次のポイント・オブ・インタレスト（POI）推薦タスクは、ユーザーの好みや過去のチェックインに基づいて、彼らの即時の次の目的地を予測することを目的とし、位置情報サービスにおいて重要な役割を果たします。最近、大規模言語モデル（LLM）は、生成的アプローチでPOI予測を扱う推薦システムで注目を集めていますが、これらのモデルは非構造化テキストに基づいて事前訓練されており、地理的エンティティや連続的な移動パターンの理解に欠けています。さらに、季節、天候、休日、ユーザーのプロファイル（習慣や好みなど）を考慮に入れることで、推薦性能やユーザー体験を向上させることができます。本研究では、これらの問題に対処するために、自然言語をインターフェースとして用いるCoAST（Cognitive-Aligned Spatial-Temporal LLMs）というフレームワークを提案します。CoASTは、ユーザーの非感度化された空間・時間的軌跡データに基づく知識取得と、人間の好みに合わせた認知整合を行う二段階のプロセスを含みます。実験によりCoASTの有効性が示されています。