该研究提出了一种新颖的多模态地理语言模型 (MGeo) 用于查询 - POI 匹配，通过将地理信息视作一个新的模态，在提取多模态相关性的同时准确表示查询中的多个地理对象，提升了通用 PTMs 的查询 - POI 匹配能力。

Jan, 2023

通过对 GPT-3 模型在地址解析任务中的性能评估，研究表明双向 LSTM-CRF 模型在转换器模型和 GPT-3 模型中表现最好，转换器模型与双向 LSTM-CRF 模型相比展现出非常可比的结果。尽管 GPT-3 模型性能稍逊，但展示了在地址解析任务中利用少样本示例的潜力，同时还有通过额外的微调提升的空间。

Oct, 2023

本篇研究探究 GPT-4 模型应用于地理数据场景问题的解决能力，试图了解其是否具备对地理位置、距离、海拔，以及更复杂的问题如国家轮廓、旅游网络、路线规划和供应链分析的理解和解决能力。结果表明该模型在一定程度上具备对世界的认识，但仍存在限制。

May, 2023

提出了 MapGPT，将大型语言模型 (LLMs) 的能力与空间数据处理技术相结合，以桥接自然语言理解和空间数据分析之间的差距。该研究介绍了 MapGPT 的核心构建模块，并将 LLMS 应用于空间和文本数据的建立中，利用特定于空间信息的分词和向量表示，旨在提供更准确和具有上下文意识的面向位置的查询响应。研究还探讨了生成空间向量表示所面临的挑战，以及 MapGPT 中计算能力的潜力，使用户能够进行地理空间计算并获取可视化输出。总体而言，这篇研究论文介绍了 MapGPT 的构建方法和方法论，突出了其在自然语言处理应用中增强空间数据理解和生成的潜力。

Oct, 2023

研究了如何使用自然语言处理和 RoBERTa 模型来理解发展中国家（例如印度）中电商客户的运输地址，该方法结合了诸如编辑距离和语音算法之类的预处理步骤，并最终使用 RoBERTa 模型进行分类。

Jul, 2020

TransGPT 是一个多模态的大型语言模型，基于不同领域的交通数据，通过提供交通分析、模拟交通现象、回答交通问题、提供交通建议和生成交通报告等功能，推动了交通学领域中自然语言处理技术的发展，为智能交通系统的研究人员和实践者提供了有用工具。

Feb, 2024

在金融行业中，从自由文本消息属性中提取街道、邮政编码或国家等字段是解析地址的关键需求，本文利用 Transformer 模型和生成型大语言模型探索应对海量交易数据的性能，并展示训练鲁棒模型处理实际世界的嘈杂交易数据的重要性。结果表明，良好调整的 Transformer 模型通过提前停止显著优于其他方法，而生成型大语言模型则展现出强大的零 - shot 性能，值得进一步研究。

Apr, 2024

采用深度学习的方法，设计出一种模型，用于提高邮地址匹配的效率。测试结果表明，模型在准确性和速度方面都表现良好，对于解决分配过程中的问题具有实际价值。

Jul, 2023

利用 GeoGPT 将自然语言需求转化为 GIS 工具执行的方式可以降低非专业用户解决地理空间问题的门槛，我们展示了在多个任务中使用 GeoGPT 的有效性，同时该框架可以通过集成更多工具来扩展其适用范围。

Jul, 2023

该论文研究了 ChatGPT 和类似模型在空间推理和导航相关任务中的固有限制，并引入了一种新颖的评估框架和基准数据集以评估 ChatGPT 的空间推理能力。研究揭示了模型在空间理解方面的能力和局限性的关键见解。

Dec, 2023