了在空间模态和推理方面进一步的提升的需求。GLE标志着“空间”和“LLM”之间对话式对接，为建立将空间知识嵌入模型结构的Spatial Foundation/Language Model（SLM）框架提供了契机。该框架推动了Spatial Artificial Intelligence Systems（SPAIS）的发展，建立了一个与物理空间相映射的空间向量空间（SVS）。由此得到的具有空间特征的语言模型是独特的，同时代表了实际空间和基于人工智能的空间，为SPAIS的地理存储、分析和多模态提供了基础。
