في عالم يتسم بتزايد التعقيد في الأنشطة الاجتماعية والاقتصادية داخل المدن، أصبحت القدرة على التنبؤ بمؤشرات الاقتصاد الاجتماعي (socioeconomic indicators) أمرًا ذا أهمية قصوى. يعتمد هذا النوع من التنبؤ على تحليل بيانات متنوعة من المناطق الحضرية مثل مستوى النشاط التجاري وتعداد السكان، مما يساعد في دعم عملية اتخاذ القرار وفهم الديناميات الحضرية.

في دراسة جديدة، تم استخدام خرائط المعرفة (Knowledge Graphs) كنموذج لتمثيل البيانات الحضرية المتعددة. ومع ذلك، كانت الطرق التقليدية تعتمد بشكل كبير على الأفكار البديهية لتنفيذ ذلك، مما قد لا يكون الأمثل للمهام المحددة.

لذا، اقترح الباحثون في هذه الدراسة إطار عمل جديد يجمع بين وكلاء نماذج اللغة الضخمة (LLMs) وخرائط المعرفة، حيث يدمج بين قدرات الاستدلال والتعلم التمثيلي. هذا الإطار يتضمن إنشاء خريطة معرفة حضرية (UrbanKG) لتمثيل البيانات وتجميعها، مع تحسين نموذج اللغة لإنتاج تمثيلات حقيقية للكيانات ضمن الخريطة.

تستفيد هذه الطريقة من قوة الاستدلال الموجودة في وكلاء نماذج اللغة الكبيرة لتعزيز تنبؤات الاقتصاد الاجتماعي لمختلف المهام. كما تم تصميم وحدة انتباه مسترشدة بالسياق لدمج المعرفة بشكل أكثر فعالية.

تظهر التجارب على مجموعتين من البيانات أن تصميم هذا الإطار التآزري قد زاد من فعالية التنبؤ بمؤشرات الاقتصاد الاجتماعي، مما قد يفتح المجال لمزيد من الأبحاث في أفق تبادل المعلومات بين المهام المختلفة.