大規模言語モデル（LLM）の進展により、テキストベースの推薦が強化され、従来のIDベース手法にセマンティック一般化の能力が追加されました。この研究では、地域生活サービスなどの特定のドメインでの課題を解決するために、LLMに基づいた地域アイテムトークン化フレームワークであるLGSIDを提案しています。LGSIDは主に、強化学習に基づいた地域LLM調整と階層的地域アイテムトークン化の2つの重要なコンポーネントで構成されています。まず、実世界の空間関係を捉えるためのリストワイズ報酬モデルを訓練し、その後、一般化した空間知識を取り入れる新しいG-DPOアルゴリズムを導入します。さらに、主なトークンは空間属性と内容属性から取得され、残余トークンはLLMの地域表現ベクトルを用いて洗練されます。実世界のデータセットでの広範な実験により、LGSIDは最先端の推薦モデルを一貫して上回る結果を示しました。